Mistral 在慕尼黑开设德国中心，推进欧洲工业 AI
Mistral 在慕尼黑开设新中心，聚焦 Physics AI 与工业 AI，并组建专门研究团队服务企业客户。公司计划到 2030 年在欧洲建成 1 吉瓦算力，其开放权重架构允许模型在客户自有基础设施上运行。Mistral 已与 BMW 合作碰撞仿真、与 Siemens Energy 合作工业 AI，并与慕尼黑工业大学建立研究伙伴关系。
#部署/工程
#部署/工程
今日 0 条Mistral AIAI 评分4242 The DecoderAI 评分6262 Nvidia推出芯片内置看门狗Sentry，用于隔离失控AI智能体
Nvidia发布名为Sentry的硬件看门狗参考设计，集成于BlueField-4数据处理器，与3月推出的开源软件OpenShell配合，将AI智能体锁定在沙箱中并在其尝试越界时毫秒级隔离。Nvidia称该方案运行在主计算机之外，对智能体不可见，兼容系统只需软件更新即可启用，但未公布正式可用日期，也未提供Sentry检测可靠性的具体数据。
Simon WillisonAI 评分4242 Bluesky 回复机器人检测工具
针对 Bluesky 上日益增多的自动回复机器人，Simon Willison 用 Opus 5.5 编写了一款检测工具，可分析任意 Bluesky 账号是否存在回复机器人迹象。该工具通过识别短时间内连续回复、从不发布原创内容、频繁回复高粉丝用户以及滥用问号等信号进行判断。
Simon WillisonAI 评分4242 Kākāpō Party：用 Claude Opus 5.5 制作像素风鸮鹦鹉派对动画
Simon Willison 用 Claude Opus 5.5 生成了一款名为 Kākāpō Party 的交互式像素动画，展示 20 多只鸮鹦鹉在迪斯科球下跳舞，点击或按空格键可触发五彩纸屑等特效。他随后让本地 Claude Code 会话借助 Playwright 脚本自动点击页面并录制了 15 秒视频，用于 WeAreDevelopers 大会闭幕演讲的最终幻灯片。
Hugging Face Blog精选AI 评分7070 Hugging Face 让 transformers 支持运行 llama.cpp 的 GGUF 量化模型
Hugging Face 为 transformers 添加了 GGUF 模型支持，可在 Apple Silicon 上通过熟悉的 from_pretrained API 加载 GGUF 检查点，并复用 llama.cpp 的 ggml Metal 内核以接近其推理性能。
推荐理由：Hugging Face 将 llama.cpp 的 GGUF 量化模型接入 transformers，并复用其 ggml Metal 内核，本地推理性能接近 llama.cpp，为开发者提供了在 PyTorch 生态中使用 GGUF 检查点的新路径。
Mistral AIAI 评分3838 Cloudera 与 Mistral 达成合作，为企业数据带来定制化主权智能
Cloudera 与 Mistral 宣布建立新合作伙伴关系，将 Mistral 模型集成到 Cloudera 混合数据平台，使企业能在私有云、公共云、本地及完全隔离环境中部署 AI 模型并保持完全控制。企业可利用专有数据在受控环境中训练定制模型，保留数据和智能的所有权。该合作旨在满足对主权 AI 日益增长的需求，覆盖 Cloudera 平台上 30 EB 的客户管理数据。
Mistral AI精选AI 评分6262 Mistral 用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 物理模拟器迁移到 C++，并总结了三条经验：先构建数值一致性验证框架、整理文档、采用带人工审查的结构化智能体工作流。项目首阶段完成 30 万行代码中的 4 万行核心功能。
推荐理由：原文用真实迁移案例拆解了遗留代码现代化的完整流程，读者可借鉴其验证与工作流设计。
Mistral AI精选AI 评分6767 Mistral 推出区域推理端点与优先服务层级，并支持第三方开放模型
Mistral 宣布三项主权 AI 举措：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，提供自定义速率限制和正常运行时间 SLA；平台将支持第三方开放模型，首个为 Z.ai 的 GLM-5.2。
推荐理由：原文给出了区域端点、优先服务层级和第三方开放模型支持的具体安排，读者可以据此判断 Mistral 主权 AI 方案的落地路径。
Berkeley AI ResearchAI 评分4040 GRASP：面向更长视野世界模型的梯度规划方法
GRASP 是一种新的基于梯度的规划器，专为学习型动力学（世界模型）设计，通过将轨迹提升至虚拟状态实现跨时间并行优化、直接向状态迭代添加随机性以增强探索，并重塑梯度以避免高维视觉模型中的脆弱“状态-输入”梯度，从而让长视野规划变得实用。