DogeDesigner@cb_dogeAI 评分4040

马斯克在迈阿密 G20 峰会上表示，AI 将使全球经济增加 20% 到 30%，约合每年 20 万亿至 30 万亿美元。他还称到明年年底 AI 可能完成一切数字任务，人类在编写软件方面或再也无法与之竞争。

中科曙光预热全球首款 64 线程移动工作站：16GB 显存、16.9mm 厚度

中科曙光预热一款 64 线程移动工作站，称其为全球首款，配备 16GB 显存、厚度 16.9mm。官方称其本地运行 35B MoE 模型可实现 50 Tokens/s 输出速率，AI 推理速度最高可达业界主流产品 3~5 倍。

博客文章展示以 67 美分成本在 ARC-AGI-1 上取得 44% 得分

Hacker News 热帖分享一篇博客文章，作者称以 67 美分的成本在 ARC-AGI-1 上取得 44% 的得分。该帖获得 122 个 HN Points，完整方法细节需查看原文链接 https://mvakde.github.io/blog/44-on-arc-1。

蚂蚁 inclusionAI 发布 Ling-3.0-flash 原生混合推理模型

蚂蚁 inclusionAI 发布下一代原生混合推理模型 Ling-3.0-flash，总参数 124B、激活参数 5.1B，约为前代 1T 级旗舰 Ring-2.6-1T 的 12.4% 和 8.1%，在关键基准上持平或超越前代。

Tencent Hy@TencentHunyuanAI 评分6767

腾讯混元发布 Hy4 preview，770B 总参数、49B 激活、1M 上下文，定位生产力场景，开源并保持稳定低价，提供 HuggingFace 和 GitHub 入口。作者补充称 Hy4 preview 在 AI 研究中自主发现推理瓶颈，通过算子融合与通信优化将端到端吞吐提升 31.8%，且在不同上下文长度和并发下保持稳定。

小红书与NVIDIA联合发布GR-Inference推理引擎，优化生成式召回

小红书与NVIDIA联合构建GR-Inference，一个面向长Context、短Decode、大Beam的生成式召回专用推理引擎，覆盖KV抽象、连续批处理、专用Decode Attention、受限生成与CUDA Graph等优化。

Ai2 发布 BenchMIRT：从题目层面审计 LLM 基准究竟在测什么

Ai2 推出 BenchMIRT，一种基于多维 IRT 的方法，在单题层面审计 LLM 基准，训练数据覆盖 100 个模型的 16 个基准、超 34K 道题，并独立恢复出安全与通用推理两个维度。

François Chollet@fcholletAI 评分2424

François Chollet 提出测试时扩展有两个维度：让智能体在更长时间框架上运行（深度），以及运行更多数量的智能体（广度）。他表示大家熟知第一个维度，但在解决需要广泛搜索的难题时，第二个维度同样重要。

GPU世界发起10万美元征文：想象2040年人人可用前沿LLM的未来

gpuworld.org 发起总奖金10万美元的故事征文，假设前沿 AI 进展于2026年9月1日停滞但 GPU 持续增产，到2040年全球或有约80亿块等效 GPU、人人可全天候使用 Fable 或 Sol 级前沿 LLM。

VAT：面向投机解码的验证感知训练框架

论文提出 Verification-Aware Training（VAT），一个即插即用框架，在训练每一步模拟投机解码的验证过程，把接受与拒绝模式转化为监督信号。

Rohan Paul@rohanpaul_aiAI 评分6565

Google DeepMind 论文《Accelerating Scientific Research with Gemini in the Real-World》（arxiv.org/abs/2608.26701）显示。

Qwen3.8-Next 架构设计论文：评估、效率与训练稳定性

论文描述 Qwen3.8-Flash-Next 的架构与消融，这是一个 125B 参数、每 token 激活 6B 的稀疏 MoE 模型，另有 51B 参数的 n-gram 嵌入表放在加速器之外。

上海AI实验室发布 InternLumina-U2：16B-A1B 多码本扩散统一多模态模型

上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。

腾讯混元 Hy4 preview 轻量版发布，1.5 TB 权重压缩到 214 GB 并开源

腾讯混元发布 Hy4 preview 轻量量化版，用自研 Sherry 稀疏三值量化算法（平均 1.25 bit）和 MIX-STQ1_0 逐层混合精度策略，把约 1.5 TB 的权重压到约 214 GB。

科大讯飞开源词元星火 X2.5-4B 和 1.7B 端侧模型，原生支持 100 万 Token 上下文

科大讯飞旗下词元星火发布并开源星火 X2.5-4B 和 X2.5-1.7B 两款端侧通用大模型，原生支持最长 100 万 Token 上下文窗口。

研究分析 On-Policy Distillation 机制并提出无监督方法 OPSA

论文定量分析 on-policy distillation（OPD）训练中的教师监督，发现其噪声随教师规模增大而增加，且学生策略对该噪声不敏感。学习集中在低 log-probability token 上，用单一固定负优势即可匹配教师提供的信号，表明 OPD 主要通过抑制低概率 token 起作用而无需教师。

论文提出超越人类监督扩展大型推理模型的 L0-L4 路径框架

论文研究大型推理模型（LRM）如何在人类监督逐渐退出学习回路后继续提升，提出从 L0 到 L4 的五级阶梯框架，覆盖奖励轴（从人工判断到无需人类反馈的可复用验证器）和经验轴（从人工策划任务到自生成课程与自主协同进化）。

Rohan Paul@rohanpaul_aiAI 评分5050

Rohan Paul 转引 Atomic Bot 的对比实验：在 GLM 5.3 上用四个提示词让 OpenClaw 2.0 与 Hermes Agent 生成以 OpenClaw 吉祥物为主角的电影场景，OpenClaw 2.0 消耗约 2.1M tokens、约 $4.5、10 次自修复，Hermes Agent 消耗约 2.9M tokens、约 $4、20 次自修复。

FUMO Lab 发布 Fusion Model 并开放邀请制试用

FUMO Lab 正式发布 Fusion Model，称其刷新前沿模型能力上限。该模型现已开放邀请制试用，用户可申请试用。

消息称英伟达重启推理预填充芯片 Rubin CPX 项目，设计大幅调整

分析师郭明錤称，英伟达已重启 AI 推理预填充加速 GPU Rubin CPX 项目，设计大幅调整，预计 2027Q1 开始生产。

千问APP升级学习功能，新增作文辅导与教材精讲

千问APP在开学季升级学习功能，新增与教材同步的单元作文辅导、初中语文数学教材精讲，并将高中、大学数理化拍题讲解能力扩展至千问小讲堂，相关功能均免费开放。作文辅导通过逐步提问引导孩子梳理素材和结构；教材精讲可从章节或知识点切入，讲解中可随时打断追问，千问会根据具体问题调整讲解内容和节奏。

LatentPress 论文提出用连续记忆 token 压缩上下文，超越文本与视觉表示

LatentPress 将对话历史和长文档压缩为连续记忆 token，由冻结解码器通过输入嵌入接口直接读取，推理时无需重建文本。

Sparse Readout Prism 用稀疏 readout 特征解释 Logit Lens 分数

论文提出 Sparse Readout Prism（SRP），仅用 unembedding 权重分解 readout，把任意 token logit 或 logit 差表示为稀疏 readout 特征贡献之和。

AM-Bench 探究纯文本 LLM 的 2D 空间推理能力

论文提出 Autoregressive Mosaics（AM-Bench）基准，用翻译任务和布局任务分离纯文本 LLM 的空间描述转代码能力与真正的 2D 空间布局理解。

CRISP：面向长上下文 LLM 推理的输入自适应稀疏预填充方法

arXiv 论文提出 CRISP，一种输入自适应的稀疏预填充方法，用结构代理 C_struct 替代 JSD 路由，省去 pooled matmul 与 KL 散度开销，并针对 post-softmax 质量悬崖设计基于噪声底线的 sink-aware 阈值。

SimLoss：单次解码的细粒度图像描述方法

论文提出 SimLoss，一种免参考的嵌入空间训练目标，让视觉语言模型在解码前对齐隐藏状态与冻结图像嵌入，实现单次解码的细粒度图像描述，无需人工细粒度描述或多阶段伪描述。其中 SimLoss FFT 以可微方式微调，精度最高且推理比多阶段流程快约 20 倍，F1 接近多阶段方法；SimLoss GRPO 将嵌入模型作为黑盒奖励，召回率最强。

Rohan Paul@rohanpaul_aiAI 评分6161

一篇论文在固定 12 个模型和 3,679 个问题的前提下，只改变提示词格式、选项顺序、打分方式等常规评测设置，结果排名大幅波动。gemma4-31b 得分在 31% 到 89% 之间，12 个模型中有 4 个至少在一种有效设置下排到第一；相邻模型平均 95.7% 的差距来自评测设置改变时会翻转答案的题目，最大不稳定来源是打分方式，即生成答案还是选最高似然选项。

Google Research 发布 TimesFM-3：330M 参数多变量时间序列零样本基础模型

Google Research 发布 TimesFM-3，一个 330M 参数、原生支持多变量预测的时间序列基础模型，在超过 1 万亿时间点上预训练，无需任务特定微调即可零样本接受多目标、过去协变量和过去-未来协变量。

elvis@omarsar0AI 评分4242

腾讯联合清华、上海 AI Lab 发布 ContextPilot 论文，训练智能体主动管理自身工作上下文，并在单次上下文编辑层面分配信用。方法在搜索、删除、摘要之外加入全局规划、长期记忆和自适应软压缩，让智能体可以卸载信息而非只能丢弃；训练上利用上下文与熵变化定位关键编辑决策，采样分支并从经过该编辑的分支轨迹估计动作级优势。

elvis@omarsar0AI 评分5050

Google 提出 SKILL.state，用显式可变执行状态替代追加式对话历史，解决长程智能体运行变慢和上下文污染问题。模型每步仅读取不可变技能规范、当前结构化状态和最新观察，中间推理在生成有效状态更新后即被丢弃，提示词不再随运行增长。在多个数据集、模型和执行环境中，任务准确率提升，累计 token 消耗下降，且该抽象与架构无关，可移植到现有技能运行时。

DAIR.AI@dair_aiAI 评分4848

Google 等机构提出 SKILL.state，用显式可变执行状态替代不断增长的对话历史，解决长程任务中智能体变慢和上下文污染问题。模型每步仅读取技能规范、当前状态和最新观测，中间推理在生成有效状态更新后即被丢弃。在多个数据集、模型和执行环境中，任务准确率提升，累计 token 消耗下降，且该抽象与架构无关，可移植到现有技能运行环境。

SemiAnalysis@SemiAnalysis_AI 评分4141

NVIDIA LPU 支持 3 种分离式推理： 1. Rubin Prefill + LPU Decode，实现最快交互性 2. Rubin Prefill + Rubin Decode Attention + LPU Decode FFN，面向曲线中段 3. Rubin Prefill + Rubin Decode Verification + LPU Drafter，面向曲线中左段 在低交互性场景下，纯 Rubin 仍占优势。期待 Rubin + LPU 在 AgentX 等开源智能体基准上的性能曲线表现。

Rohan Paul@rohanpaul_aiAI 评分4444

论文提出“记忆增强压缩”（Memory-Augmented Compression）方法，将可复用推理从生成阶段转移到提示词中，无需训练即可降低思维链成本。该方法将已解示例蒸馏为可复用推理记忆，按查询检索并注入，使部分计算从自回归解码转移到更并行的预填充阶段。

Artificial Analysis 实测 Claude Fable 5.1 登顶智能指数但每任务成本高 20%

Artificial Analysis 评测 Claude Fable 5.1，其以 66 分登顶 Artificial Analysis Intelligence Index，超过 Claude Opus 5（63）、Fable 5（62）、GPT-5.6 Sol（61）和 Grok 4.6（61）。

NVIDIA 技术博客：如何为 AI 推理规划 GPU 规模并优化 TCO 避免超支

NVIDIA 技术博客发布一套 AI 推理 GPU 规模规划框架，围绕用例、token 模式、TTFT 等延迟指标、并发、缓存命中率、模型选择和部署策略给出 sizing 方法，并提出 core-and-flex 容量策略平衡 capex 与 opex。

微软发布 MindTopo 基准，揭示多模态模型拓扑推理短板

Microsoft Research 推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类任务，并区分静态识别与交互规划两个认知层级。测试显示，当前专有与开源模型在静态推理上明显强于交互规划，且两者均远低于人类水平；失败多出现在规划阶段而非感知阶段，模型在场景变化后难以维持结构关系。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列仍不可靠。

Microsoft Research 推出 CARE-X：面向临床放射学的胸部 X 光 VLM

Microsoft Research 发布研究模型 CARE-X，一个面向胸部 X 光多种临床解读任务的统一视觉语言模型，结合生成式与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。

Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的上下文摘要

Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要形式化为自然语言「信念状态」，并通过信念评分（belief grading）监督其信息内容。

Google DeepMind 发布 DiffusionGemma：文本生成提速 4 倍

Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。

Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上性能接近 26B MoE 模型，内存占用不到其一半，可在 16GB 显存或统一内存的设备上运行，并首次在中型模型中支持原生音频输入。