Exponential View 最新推理 token 数据显示，开放权重 token 份额在过去十二个月翻倍，正接近闭源与开源 1:1 的比例，但同期闭源权重 token 数量增长了七倍。AI 智能体今年 2 月使用的 token 量已超过人类，目前达人类的 14 倍，而人类 token 用量仅增长 2.8 倍。22–25 岁年轻劳动者在 AI 暴露职业中的就业率已低于趋势线 19%，高于去年的 15%。
匹配字段摘要、正文
Google Research 提出 Biomarker Discovery Framework，一个多智能体系统，通过迭代假设生成、统计分析和文献推理，从可穿戴传感器数据中筛选候选生物标志物。该系统在三个队列共 9,279 条参与者观测中运行，自主识别出 41 个心理健康候选数字生物标志物和 25 个代谢候选标志物，例如睡眠时长变异性与 PHQ-8 严重程度的关联（ρ = 0.252）。
匹配字段摘要
SemiAnalysis 按早期扩展、推理、智能体三个时代分别评测开源与闭源模型，发现开源模型追上每个时代首个闭源前沿模型所需时间逐代减半。文章以 Llama-2-70B 对 GPT-3.5 Turbo 为例，当时综合得分 39.9 对 75.7，直到 2024 年 7 月 Llama-3.1-405B 才以 86 分追平 GPT-3.5 Turbo。评测使用 Prime Intellect 的评估栈，部分数据来自 Artificial Analysis 与 Datacurve 的 DeepSWE 榜单。
匹配字段摘要
亚马逊发布 SOP-Bench，一个覆盖 12 个业务领域、超过 2000 个任务的开源基准，用真实标准作业流程（SOP）配合可用工具和标准答案来评测 AI 智能体。测试 11 个前沿模型发现，升级模型有时反而降低表现，例如推理型智能体上 Claude 4.5 系列得分低于 Claude 4 系列；给智能体增加 20 个看似合理但无用的工具后，成功率几乎减半。基准已在 GitHub 和 HuggingFace 发布，包含 12 套专家编写的流程、生成的工具与数据集、两个基线智能体和评测代码。
匹配字段摘要
NVIDIA 安全团队提出 AI 智能体栈的安全分层思路：模型、harness 与 meta-harness 只负责引导行为，最终权限由运行环境决定，NVIDIA OpenShell 提供隔离、身份、策略、凭证与审计的安全运行时，NVIDIA Dynamo 承担模型服务、缓存放置、路由与调度的推理数据面。文章给出五条设计规则和 Isolated、Connected、Production、Adversarial 四档安全配置，并强调智能体不得自行授予访问权限、高影响操作必须经过执行点。
匹配字段摘要
IJCAI-ECAI 2026 公布三篇杰出论文奖获奖论文。其中一篇证明 Nash 乘积规则（NASH）的激励比为 2，可在放松策略防伪性后绕开 Brandl 等人 2021 年的不可能定理；另两篇分别提出量化数据库中元组不一致性的新度量，以及一种仅用于推理的流式自回归时间序列预测框架，通过一次性上下文预热与增量解码降低推理延迟。
匹配字段摘要
DeepSeek 在 API Platform 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，其文本能力与 DeepSeek-V4-Flash 相当，涵盖智能体、推理和世界知识。该模型在多模态智能体评测中较 V4-Flash 显著提升，表现接近 Opus-4.8；DeepSeek Harness 0.1.1 已提供开箱即用的支持。
DeepSeek 在 API Platform 上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，其文本能力与 DeepSeek-V4-Flash 相当，涵盖智能体、推理和世界知识。该模型在多模态智能体评测中较 V4-Flash 显著提升，表现接近 Opus-4.8；DeepSeek Harness 0.1.1 已提供开箱即用的支持。 · DeepSeek has made the experimental multimodal model DeepSeek-V4-Flash-Vision-Exp available on its API Platform, with text capabilities matching DeepSeek-V4-Flash across agents, reasoning, and world knowledge. It significantly improves on V4-Flash in multimodal agent benchmarks, approaching Opus-4.8, and DeepSeek
匹配字段摘要
xAI 宣布 Grok 4.6 已在 Gemini Enterprise Agent Platform 上线，用户可通过 Model Garden 调用。该旗舰模型面向长时间运行的智能体与交互、视觉任务，提供 500k 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度。定价为输入 $2/百万 tokens、缓存输入 $0.50/百万 tokens、输出 $6/百万 tokens。
匹配字段摘要
NVIDIA 的 recsys-examples 仓库为 HSTU 和 Semantic ID 两类生成式推荐模型提供生产级训练与推理实现，并集成 DynamicEmb 动态嵌入表与 Megatron-Core 分布式并行。HSTU 推理结合 PyTorch AOTInductor、Triton Inference Server、nv-embedding-cache 和 FlexKV KV cache，在全 GPU 缓存命中场景下比 Python 后端最高提速 2.38x；Semantic ID 专用推理框架在 H100 上相比 SGLang beam search 离线延迟降低 2.14x 至 2.27x、在线吞吐提升 1.85x。
匹配字段摘要
OpenAI因内部模型呈现不同程度的失配，暂停未来模型训练两周，并将其计划中最大规模的前沿训练置于搁置状态以接受进一步安全测试。公司将使用自动化调查工具审查模型行为与推理，并重写2023年《Preparedness Framework》；Sam Altman称此举影响更远期的发布，近期仍预计推出新模型。
OpenAI因内部模型呈现不同程度的失配，暂停未来模型训练两周，并将其计划中最大规模的前沿训练置于搁置状态以接受进一步安全测试。公司将使用自动化调查工具审查模型行为与推理，并重写2023年《Preparedness Framework》；Sam Altman称此举影响更远期的发布，近期仍预计推出新模型。 · OpenAI paused training of its future models for two weeks and put its largest planned frontier run on hold for further safety testing after private models showed varying degrees of misalignment. The company will use automated investigators to review model behavior and reasoning and rewrite its 2023 Preparedness Framework; Sam Altman said the m
匹配字段摘要
GLM-5.3 在与 GLM-5.2 保持相同基座、架构、总参数和激活参数的条件下，通过一个月扩展长程环境与强化学习取得显著提升。文章认为参数量必须结合数据、训练与推理计算考量；对 MoE 和推理任务而言，有效深度、激活专家数量及后训练可能比继续增加总参数更关键。
GLM-5.3 在与 GLM-5.2 保持相同基座、架构、总参数和激活参数的条件下，通过一个月扩展长程环境与强化学习取得显著提升。文章认为参数量必须结合数据、训练与推理计算考量；对 MoE 和推理任务而言，有效深度、激活专家数量及后训练可能比继续增加总参数更关键。 · GLM-5.3 achieved substantial gains over GLM-5.2 after one month of scaling long-horizon environments and reinforcement learning, while keeping the same base, architecture, total parameters, and activated parameters. The article argues that parameter count must be considered alongside data and training and inference compute; for MoE models and reasoning tasks, eff
匹配字段摘要
xAI 宣布 Grok 4.6 已在 Amazon Bedrock 正式可用，Amazon Bedrock 用户可通过该平台调用这一旗舰模型。Grok 4.6 面向长时间运行的智能体和交互与视觉任务，提供 500k 上下文窗口以及 low、medium、high、xhigh 四档可配置推理强度。定价为输入每 100 万 token 2 美元、缓存输入每 100 万 token 0.50 美元、输出每 100 万 token 6 美元。
匹配字段摘要
IBM 研究团队在 AppWorld 的 585 个多步任务上测试八款模型，发现智能体记忆存在三种模式：能力强的模型用完整指南集收益最大，DeepSeek-V3.2（671B MoE）任务完成率提升 9.5 个百分点；较弱模型用精选检索更有效，gpt-oss-120b（117B MoE）提升 16.1pp 且 token 只增加约 5%；已饱和的模型如 GLM-5（745B MoE）则没有可测收益。这里的记忆指 ALTK-Evolve 从智能体自身成功与失败轨迹中提炼的指南集，推理时注入上下文，不更新模型权重，因此可跨模型迁移。研究还指出生产环境中提示词缓存是主要成本杠杆，并计划训练基于结果信号的选择器、探索面向极弱模型的教师蒸馏记忆。
匹配字段摘要
Hugging Face 博客介绍一种 GPU 调度分配器，在五个竞争性基准场景中把利用率从 52–85% 提升到 72–88%，优先级加权价值平均提升 52%。在 8 GPU 的训练密集型场景中，利用率从 53.6% 升至 87.0%，价值提升 105%。该方案把实时推理需求当作随时步变化的曲线分配，批处理类任务则按优先级在整个调度周期内排布，而非按到达顺序。
匹配字段摘要
Nathan Lambert 认为，开源模型生态正越来越依赖 Nvidia 的资助，Nvidia 目前据报为此投入 260 亿美元，用于 Nemotron 等近乎开源的模型。若这笔投入无法在几年内带来相称回报，开源模型可能转向效率、可修改性与专用化的长尾路线，而非追赶领先闭源模型。他还指出，训练重心正从后训练转向更不透明的推理训练，愿意发布基座模型的开源团队将继续减少。
匹配字段摘要
我发现 "inception" 模式在许多智能体用例中非常有用。你可以在指定的推理预算之后注入一个想法，从而在模型思考过久时强制它采取行动。 有助于处理那些让模型推理过久的欠明确任务。
我发现 "inception" 模式在许多智能体用例中非常有用。你可以在指定的推理预算之后注入一个想法，从而在模型思考过久时强制它采取行动。 有助于处理那些让模型推理过久的欠明确任务。
匹配字段摘要
蚂蚁百灵发布实践文章，介绍在 DGX Spark 上用本地后训练工具包 AReno 对 Ling-3.0-tiny 做 Agentic RL，以井字棋为最小验证任务跑通基线评测、Reward 定义、后训练与同环境复测四步闭环。实验使用 GSPO 训练 400 个 step，rollout/rewards_mean 从约 -0.5 升到 0.4 左右，response_len 降至约 850 tokens，复测中工具调用与落子选择更稳定。Ling-3.0-tiny 为 7.9B 总参数、1.3B 激活参数的混合推理模型，已开源 BF16、FP8 和 INT4 版本，AReno 提供 Docker 复现教程。
蚂蚁百灵发布实践文章，介绍在 DGX Spark 上用本地后训练工具包 AReno 对 Ling-3.0-tiny 做 Agentic RL，以井字棋为最小验证任务跑通基线评测、Reward 定义、后训练与同环境复测四步闭环。实验使用 GSPO 训练 400 个 step，rollout/rewards mean 从约 -0.5 升到 0.4 左右，response len 降至约 850 tokens，复测中工具调用与落子选择更稳定。Ling-3.0-tiny 为 7.9B 总参数、1.3B 激活参数的混合推理模型，已开源 BF16、FP8 和 INT4 版本，AReno 提供 Docker 复现教程。
匹配字段摘要、正文
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力，并为 V4-Pro 与 V4-Flash 提供 low、high 和 max 三档推理强度。该模型原生支持 OpenAI Responses API，并针对 Codex 优化；现已通过 app/web 的“Expert Mode”和 API 提供，模型名称保持不变。
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力，并为 V4-Pro 与 V4-Flash 提供 low、high 和 max 三档推理强度。该模型原生支持 OpenAI Responses API，并针对 Codex 优化；现已通过 app/web 的“Expert Mode”和 API 提供，模型名称保持不变。 · DeepSeek launched DeepSeek-V4-Pro with major Agent upgrades and low, high, and max reasoning-effort settings for V4-Pro and V4-Flash. The model natively supports the OpenAI Responses API and is optimized for Codex; it is now available through “Expert Mode” on the app and web, as well as via API, with model names unchange
匹配字段摘要
NVIDIA 发布在 GB300 NVL72 上部署阿里开源权重模型 Qwen3.8-2.4T-A95B 的方案，该模型总参数 2.4T、每 token 激活 95B，采用细粒度 MoE 与全注意力加线性注意力混合架构，上下文窗口最高 100 万 tokens。在 FP8 精度下 Day 0 即实现单 GPU 超 4K tokens/s、单用户超 350 tokens/s，NVFP4 优化预计带来进一步提升。SGLang、vLLM 和 NVIDIA Dynamo 提供开源推理配方，也可通过 NVIDIA NIM 容器部署，并可用 NeMo AutoModel 做全量 SFT 或 LoRA 微调。
匹配字段摘要
Liquid AI 发布 LFM2.5-VL-3B，一款面向端侧的视觉语言模型，已在 Hugging Face 和官方 Playground 上线。相比上一代 LFM2-VL-3B，它在屏幕与 UI 理解、函数调用、grounding 和多图输入四方面提升，ScreenSpot-v2 平均 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO precision@1 从 57.1 升至 87.9。模型为非推理模型，直接作答以降低延迟，在 Apple M5 Max 上解码 228 tokens/s、Galaxy S26 Ultra 上 20 tokens/s，占用约 3 GB 内存，并支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段摘要