欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解：https://app.aibase.com/zh1、OpenAI出手！Cowork处于研究预览阶段，仅对ClaudeMax订阅用户开放，其他用户可申请加入候补名单。
OpenAI以价值1亿美元的股权收购医疗记录初创公司Torch，其四人团队将加入OpenAI。该团队曾任职于AI诊所Forward Health，后开发了用于医疗记录分析的AI工具。
OpenAI以约1亿美元收购医疗健康初创企业Torch，旨在布局医疗健康领域。Torch作为AI健康应用，整合凯撒医疗记录、普雷努沃医学影像及苹果健康数据，为用户提供智能化健康管理方案。
谷歌正推进“TorchTPU”计划，旨在提升其TPU芯片对PyTorch框架的兼容性，以降低开发者从英伟达GPU迁移至谷歌TPU的成本。此举意在挑战英伟达在AI芯片领域的统治地位，打破PyTorch与英伟达CUDA的深度绑定。
PyTorch原生量化和稀疏性训练与推理库
pytorch
这是由PyTorch团队使用torchao进行量化的Qwen3-8B模型，采用int4仅权重量化和AWQ算法。该模型在H100 GPU上可减少53%显存使用并实现1.34倍加速，专门针对mmlu_abstract_algebra任务进行了校准优化。
SmolLM3-3B-INT8-INT4是基于HuggingFaceTB/SmolLM3-3B模型进行量化的版本，使用torchao实现了8位嵌入、8位动态激活和4位权重线性量化。该模型转换为ExecuTorch格式，通过优化在CPU后端实现高性能，特别适合移动设备部署。
Phi-4-mini-instruct模型经torchao进行float8动态激活和权重量化，在H100上实现36%显存降低和15-20%速度提升，几乎不影响精度。
Bingsu
基于kss数据集训练的Tacotron2韩语文本转语音模型
torchxrayvision
基于DenseNet架构的卷积神经网络，专为X光图像分类任务设计，通过密集块实现层间密集连接。
DenseNet121架构的预训练模型，专用于胸部X光图像分类任务，具有18个输出目标。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
