Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一进同一嵌入空间，并给出端侧内存与向量截断的具体数据，便于评估本地多模态检索的可行性。
#开源/仓库
Google DeepMind精选AI 评分7171
掘金精选AI 评分8080 DeepSeek Harness 底层揭秘：一切皆插件，脚手架如何变成产品
DeepSeek 于 8 月 13 日随 V4-Pro 一同开源 MIT 许可证的 Agent 运行框架 DeepSeek Harness（dsh），模型、工具、沙箱乃至 Agent Loop 都可像插件一样替换，上线两天 GitHub Star 突破 9 万。
推荐理由：拆解 DeepSeek Harness 的插件化架构与首批实测数据，可对照自身 Agent 技术栈判断取舍。
Microsoft Research精选AI 评分6262 微软研究：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务成功率、支持更大模型并延长续航。
推荐理由：微软团队系统测量了机器人端侧与卸载推理的差异，并给出可复用的 Kubernetes 卸载工具链。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核经验迁移到 Apple Silicon。
推荐理由：读者可以看到 CUDA 优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对最终性能差距的具体影响。
已经到底了