Inception 宣布 Mercury 扩散大语言模型在 Azure AI Foundry 上线，面向企业开发者提供商用规模的 dLLM。该模型通过扩散架构并行生成多个 token，推理速度最高可达同类自回归模型的 10 倍，在知识、编码、指令遵循和数学基准上与 Gemini 2.5 Flash、Claude 4.5 Haiku 相当。它支持 128K token 上下文窗口、原生工具调用和 JSON schema 结构化输出，API 兼容 OpenAI，目前在美国和加拿大区域提供，软件许可费用为 $0.78/小时，计算费用另计。
匹配字段摘要
SearchBlox 将 Inception 的 Mercury dLLM 集成进 SearchAI，为企业搜索带来亚秒级 GenAI 响应，并将推理成本降低 60% 至 90%。Mercury 作为模型端点接入现有 RAG 管线，无需重构，客户可在 AWS Bedrock 或 Azure Foundry 上私有部署。该方案已覆盖电商、客服、企业知识与数字体验搜索等场景。
匹配字段摘要
Inception Labs 公布 Mercury 2 在 PinchBench 上的评测结果：任务成功率 78%，高于 GPT-5 Mini 的 75%、Gemini 2.5 Flash 的 71%、DeepSeek Chat 的 72% 和 GPT-4o 的 71%，并在同准确率档位中执行时间最快。定价为每 100 万 token 输入 0.25 美元、输出 0.75 美元，约为 Claude 4.5 Haiku 输入输出的四分之一。PinchBench 基于 OpenClaw 构建，考察工具调用、多步推理和真实任务完成情况，Mercury 2 的速度来自并行细化而非逐 token 生成。
匹配字段摘要
Mastra 的记忆系统新增 Memory Hooks，可观察 observation 与 reflection 循环，或修改 Observer 和 Reflector 看到与存储的内容。钩子分两类：生命周期钩子（onObservationStart、onObservationEnd、onReflectionStart、onReflectionEnd）用于外部上报，如按循环记录 token 用量以发现成本飙升；转换钩子（beforeObservation、afterObservation、beforeReflection、afterReflection）可拦截并修改记忆数据，如剔除噪声工具输出、内部推理或脱敏密钥与 PII。同时发布的 skillResultRedactor() 会用占位符替换 Skill 的完整文件内容，避免 Observer 每次看到，但智能体仍记得该技能。
匹配字段摘要
Inception 发布旗舰扩散语言模型 Mercury 的升级版本，在编码、指令遵循、数学解题和知识召回上均有提升，并同步宣布完成由 Menlo Ventures 领投的 5000 万美元融资。新版本通过扩大参数与训练数据、升级去噪器架构、改进训练目标与推理算法并推出全新服务引擎来实现这些提升，现已上线其 API 平台及 OpenRouter、Models.dev 等合作渠道，价格维持每 100 万输入 token 0.25 美元、每 100 万输出 token 1.00 美元不变，新用户可获 1000 万免费 token。
匹配字段摘要
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，支持 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，通过 bedrock-runtime 的跨区域推理配置文件提供服务，支持 Responses、Chat Completions 和 Converse API。xAI 称这是其编码与知识工作能力最强的模型，训练中加大了长耗时任务的强化学习比重，因此更擅长自我校验并更有效利用长上下文。Artificial Analysis 的独立评测显示其在长周期智能体知识工作和编码智能体上提升最大，但每任务输出 token 约为原来的两倍。
匹配字段摘要
AMD 宣布以 82 亿美元收购 World Labs，两家公司于今日公布该交易。World Labs 创始人李飞飞将加入 AMD 担任执行副总裁兼首席科学家，双方去年已建立推理优化与训练合作。World Labs 的首个产品 Marble 可用于制作娱乐体验，也可生成用于机器人训练的模拟环境，交易预计在年底前完成，尚待监管批准。
匹配字段摘要
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。该模型适合持续或规模化负载，例如告警首次响应、智能体持续监控、SQL 生成、UI/UX 测试和 IDE 内编码智能体；需要判断力的工作如发布调试、多 PR 功能栈、大型 PR 安全审查则交给 Opus 5.5。用户可在 Bedrock 控制台 Playground 选择 Sonnet 5.5，或通过 Anthropic SDK、AWS CLI 和 AWS SDK 调用，目前通过 bedrock-runtime 的 Global CRIS 推理配置文件提供。
匹配字段摘要
a16z 的 Ben Horowitz 与 Martin Casado 对话 TypeSafe AI 创始人 Diogo Almeida，探讨 AI 编码智能体虽能加快写代码速度，但产出的软件运行方式基本没变。TypeSafe 的 Jev 选择把智能放进软件本身，让程序能推理意图并做概率性决策，而非只生成文本供人解读。Diogo 认为可靠性是让 AI 真正可编程的关键，目标是让技术可靠地“做我想做的事”。
匹配字段摘要
社区为 MiniCPM5-2B 构建了 EXL3 4-bit 量化版本，量化后模型权重仅 1.61 GB，采用 4.0 bpw 量化以缩小模型体积。该版本在 NVIDIA Tesla T4 上实测约 68–70 tokens/s，并支持通过 ExLlamaV3 和 TabbyAPI 进行本地推理。
匹配字段摘要
ElevenLabs 发布 Eleven v4 及其低延迟版本 Eleven v4 Turbo，称其为目前最具情感表现力的文本转语音模型。Eleven v4 在 Artificial Analysis 排名第一，盲测中约 75% 听众更偏好它；Eleven v4 Turbo 面向智能体等低延迟场景，中位推理延迟约 100ms，中位首次发声时间约 150ms。两款模型支持 90 多种语言，可用 [laughs] 等内联标签控制语气与音效，Instant Voice Clones 仅需 10 秒音频，并新增 Professional Voice Clones 支持，现已在 ElevenAgents、ElevenCreative 和 ElevenAPI 上线。
匹配字段摘要
ElevenLabs 宣布 Eleven v4 Turbo 已在 ElevenAgents 中可用，为实时对话提供更具表现力的语音。该模型中位推理延迟约 100 ms，支持 90 多种语言，并在日语、巴西葡萄牙语、普通话和粤语上改进最大；通话中可随用户切换语言，并保持同一音色或切换为母语级音色。ElevenLabs 称 Eleven v4 在 Artificial Analysis 排名第一，在盲测中约 75% 的听众更偏好它。
匹配字段摘要
商汤 AI 视频创作 Agent Seko 让 22 岁艺术设计学生 CHunye 独立完成日式僵尸短剧《DUHAI》，从第 3 集起全部由 Seko 制作，第 9 集时在抖音等平台累计播放量已超 7400 万。Seko 将创意想法转化为结构化制作流程，把角色、场景和道具整合在同一画布上，其视觉记忆与推理能力帮助保持跨集一致性。
匹配字段摘要
华为开源了 openPangu 2.0 的预训练、监督微调和强化学习后训练代码，进一步扩展其开源 AI 模型计划。该计划围绕昇腾硬件上的原生训练与推理构建，相关模型组件正逐步加入开源平台。
匹配字段摘要
感谢将 MiniCPM5-2B 加入 Paddock 0.1.10。🙌 很高兴看到一款 2B 级模型能在 Windows、Linux、macOS 和 DGX Spark 上运行，并配有 Jev 风格的 API。 MiniCPM5-2B 为边缘端的高智能密度而打造——很高兴看到它落地到一个实用、开放推理栈中。
感谢将 MiniCPM5-2B 加入 Paddock 0.1.10。🙌 很高兴看到一款 2B 级模型能在 Windows、Linux、macOS 和 DGX Spark 上运行，并配有 Jev 风格的 API。 MiniCPM5-2B 为边缘端的高智能密度而打造——很高兴看到它落地到一个实用、开放推理栈中。
匹配字段摘要
Fireworks AI 为推理部署引入 GLOBAL 选项，让单个部署身份和单一 endpoint 跨区域调度 GPU 容量，避免把工作负载钉在单一区域造成容量上限。其七天生产观测显示，可全球放置的客户部署在 2 个以上 serving cluster 运行时，请求成功率从单区域的 99.269% 升至 99.992%。调度在流量到来前完成放置，请求无需查询调度器或探测各区域，但该设计不消除地理延迟。
匹配字段摘要
Google 发布 Gemini 3.8 Flash，称其在软件工程、智能体任务和跨多步推理上较 3.7 Flash 有明显提升，性能接近成本更高的前沿模型。官方称提升来自设计取向上的更肯下功夫，即在复杂任务中执行更多推理步骤并迭代调用工具。文中展示了四个用例，包括用 Google Antigravity 绘制卫星与空间站实时轨道、把青海波图案转成动态水墨画、生成霸王龙骨架，以及构建自动变速箱交互模型，用户可在 Google AI Studio 等工具中试用。
匹配字段摘要
Fireworks AI 发布 Ember-1，这是 Fireworks Research 基于 Moonshot AI 开源权重模型 Kimi K3 后训练得到的专用模型，官方称在保持 Kimi K3 质量的同时减少约 40% 的 token 用量。该模型目前仅通过 Fireworks serverless API 以 Research Preview 形式提供，未公开权重、训练代码和具体训练算法，因此暂不支持自托管。Fireworks 称在 7 项基准和 2 家客户的生产流量中，K3 的推理过程被缩短 35% 至 50% 且未牺牲准确率；与 2 家客户的生产编码负载 A/B 测试中，每任务输出 token 从 49.3K 降至 29.9K，推理 token 下降 71.3%，总 token 下降 39%，任务得分 0.753 对 0.751 基本持平，其中一家客户已在生产环境使用。Ember-1 在 Fireworks 上每 token 价格与 Kimi K3 相同，为输入 $3.00、缓存输入 $0.30、输出 $15.00 每 1M tokens，节省完全来自生成更少的 token。
eworks AI 发布 Ember-1，这是 Fireworks Research 基于 Moonshot AI 开源权重模型 Kimi K3 后训练得到的专用模型，官方称在保持 Kimi K3 质量的同时减少约 40% 的 token 用量。该模型目前仅通过 Fireworks serverless API 以 Research Preview 形式提供，未公开权重、训练代码和具体训练算法，因此暂不支持自托管。Fireworks 称在 7 项基准和 2 家客户的生产流量中，K3 的推理过程被缩短 35% 至 50% 且未牺牲准确率；与 2 家客户的生产编码负载 A/B 测试中，每任务输出 token 从 49.3K 降至 29.9K，推理 token 下降 71.3%，总 token 下降 39%，任务得分 0.753 对 0.751 基本持平，其中一家客户已在生产环境使用。Ember-1 在 Fireworks 上每 token 价格与 Kimi K3 相同，为输入 $3.00、缓存输入 $0.30、输出 $15.00 每 1M tokens，节省完全来自生成更少的 token。
匹配字段摘要
据知情人士消息，AI 推理基础设施提供商 Modal Labs 正接近完成由 Accel 领投的 7.5 亿美元融资，估值达 157.5 亿美元，较四个月前 4.65 亿美元的估值增长两倍以上。Modal Labs 拒绝置评。这轮融资发生在推理服务需求高涨之际，Baseten、Fireworks、Fal 等推理初创公司也在洽谈以更高估值融资。Modal 成立于 2021 年，总部位于纽约，员工约 150 人，客户包括 Cognition、Suno、Ramp 和 Substack，截至 5 月其年化收入已超过 3 亿美元。今年 7 月，Modal 曾披露一名客户的数据在一次针对 Hugging Face 的恶意 OpenAI 智能体攻击活动中被泄露，其 CTO 称问题源于客户自身代码的漏洞，平台未被攻破。
匹配字段摘要、正文
费米宇宙推出全球首个全链路量子增强大模型 FermiQLLM 1.0，基于 Qwen 开源基座模型改造，不依赖容错量子计算机，可在现有 GPU 基础设施上训练和部署。内测显示，对标同等参数量级传统大模型，其推理性能提升超过 15%，持续强化学习环节训练成本下降 25% 以上；在 MATH-500、GPQA-Diamond、BBH 等基准上综合性能提升 10%～20%。该公司成立于今年 5 月，种子轮累计融资 1 亿元，投后估值约 10 亿元，近一半员工有清华背景。
匹配字段摘要、正文