返回雷达雷达笔记

FIELD NOTES / EASYCHA

雷达笔记

追踪 AI 模型、开发工具与 API 新动态。结合公开来源整理事实与选型观察， 数据与观点以文章发布时的信息为准。

EASYCHA 原创技术拼贴：训练任务书、计算设备和验收清单，醒目标题为让 AI 训练 AI。

开发工具与训练

ML Intern：让智能体训练模型，先把验收写清楚

Hugging Face 展示用 ML Intern 构建专用小模型的案例。自动执行能减少操作负担，但任务定义、基线对照、小规模试跑和费用口径，仍决定结果是否值得采用。

Easycha 编辑部 · 2026/10/9

EASYCHA 原创技术拼贴：端侧电路板、输入卡片与判断结果卡相连，标题为不写长答案，也能做判断。

模型与端侧推理

open d1：有些 AI 任务，不必逐字生成答案

Liquid AI 发布开放权重的决策模型，用一次前向计算返回判断结果。它为分类、路由和图片检查提供了另一种思路，但实验版音频能力、测量条件与接入方式仍需分别核对。

Easycha 编辑部 · 2026/10/8

EASYCHA 原创技术拼贴：键盘、语音波形和多语言对话卡片，醒目标题为 AI 也要懂方言。

模型与多语言

Falcon-Emirati：会答阿拉伯语，还要听懂当地话

TII 团队介绍面向阿联酋方言的 Falcon-Emirati-7B。它提示多语言应用团队：答对知识、使用自然的方言与理解文化语境，是需要分别训练和评估的能力。

Easycha 编辑部 · 2026/10/7

EASYCHA 原创技术拼贴：失败工单经过验证台转成训练任务卡，醒目标题为把失败变成训练题。

智能体与训练

AutoSynthData：把智能体的失败，变成可验证的训练任务

ServiceNow CoreAI 团队介绍 AutoSynthData：从能力缺口出发生成任务，在环境里执行并验证，再用于训练。关键不只是增加样本，而是让题目可完成、答案可核验、难度有价值。

Easycha 编辑部 · 2026/10/6

EASYCHA 原创技术拼贴：笔记本电脑、数据库设备与核验清单相连，标题为说完成，算完成吗？

智能体与评测

ThinkingBox：AI 说完成了，数据库里的结果对了吗？

微软与 Hugging Face 的联合文章介绍 ThinkingBox 如何核验智能体留下的业务记录，并用重复运行区分偶尔成功与稳定完成。对工具调用应用，验收标准需要落到实际状态。

Easycha 编辑部 · 2026/10/5

EASYCHA 原创技术拼贴：论文、放大镜和模型芯片连接到带引文的报告卡片，标题为引用跟得上结论吗。

开源模型与知识工作

AstaBrief 开源：科研报告提速，关键是让引用跟得上结论

Ai2 开源 AstaBrief 8B 及训练数据，面向检索到的文献片段生成带引用报告。官方报告的速度优势来自完整工作流设计，但旧评测条件和引用边界仍需读清。

Easycha 编辑部 · 2026/10/3

EASYCHA 原创技术拼贴：服务器与多块芯片连接分布式专家卡片，标题为专家更多，训练怎么扩。

开源与训练基础设施

Ai2 发布 Olmo-core 3：MoE 扩大规模，关键不只在参数量

Olmo-core 3 重设计了混合专家模型的训练系统，减少权重搬运并优化跨 GPU 通信。官方展示的万亿参数测试说明了系统扩展能力，但不能直接代表新模型的回答质量。

Easycha 编辑部 · 2026/10/2

EASYCHA 原创技术拼贴封面：耳机、麦克风与文字和音频卡片，标题为选声音，先听再看分。

语音与模型评测

Open TTS Leaderboard 上线：选语音模型，别只看英语排名与生成速度

Hugging Face 的新榜单将可懂度、生成速度与音色相似度分开呈现，并提供多语言筛选和试听入口。对中文语音应用而言，选对评测条件比照搬默认排名更有用。

Easycha 编辑部 · 2026/10/1

EASYCHA 原创编辑封面：纸质表格、处理器和待预测行卡片组成技术拼贴，标题为表格，也能上下文学习。

模型与结构化数据

NVIDIA 发布 Kumo Tabular：表格预测也能用上上下文学习

Kumo Tabular 将带标签的表格行作为上下文，为新行输出分类概率或数值预测。无需为每个任务重新训练，并不意味着无需验证；它也不是把表格上传到聊天接口就能使用的通用模型。

Easycha 编辑部 · 2026/9/30

EASYCHA 原创技术拼贴封面：笔记本电脑、鼠标和手机连接界面、代码、API 三张纸质卡片，标题为一个 AI，多种操作。

模型与智能体

Holo4 发布：让同一个 AI 在界面、代码与 API 之间完成工作

H Company 9 月 28 日推出 Holo4 系列，提供托管 API 与模型权重。它关注的不只是点击屏幕，而是把不同操作方式串进一项业务任务；实际接入仍需看清执行环境与评测口径。

Easycha 编辑部 · 2026/9/29

EASYCHA 原创技术拼贴：文字卡片经过分词模块转为数字块，旁边呈现处理器与计时器，标题为分词更快，接口呢？

开发工具

分词更快，AI 接口就更快吗？读懂 Tokenizers v1 的升级边界

Hugging Face 在 9 月 21 日介绍 Tokenizers v1 候选版本。分词性能改善值得关注，但它与模型生成速度、API 计费和端到端延迟之间，仍有几层需要分清的关系。

Easycha 编辑部 · 2026/9/27

EASYCHA 原创编辑封面：桌面机械臂抓取彩色方块，显示器展示多个仿真场景，标题为并行仿真，先验证再加速

开源与物理 AI

从一个机械臂到并行仿真：NVIDIA 的 MJWarp 教程给 AI 开发者什么启示

NVIDIA 团队的新教程展示了把兼容 MuJoCo 场景迁移到 GPU 批量仿真的路径。真正值得关注的，是如何先验证任务正确，再衡量吞吐，而不是把并行环境数当作加速倍数。

Easycha 编辑部 · 2026/9/26

EASYCHA 编辑插图：桌面上的相机、视觉识别照片、芯片与分阶段处理卡片，标题为视觉推理提速，看清加速边界

模型与推理

视觉模型输出更快，首字未必更快：读懂 Liquid AI 的 DSpark 新进展

Liquid AI 9 月 24 日发布面向 LFM2.5-VL-3B 的实验性 DSpark 草稿模型。它把推测解码带入视觉任务，也提醒开发者区分解码速度、首字等待和完整响应耗时。

Easycha 编辑部 · 2026/9/25

EASYCHA 原创编辑封面：笔记本电脑、芯片和模型文件卡片拼贴，标题为本地推理新入口，GGUF + Transformers

开源与开发工具

GGUF 走进 Transformers：本地模型接入更方便，先看清适用边界

Hugging Face 9 月 22 日介绍了 Transformers 的 GGUF 高效推理支持。熟悉 Python 的开发者多了一个本地模型入口，但硬件、架构与并发限制仍需逐项确认。

Easycha 编辑部 · 2026/9/24

EASYCHA 原创编辑封面：电脑、评测卡片与图表拼贴，标题为跑分之外，看懂 AI 评测条件

模型评测

看 GPT、Claude 跑分之前，先看评测条件：AISI 与 EvalEval 开放结果意味着什么

Hugging Face 9 月 22 日介绍了 UK AISI 与 EvalEval 的评测公开合作。模型版本、推理预算和测试协议，正在成为理解榜单分数不可缺少的背景。

Easycha 编辑部 · 2026/9/23