CUDA for AMD on Windows：基于 ZLUDA + HIP/ROCm 在 Windows 上运行 CUDA 应用的开源方案

GitHub 项目 CUDA-for-AMD-Windows 发布了可复现的技术栈，通过 ZLUDA v6-preview.69 + AMD HIP SDK 6.4 让 CUDA 面向的 Windows 应用在 AMD GPU 上运行。

dex@dexhorthyAI 评分6060

Dex Horthy 介绍本期 AI That Works 节目中 @tbrownio 分享的 "compounding" 复盘流程：每当智能体 pull request 需要人工引导时生成 post-mortem。每周末回顾这些 post-mortem，逐步改进技能、任务提示词和智能体记忆文件，以避免问题再次出现。

dex@dexhorthyAI 评分5353

@pvncher 分享技巧：让 Astra 把应用截图拼成 contact sheet，减少图像读取调用次数，节省大量上下文用量。Dex Horthy 转发补充该技巧对 fable 同样有效，他最早见 fable 主动这样做，且拼图也适用于从视频中提取时间线。

Agent 长任务上下文工程解析：用预算控制、压缩、todo-state 和记忆对抗上下文溢出与目标丢失

文章解析 Agent harness 层应对长任务中上下文溢出与目标丢失的四类机制：上下文预算与卸载、压缩、todo-state 复述和跨会话记忆。

用 NVIDIA cuML 和 RAPIDS 实现机器学习工作流的完整教程

MarkTechPost 发布一篇教程，用 NVIDIA cuML 和 RAPIDS 构建覆盖 GPU 加速机器学习全流程的可运行工作流。

Simon Willison 实测用 GPT-6 Astra 和 ChatGPT Work 生成跑步路线

Simon Willison 用 GPT-6 Astra 和 ChatGPT Work 从家出发生成 5K 和 10K 环形跑步路线，运行 27 分钟，基于 Nominatim 定位地址、Overpass 下载 OpenStreetMap 道路数据，产出嵌入式地图可视化和可下载的 GPX 与 GeoJSON 文件。

vLLM 优化 Kimi K3 服务性能：吞吐提升 2.2–2.8 倍

vLLM 团队详解 Kimi K3 从 v0.27.1 到 0913 main 的服务性能优化，在 8K/1K、TP8、B300 节点测试下延迟降低 56%–60%，吞吐提升 2.2–2.8 倍，TTFT 降低 72%–85%。

Fireworks 评测 2026 年九款最佳开源 LLM，GLM 5.2 与 Kimi K3 领跑基准

Fireworks 发布 2026 年开源 LLM 选型指南，覆盖 GLM 5.2、Kimi K3、Kimi K2.7 Code、DeepSeek-V4-Pro/Flash、MiniMax M3、Qwen3.7 Plus、gpt-oss-120b 和 Gemma 4 31B IT 九款模型。

OpenAI 建议开发者用更精简的提示词和更少限制来适配 GPT-6 Astra

OpenAI 的 Eric Provencher 撰文建议，切换到 GPT-6 Astra 时应精简技能描述、AGENTS.md 规则和任务提示词，因为过长的指令会占用上下文或导致模型过早停止。

凡人小北@frxiaobeiAI 评分7272

OpenAI 公开了 ChatGPT 背后的存储系统 Habitat，它每秒处理超过 7000 万次请求、保存 500PB 以上数据、服务每周超过 10 亿用户，最早只是一个 Python 小库。

回顾性逆向工程苹果神经引擎：从 M1 ANE 架构看 NPU 为何衰落

作者曾是逆向 ANE Linux 驱动的开发者，三年后重新逆向 M1 上的 Apple Neural Engine，完整测绘其 16 计算核、2048 条 MAC 通道、任务描述符调度和内存层级。

PostgreSQL 向量嵌入更新引发的 TOAST 膨胀实测与分表方案

Google 的 Gleb Otochkin 在 AlloyDB Omni 上实测嵌入向量版本更新对 PostgreSQL 存储的影响：在含 768 维向量和 HNSW 索引的 20k 行表上更新全部向量后，表、TOAST 和索引体积几乎翻倍（TOAST 从 81 MB 到 159 MB，HNSW 索引从 78 MB 到 156 MB），约一半空间被死元组占据。

Epoch AI 评审 ExploitBench v0.1：基于 41 个真实 V8 漏洞的利用基准评测

Epoch AI 发布对 ExploitBench v0.1 的基准评审，该基准用 41 个真实公开 V8 CVE，按 5 层 16 项可验证能力阶梯为模型打分，最高到任意代码执行（ACE）。

Simon Willison 介绍使用 OpenRouter 的供应商路由陷阱与对策

Simon Willison 转述 Mohamed Moustafa 对 OpenRouter 自动路由的问题分析。不同供应商的推理软件、优化设置不同，同一端点可能行为不一致，部分供应商的视觉模型缺少视觉能力，reasoning effort 参数的处理方式也有差异。可用 provider.only 指定供应商，并通过 /endpoints 方法查询某模型可用供应商列表。

Artificial Analysis@ArtificialAnlysAI 评分6464

Artificial Analysis 在 Devin Fusion 发布当天对其独立评测，这是首个进入 Artificial Analysis Coding Agent Index 的多模型编码代理。

GitHub 日韩营销负责人如何用 GitHub Copilot 把活动运营自动化

GitHub 日韩地区营销负责人 Tomoko Tanaka 分享如何不写代码，把活动运营交给 GitHub Copilot 自动化。

OpenAI Developers@OpenAIDevsAI 评分5656

OpenAI 开发者账号发布建议，提示开发者通过重新审视 skills、AGENTS.md 和任务提示词来更好地使用 GPT-6 Astra。具体做法包括让 skill 触发条件更具体、在相关时才加载指引、以及定义任务完成的标准，详情见 developers.openai.com 博客。

Artificial Analysis@ArtificialAnlysAI 评分7676

Artificial Analysis 评测显示，OpenAI 新发布的 GPT Image 2.5 Flare 和 Sunburst 包揽其 Image Arena 前两名，在低于 GPT Image 2 一半时间内生成更高质量图像，价格保持不变。

如何衡量 LLM 生成代码的粗糙程度：verbosity 与 erosion 指标

Earendil 工程师发文讨论如何量化 LLM 生成代码的粗糙程度，指出 AI as a judge 很难有效评估代码质量，而 LOC 变化、verbosity 和 erosion 是更可行的指标。

Google 开源 autofinetune：用 AI Agent 在 TPU 上自动完成 LLM 后训练

Google 发布 autofinetune 项目，把 autoresearch 的自主研究循环应用到 LLM 后训练（SFT 和 GRPO），使用 Tunix、Gemma、Cloud TPU，由 Antigravity CLI 和 Gemini Flash 3.7 编排。

OpenRouter 文本转语音 API 五分钟教程

OpenRouter 通过 OpenAI 兼容的 POST /api/v1/audio/speech 端点提供文本转语音服务，一个 API key 可调用多家供应商的 TTS 模型。

Quesma 实测 RTK 并未让 AI 编码更便宜：Terminal-Bench 2.1 成本基准与 1500 美元账单复盘

Quesma 在 Terminal-Bench 2.1 上用 Claude Code（Fable 5.0）和 OpenCode（DeepSeek V4 Pro 0813）实测 RTK（Rust Token Killer），共 1740 次尝试、花费超 1500 美元，结论是 RTK 并不普遍降低成本。

OpenBMB@OpenBMBAI 评分5757

面壁智能 OpenBMB 介绍开发者 @liuzhao1225 基于 VoxCPM2 构建的开源视频本地化工具 YouDub WebUI，通过语音识别、翻译、语音生成、混音到成片的全自动管线生成配音视频。

九套编程线束在 MacBook 上实测 Qwen 3.8 27B：prefill 与上下文占用差异悬殊

作者用同一台 M4 MacBook Pro（24GB）和 llama.cpp 服务 Qwen 3.8 27B，对 9 套编程线束跑 8 道 Exercism 题目实测。

实测 DeepSeek V4.1 Flash：价格大降、原生带视觉，作者用游戏与城市生成任务验证表现

作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

Frank Wang 玉伯@lifesingerAI 评分5656

在 YouMind 使用免费的 topic-to-picture-book Skill 即可制作翻页有声书，链接为 https://youmind.com/skills/topic-to-picture-book-7C2X8oCTv3lBdT。作者玉伯转发并评价这个有声书制作 Skill 好漂亮，打算回去给娃做几个；该 Skill 由被引用者公司的 00 后工程师制作。

MiniMax Design (H3)@Hailuo_AIAI 评分4545

💡 Astra 规划路线 🗺️ ➕ H3 带你兜风 🚗

OpenRouter 教程：如何用 Presets 实现配置即代码

OpenRouter 发布 Presets 使用教程，preset 是一个命名且带版本的配置，统一存放模型或 fallback 列表、system prompt、provider 路由和采样参数，在任何请求中以 "model": "@preset/名称" 引用。

Artificial Analysis@ArtificialAnlysAI 评分5454

Artificial Analysis 评测 Octen Search，其以 77 分在 Artificial Analysis Search Index 排名第三，仅次于 Perplexity Search（medium，80）和（high，79）。

GitHub Copilot 应用入门教程：用 diff、终端和浏览器面板审查 AI 代码

GitHub Copilot 应用新增 diff、终端、浏览器三个内置面板，让初学者在不离开应用的情况下完成 AI 智能体改动的审查、运行和预览。diff 面板以红绿高亮显示增删改行，用户可接受、评论或要求修改；终端面板可运行项目命令并支持多窗口，浏览器面板配合 Pick & Polish 工具选中界面元素让智能体调整，最后可直接在应用内接受变更并创建 pull request。

Thariq@trq212AI 评分5757

Thariq 分享了一条在 Claude chat 中使用的提示词，让 Claude 用自由文本或多选题工具深度访谈用户，了解其生活中 Claude 尚不知道的部分，并把结果保存到记忆。该提示词呼应了被引用者让 AI 花 20 分钟深度了解用户以提升实用性的想法。

图工程是什么：用 Google ADK 为多智能体系统带来可预测的架构

Google AI 的 Tilde A. Thurium 发布访谈视频，请 Annie Wang 从头讲解图工程（graph engineering），以及它如何让开发者掌控复杂 AI 系统。

Every：为何为每位员工构建个人基准并测试 AI

Every 介绍了为什么要为每位员工构建个人基准（personal benchmarks），并说明如何开始按照自己的标准测试 AI 的表现。文章兼具动机阐述与可上手的实践指引。

Meta Muse AI 智能体上手实测：任务能干，但隐私令人不安

The Verge 作者实测 Meta 新推出的 AI 智能体 Muse，它基于云端虚拟电脑执行任务，成功清理了数千封推广邮件并按指定要求完成 Amazon 购买，也能生成 AI 播客、图像视频和名为 artifacts 的交互网页。

LlamaIndex 解析 just-in-time Agentic OCR：两遍式文档处理如何平衡成本与精度

LlamaIndex 博客提出 just-in-time Agentic OCR 模式：先用 LiteParse 等免费解析器粗读全部文件供检索，再仅对相关页面调用 VLM 做 OCR。

Tripo@tripoai精选AI 评分6666

Tripo 转发用户案例，展示用 Images 2.5、Tripo 智能网格 P2.0、GPT-6 Astra 和 Blender MCP 以 AI 为主制作 3D 角色的完整流程。作者几乎只做视图操作，通过截图加参考图让 Astra 修正形状与纹理，并指出纹理修正在细节上仍较粗糙。作者称此前在 GPT-5.6 Sol 上反复失败的操作在 Astra 上可以直接完成。

Hugo Vergnes 花费 $998 训练 3.8B 模型 little-lm，CORE 得分 0.384

作者 Hugo Vergnes 用租用的 8× B200 在 43 小时内以 $998 训练了 3.8B 参数模型 little-lm，在 65.3B tokens 上达到 CORE 0.384，超过 GPT-2 1.5B 的 0.2565。

美团龙猫LongCat发布《Agent评测白皮书》系列首篇：Agent评测全览

美团龙猫LongCat团队推出《Agent评测白皮书》系列博客，首篇《评测全览》体系化讲解Agent评测落地方法，计划共4篇，后续将覆盖冷启动、扩量和自进化。文章提出评测体系可概括为四个模块（离线评测、在线评测与监控、Case挖掘与归因、观测基建）、三种能力、两条Loop和一套评测资产，以商家经营分析Agent为贯穿案例，并附评测体系成熟度自查表。

网易叭哥说语音输入法上手评测：E2E 平均 1683ms，对比 Typeless、豆包与闪电说

作者实测网易有道新上线的语音输入法叭哥说，与 Typeless、豆包输入法、闪电说横向对比。叭哥说采用双模型分工，E2E 平均 1683ms、P95 2134ms，并支持小声拾音、个人词典即刻生效和多语言翻译等功能。

Epoch AI 评测 HealthBench Professional：50 个抽样任务中一半存在问题，判为 Flawed

Epoch AI 对基于 OpenAI HealthBench 的 HealthBench Professional 基准发布评测，从 525 个任务中分层随机抽样 50 个。