Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中支持只训练和同步 LoRA adapter，配合 Storage Bucket 挂载与代理路由，让训练 Job 和 vLLM 推理 Job 在不同机器上运行而无需 NCCL。
推荐理由：Hugging Face 官方用五个实验展示了如何在 Jobs 上分离训练与推理跑异步 GRPO，并通过逐项定位瓶颈把运行提速 3.9 倍，方法可迁移。
Together AI 宣布 Together GPU Clusters 的抢占式算力进入公开预览，覆盖所有区域的 Kubernetes 集群，按需价格的固定 50% 计费。节点被回收时最多有 5 分钟 drain 窗口用于 checkpoint 退出，适合短实验、推理突发和批处理等可恢复工作，Slurm 支持和更多区域计划后续推出。
OpenAI 发布 GPT-6 Astra，已在 ChatGPT Work、Codex 和 API 提供，定价为每百万输入 token $10、输出 token $50。
Baseten 优化了 pyannote 最新的开源模型 Community-1 与闭源模型 Precision-2，长音频延迟最高提升 9.6 倍，Precision-2 吞吐量提升 3.2 倍。
OpenRouter 发布 openrouter:shell 服务端工具和 Files API，OpenRouter 上任何支持工具调用的模型都可在托管 Linux 容器中运行命令，两者现已在 beta 阶段开放。
推荐理由：原文给出定价、容器网络策略和文件生命周期等落地细节，读者可以据此评估在自己的 Agent 工作流中怎么用这套沙箱。
OpenRouter@OpenRouterAI 评分5151OpenRouter 推出 US In-Region Routing，请求经 us.openrouter.ai 在美国境内解密并只路由到美国 provider 端点，eu.openrouter.ai 同理服务欧盟。
推荐理由：原文区分了端到端与仅推理的区域路由，并给出具体接入方式，读者可以据此评估各家网关的数据驻留承诺。
Qualcomm 正为 AWS 设计多代定制芯片，聚焦 AI 推理，双方还合作开发带宽达 1.6 terabits 的光互连；作为交换，Qualcomm 使用 Amazon Bedrock 等 AWS 服务加速芯片设计。
三星与 Mistral AI 达成合作，将在半导体制造与工程业务中部署本地化模型，包括旗舰 Mistral Large，用于自动缺陷检测和工厂设备调优。模型部署在三星内部计算环境以保护敏感工程数据，覆盖存储、逻辑设计和代工业务；三星还领投了 Mistral AI 的 Series D 融资以获得战略股权。该协议在巴黎举行的韩法双边峰会上公布。
DeepSeek 开放平台发布通知，计划于北京时间 2026 年 9 月 10 日前后正式发布 V4.1 Flash 模型，官方称经内外部多方测试，其在性能、费用、速度、总用时等指标上全面超越 V4 Pro。
据路透社报道，OpenAI CFO Sarah Friar 在高盛会议上表示，OpenAI 用自研模型参与 Jalapeno 芯片开发并在 9 个月内完成流片，且部署 Luna 模型的成本低于云端运行开源方案，如智谱 AI 的 GLM 5.3。
谷歌宣布将在芬兰投入至少 130 亿欧元建设 AI 基础设施，为公司迄今在欧洲最大单笔投资，未来两年至少新建 3 座数据中心并扩建哈米纳现有数据中心。新数据中心位于卡亚尼、穆奥斯和瓦拉，依托当地寒冷气候、无碳能源和电网条件，具备余热回收能力；Fortum 与谷歌签署 22 年购电协议，2030 年至 2049 年采购洛维萨核电站总发电能力的 50%。
Ant Ling@AntLingAGIAI 评分5454Miles v0.1 是一个全栈、生产就绪的前沿后训练系统，围绕 slime 的设计，将 RL 训练循环各环节按可验证、干净、可定制的原则构建，并已在 https://github.com/radixark/miles 开源。
Epoch AI 推出 AI Chip Users explorer，以 Nvidia H100 等效值（H100e）估算 OpenAI、Google DeepMind、Anthropic、Meta Superintelligence Labs 和 SpaceXAI 用于研究、训练和推理的算力。
Inception 发布 Mercury 2.5，称其为目前最强扩散大语言模型，智能较 Mercury 2 提升 40%，在 NVIDIA GPU 上达 1,107 tokens 每秒，上下文 260K tokens，定价 $0.20/百万输入、$0.75/百万输出，发布期 8 折优惠。
ClaudeDevs@ClaudeDevsAI 评分5555NVIDIA 宣布 CUDA Rust，通过 NVlabs 开源的 cuda-oxide（SIMT）和 cutile-rs（Tile）让 Rust 原生编译 GPU kernel，并借所有权规则在编译期拒绝 buffer 别名错误。
Cohere@cohereAI 评分5151Cohere 发布首个围绕 decode megakernel 构建的完整 LLM 文本生成服务系统，性能最高比 vLLM 快 1.58x。该系统为 North Mini Code 打造，完全开源。
OpenRouter@OpenRouterAI 评分5454作者实测 Qwen3.8 27B 各档 Unsloth 量化（GGUF）在 GPQA Diamond、IFBench 和 Terminal-Bench 2.1 上的表现。
Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法：提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。
推荐理由：官方给出了提示词缓存、反模式清理和 effort 校准三类降本方法及实测数字，可直接迁移到自己的 Claude API 应用。
Tianyi Cui@tianyiAI 评分5252ClaudeDevs@ClaudeDevs精选AI 评分6868Anthropic 团队文章指出，优化 prompt cache 命中率、清除升级到前沿 Claude 模型后的提示词反模式、校准 effort 三个手段可在不牺牲性能的情况下降低成本。
推荐理由：官方团队给出提示词缓存、反模式清理和 effort 校准三条降本路径，并用公开基准实测数字支持，方法可迁移到自己的 Claude 应用。
Google Cloud 与 Accenture 成立 Accenture Gemini Enterprise Business Group，Google 将培训至多 1,000 名 Accenture 前置部署工程师，帮助企业在 Gemini Enterprise 平台上构建定制 AI 应用。
高通宣布与亚马逊达成跨多代合作，为大规模 AI 数据中心共同打造可规模化的定制芯片，并基于 SerDes 和光学 DSP 技术开发最高 1.6T 速率的光互连方案。
SemiAnalysis@SemiAnalysis_AI 评分5757
OpenBMB@OpenBMBAI 评分5353面壁智能 OpenBMB 在开源 MiniCPM5-2B 后，进一步开源其背后的 RL 训练栈。Meshy 是服务化 RL 训练框架，将推理、rollout 和训练解耦为统一数据平面上的独立服务。
IBM Research 联合 Red Hat、Google 的开源项目 llm-d 展示在 544 块 NVIDIA H100 GPU 上部署 753B 参数的开放权重 MoE 模型 GLM-5.2（约 39B 激活），在数百到 3000 个并发编码智能体负载下峰值输出超 6.6M tokens 每分钟，零抢占。
微软 Windows 与设备销售企业副总裁 Mark Linton 在 IFA 2026 上提出新愿景，让每张办公桌、每个家庭都拥有不受限制的智能，即本地运行日常 AI 模型、云端只留给复杂任务。
Katie McLaughlin 在 Google AI 的 AI 评测系列最终篇中，介绍如何将 Inspect AI 评测的 CSV 数据接入 Data Studio，通过克隆 Master Dashboard Template 并绑定 Google Sheets 数据源，约 30 秒完成无代码交互式仪表盘搭建。
Arm 在上海 Arm Everywhere China 活动上发布第二代移动终端计算子系统 CSS for Mobile 2，集成 Arm C2 CPU 集群、Mali G2-Ultra NX GPU 和 SI L2 系统互连，面向智能体 AI 与 AI 原生图形。
英特尔宣布其 High-NA EUV 设备累计处理的 300mm 晶圆突破 100 万片，距首台设备完成组装不到两年半，处理量已超过行业其他用户总和。该技术已用于 Intel 18A 工艺并量产 Panther Lake 酷睿 Ultra 处理器，目前仍受 6×6 英寸光罩尺寸限制，英特尔正推动行业转向 6×12 英寸光罩以实现 26×33mm 完整视场。
Epoch AI 测量四款模型的首 token 延迟（TTFT）随上下文长度的缩放，发现 GPT-5.6 Terra 和 Sol 呈明显二次曲线，Claude Sonnet 5 接近线性，Opus 5 噪声较大但仍接近线性。
推荐理由：原文以实测数据和三种稳健估计器比较 GPT-5.6 与 Claude 5 的长上下文延迟缩放，可帮助读者理解两家不同的架构取舍与成本影响。
vLLM 团队发布针对智能体负载优化的博客，基于 SemiAnalysis 的公开 AgentX 基准展示成果：DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。
推荐理由：vLLM 团队结合 AgentX 实测数据讲解智能体负载的全栈优化方法与失败教训，读者可以借此理解并行策略如何跟随模型架构调整。
vLLM 团队为 GLM 5.3 引入 Hybrid HiSparse 混合稀疏卸载，在单个 8× H200 节点上首次实现 100 万完整上下文长度推理。该方法仅在 KV cache 压力出现时才将 top-K 之外的 KV 卸载到 CPU，热页与常驻页共享同一块池和张量，无需抢占或重新 prefill。
Simon Willison 转述 Konstantin Ryabitsev 的观察：git.kernel.org 为应付滥用爬虫的“背景辐射”，在 5 个地理分布节点上常年有 14 个 CPU 核心专门把 git 提交渲染成 HTML，CPU 开销超过包括 git clone 在内的所有合法访问。Willison 担忧这对提供大量可爬网页的 Datasette 也有影响。
SemiAnalysis@SemiAnalysis_AI 评分5959SemiAnalysis 在 InferenceX 上发布 TPUv7 Ironwood 的首批第三方推理结果，FP8 聚合服务下 Ironwood 每美元性能最高比 B200/B300 高 50%，在 20 tok/s/user 交互速度下每百万 token 成本约 0.181 美元，低于 B200 的 0.222 和 B300 的 0.276 美元。
OpenBMB 发布 MiniCPM5 系列第二个 checkpoint MiniCPM5-2B，2.52B 稠密模型，原生 131,072 token 上下文，Apache 2.0 权重，采用标准 LlamaForCausalLM 架构，可通过 vLLM、SGLang、llama.cpp、Ollama 等主流引擎直接运行。