Devstral Small 2
PulseAugur coverage of Devstral Small 2 — every cluster mentioning Devstral Small 2 across labs, papers, and developer communities, ranked by signal.
-
本地编码 AI 模型现在可在 16-32GB RAM 上运行，但云端领先者仍表现更优
得益于混合专家（MoE）架构的进步和高效的模型设计，本地编码模型在 16-32GB RAM 的硬件上已能胜任自动补全和重构等任务。虽然 Qwen2.5-Coder-32B 和 DeepSeek-Coder-V2-Lite-Instruct 等模型提供了具有竞争力的性能，但在复杂任务上，它们与 Claude 3.5 Sonnet 等顶级的云端模型相比仍有显著差距。此外，本地模型的安全影响虽然与云端模型不同，但仍存在系统访问和潜在漏洞相关的风险。
-
新的开源编码模型首次亮相，但本地层需要仔细选择
随着2026年6月发布GLM-5.2、MiniMax M3、Kimi K2.7 Code、Gemma 4和NVIDIA的Nemotron 3 Ultra等多个新选项，开源编码模型格局已发生重大变化。然而，文章强调，像GLM-5.2和DeepSeek-V4-Pro这样最强大的模型对于典型的本地硬件来说过于庞大，更适合基于API的复杂推理层。对于本地部署，推荐Gemma 4 12B用于消费级笔记本电脑上的简单任务，而Qwen3.6-27B…
-
Cohere 发布 North Mini Code，用于代理软件工程
Cohere 发布了 North Mini Code，这是一款新的 300 亿参数的混合专家模型，拥有 30 亿活跃参数，专为代理软件工程任务设计。该模型是 Cohere 新模型系列中的首款，可在 Hugging Face 上根据 Apache 2.0 许可证使用。基准测试表明，North Mini Code 在与同等规模的其他开源编码模型相比时表现具有竞争力，甚至在编码基准测试中超越了一些更大的模型。
-
新的进化框架揭示大语言模型安全漏洞
研究人员开发了一个新的质量-多样性进化框架，用于识别大语言模型中的漏洞。该方法名为 MAP-Elites，能够生成可解释的攻击策略，而不仅仅是 token 序列，从而在不同的行为维度上实现多样化的攻击库。在 GPT-4o-mini、Claude 3.5 Sonnet 和 Gemini 2.0 Flash 等模型上进行的实验揭示了模型特有的不同弱点，为增强大语言模型安全性提供了可操作的见解。