Anthropic 工程师用 Claude Code 在两周内将 Bun 的百万行 Zig 代码迁移至 Rust，100% 现有测试通过，合并后出现 19 个回归问题已全部修复。另一工程师用周末将 Python 代码库迁移至 16.5 万行 TypeScript。迁移消耗约 16.5 万美元 API 成本，但编译时间从八分钟降至两秒，二进制启动快 6 倍。
推荐理由：Anthropic 用自家 Claude Code 把百万行 Zig 代码迁到 Rust，两周搞定，这不仅是案例展示，更是开发者如何用 AI 重构代码库的实操指南，尤其适合那些被遗留代码拖累的团队。
AI 智能体的大规模应用正导致 CPU 短缺，与模型带来的 GPU 短缺类似。Runta 正在重建执行层，为智能体提供“一台完整计算机”的抽象——具备完整 OS、全状态、可本地或云端运行，同时内置企业级安全与策略接口。a16z 领投了本轮种子轮，认为这是从托管软件到托管智能体的最重要计算范式转变。
Google 提出将系统提示词模块化为可复用的“技能文件”，通过转译器进行静态验证并在构建时捕获缺失依赖，从而解决单体提示词导致的扩展瓶颈与运行时错误。该方法将提示词生成集成到 CI/CD 流水线中，防止代码漂移，并允许智能体通过标准 pull request 自主更新逻辑。
Modal 宣布从零重写核心沙箱平台，新系统可并发运行数百万个沙箱，并演示了在 1 分钟内创建全部 100 万个沙箱，平均每秒创建约 1.85 万个。
推荐理由：原文由 Modal 工程团队亲述架构重写思路与实测数据，读者可以了解大规模沙箱系统如何绕开中心化协调的瓶颈。
SGLang 与 Miles 为 Thinking Machines Lab 的 975B 参数多模态模型 Inkling 提供 Day-0 支持，其上下文窗口达 1M token。
Meta 提出分层兴趣表示，一种基于 Transformer 图学习与自监督跨视图蒸馏的上游表示层，为广告实体学习统一嵌入。该系统在数十亿真实交互数据上端到端训练，输出通用嵌入和 Bag-of-Meaning 兴趣 token，旨在连接稀疏的深度漏斗信号与广告主供给。该技术可集成至 Meta 的生成式广告模型（GEM）、Andromeda 及自适应排序模型。
Thinking Machines 发布通用多模态模型 Inkling，支持文本、图像和音频输入，采用 MoE 架构，总参数 975B、激活 41B、上下文窗口 1M token。
推荐理由：Modal 官方给出了 Inkling 的架构细节和 DFlash 推理实测数据，读者可以借此评估新模型的部署表现。
vLLM 宣布对 Thinking Machines Lab 的 1T 参数多模态模型 TML Inkling 提供 Day-0 支持，覆盖 thinkingmachines/Inkling-NVFP4 和 BF16 两个版本，支持文本、图像、音频输入和最长 1M token 上下文。
推荐理由：原文给出 Day-0 支持的具体性能数字、架构优化细节和精度对比，读者可以评估该模型在自己的推理工作流中的可用性。
Claude API、Amazon Bedrock 及 Google Cloud 上的 Claude Fable 5、Claude Mythos 5 和 Claude Opus 4.8 现已支持对话中系统消息（mid-conversation system messages），无需使用 beta 标头。该功能允许在对话中途插入或更新系统提示词，此前可用性说明已更正。
LMSYS 与 SGLang 团队针对智谱 GLM-5.2 NVFP4 模型在 Grace Blackwell 硬件上推出多项优化。运行时方面，Spec V2 重叠调度消除 GPU 气泡，端到端 TPS 提升 11%；IndexShare MTP 在 draft 步骤间复用 DSA indexer 的 top-k，长上下文下 draft 步骤成本降低约 1.9 倍。内核方面，TopK-V2 将 TopK 视为选择问题，80K ISL 下平均延迟从 40.7 µs 降至 17.5 µs（2.33× 加速），1M ISL 下从 372.1 µs 降至 36.6 µs（10.17× 加速）。优化后 8×B300 单 batch 解码吞吐超过 500 TPS。
OpenAI 提出五项管理 AI 投资的具体步骤，帮助领导者理解使用情况、控制支出并投资于高价值工作。从 GPT-4 到 GPT-5.4，每百万 token 价格下降 97%，GPT-5.6 在 Artificial Analysis Coding Agent Index 中实现更优性能，输出 token 减少 54%，每任务耗时减少 57%。ChatGPT Work 支持更长、多步骤任务，Admin Console 提供按用户、产品和模型的使用分析与支出控制。建议按结果 ROI 评估模型效率，在规模化前治理高级工作流，将 AI 投资作为组合管理，并根据已验证需求匹配容量与支持。
NVIDIA 推出 Nemotron 系列开放模型，使企业和国家能完全掌控 AI 的定制、审查与改进。Abridge 正基于 Nemotron 构建首个专用于临床对话的基础模型；Harvey 后训练 Nemotron 3 Ultra 后在复杂法律任务上达到前沿级准确率，且每次运行成本至少降低 10 倍。
Fireworks AI 宣布完成 15.05 亿美元 Series D 融资，估值 175 亿美元，由 Atreides Management、Index Ventures 和 TCV 领投，Nvidia、Lightspeed 等参投。
推荐理由：官方公布融资额、估值与收入规模等具体数字，可以据此了解专业化智能体推理平台的商业规模。
Inception Labs 发布 Mercury 2，称其为全球首个推理扩散语言模型（dLLM），在 NVIDIA H100 上以 1000+ token/秒并行解码，300 token 的推理链可在约 300ms 内完成，适配语音对话延迟预算。
推荐理由：官方给出扩散架构推理模型在 NVIDIA GPU 上的延迟与定价数据，语音 Agent 开发者可以据此评估是否能替换现有默认模型。
DeepSeek 由 16 家供应商提供服务，价格差异约 4 倍，吞吐量从 4 到 57 tokens/秒不等。通过 OpenRouter 统一路由可自动选择最优供应商，避免用户逐一对比价格与速度。当对延迟或成本有特定要求时，直接调用特定供应商可能更合适。
为机构金融提供 AI 平台的 Hebbia 测试了 Claude Fable 5。在其金融专用基准测试中，Claude Fable 5 在文档问答与引证测试上实现了约 20% 的相对准确率提升，创下团队记录；在智能体测试中，它能同时处理多部分请求并逐一溯源。该模型还能从更广泛的数据中推理，得出值得深入分析的结论。Hebbia 正借助 Claude Fable 5 将 Matrix 平台的能力从提取信贷协议条款扩展到多步分析，如对比实时监控数据、标记风险并草拟内部备忘录。
Microsoft Research 详细介绍 SymCrypt 的形式化验证方法：用 Rust 编写实现，通过 Aeneas 转成 Lean 模型，对照 NIST 标准的可执行规范证明正确性。
Ai2 Skylight 团队发布长文，拆解海事智能体 Shippy 的架构，包括 soul、skills 和 config 三层设计，底层使用 OpenClaw 框架和 Claude Opus 4.6。
Manus 上线自动发布功能，开启后每次构建成功即自动部署到公开 URL，无需再手动打开发布菜单确认。该开关默认关闭，可在发布弹窗中随时开启或关闭，构建失败时线上网站保持上一个稳定版本。功能已面向所有用户开放，支持网页端、iOS 和 Android。
蚂蚁集团开源 AKernel（Agent Kernel），一个将整个数据中心视为 AI 智能体可编程扩展的分布式内核。它通过统一 Python SDK 实现计算、网络和存储的编程控制，支持单机、私有 K8s 及多云（阿里云、华为云）一键部署，冷启动仅需 40 毫秒。AKernel 代码由 AI 大量贡献，并内置基于 OpenTelemetry 的全栈可观测性。
推荐理由：蚂蚁把数据中心变成 Agent 的可编程扩展，对于需要大规模弹性编排 Agent 的团队来说，比用 Kubernetes 手写 YAML 直接得多，不过目前严重依赖阿里云和华为云，通用性还差一截。
蚂蚁集团 inclusionAI 在 GitHub 开源 sandboxd，这是 AKernel 使用的 Linux 沙箱生命周期服务，通过 gRPC API 管理沙箱资源，当前基于 gVisor 运行沙箱，并计划近期开源 Kata Containers 支持。
推荐理由：蚂蚁把 AKernel 用的沙箱生命周期管理开源了，对需要安全执行代码的 AI 推理/评测场景有参考价值，但仅限底层基础设施人员，非目标受众不必深究。
DeepSeek-V4 Flash 的强化学习训练现已在 AMD Instinct MI355X GPU 上通过 Miles 框架获得支持，基于 ROCm 软件栈运行。该 2840 亿参数 MoE 模型（每 token 激活 130 亿参数）需 SGLang 进行 rollout 生成、Megatron 进行策略更新，Miles 负责异步循环与权重同步。团队解决了 SGLang 与 Megatron 间模型对齐、量化状态在线更新及多节点并行稳定性三大挑战，最终在四个八 GPU 节点上完成端到端验证：超过 100 个优化器步骤中训练-rollout 对数概率差可控，在线奖励持续提升，离线 AIME-2024 基准分数同步上涨。
推荐理由：把 DeepSeek-V4 Flash 的 RL 训练完整搬到 AMD MI355X 上，不是画饼，而是给了实测数据和可跑的配置。想用非 NVIDIA 卡做 RL 训练的，可以照着踩坑。
Anthropic 与技术服务公司 UST 达成合作，将 Claude 部署到芯片、汽车、物联网等物理产品的工程与生产流程中。UST 计划在全球培训 20,000 名工程师、架构师和顾问使用 Claude。在 UST 的 iDEC 平台上，Claude Code 直接读取芯片原理图和引脚图，编写并运行回归测试，将验证周期缩短 50% 至 70%，标准四天周转压缩至 48 小时。Claude 还作为推理层，对比真实设备数据与数字孪生模型，标记固件回归和信号完整性故障。
Prime Intellect 发布 verifiers 0.2.0，预览重写后的 v1 核心，将环境解耦为 taskset、harness 和 runtime，任意 taskset 可在任意兼容 harness 下运行。
推荐理由：原文给出任务集、执行框架与运行时三层解耦的设计细节和训练案例，读者可以据此评估这套抽象是否适配自己的智能体训练流程。
OpenAI近日公布国家安全原则，阐明在政府及国家安全领域部署前沿AI系统的方针。原则强调在保护公民、防御关键基础设施、提供公共服务及应对新兴威胁（网络防御和生物安全）中发挥AI优势，同时确保民主问责、人类判断和法治。过去一个月，OpenAI通过Daybreak网络防御计划与澳大利亚、加拿大、日本、韩国、法国、德国、波兰、荷兰及欧盟ENISA等机构建立网络安全信任访问合作，并与英国政府开展网络安全测试评估。上月，OpenAI向部分美国政府及盟友合作伙伴开放GPT‑Rosalind模型用于公共卫生和生物防御。原则适用于现有及未来合作，包括与Department of War的协议，明确禁止大规模国内监控、自主武器系统及高风险自动化决策。OpenAI支持立法对高风险军事用途（如国内监控、自主武器）建立保障措施。
推荐理由：OpenAI 首次公开发布国家安全合作原则，同时宣布与多国建立网络和生物防御伙伴关系。我觉得这是头部 AI 公司在军事合作上的一次主动透明化尝试，值得看看他们如何设限。
Thomson Reuters CTO Joel Hron称Claude Fable 5为专业AI的关键进化。该公司为法律、税务等领域构建Fiduciary-Grade AI™，整合2700+领域专家、权威内容及工作流。其法律AI平台CoCounsel Legal基于Claude Agent SDK重建，智能体能同时访问数百个工具并自主规划、校验引用。模型需通过四项考验：自检引用、长链工具调用、保持连贯、引入人类审核。客户反馈深度研究从数十小时缩短至数分钟。
Netpreme X‑Mem™ 内存处理单元（MPU）作为专用高带宽 KV 内存层与 SGLang HiCache 集成，替代主机 DRAM 作为 L2 卸载层。在基于 Claude Code 代理轨迹的编码工作负载中，前缀缓存命中率平均约 98%。单请求微基准测试显示，首 token 延迟（TTFT）相比主机 DRAM 方案降低约 6.7 倍。在端到端推理基准测试中（20K token 上下文、26 token 输入、20 轮对话），中等负载下每用户吞吐量提升 33%，高负载下交互性提升 50%、系统吞吐量提升 30%。X‑Mem™ 通过 CUDA 和 PyTorch 兼容 API 集成，单节点提供最高 24 TB 内存、4 TB/s 带宽。
Fireworks 宣布 NVIDIA Nemotron 3 Ultra 上线并提供首日支持，LangChain 针对该模型调优了 Deep Agents harness，仅调整提示词、工具和中间件，未做模型再训练。
Runway 官网以 Cookie 设置页面代替了产品介绍，未提供 Runway Dev 的功能、参数、可用性等任何具体信息。
Together AI 发布 Provisioned Throughput，为 MiniMax M3 和 GLM-5.2 提供按 token 计价的预留推理容量，附带 99% 正常运行时间 SLA，最短订购期一个月。
Claude Console 现支持在创建 API Key 或 Admin API Key 时设置过期时间，可选预设时长、自定义时长或永不过期。对于有效期至少 7 天的密钥，Anthropic 会在到期前邮件通知创建者。Admin API 会在 `expires_at` 字段中报告每个密钥的过期时间，现有密钥不受影响。
本次更新新增登录过期警告和手动权限模式标记，并将附加工作目录加入 MCP roots/list。修复了 macOS 下因内存检测误报导致后台会话卡顿 15–20 秒（回归自 2.1.196）、后台会话因 token 过期永久不可用（现自动恢复）、交互式会话中上下文指示器每轮重分析整个对话导致 CPU 和内存回归等问题。同时改进了长响应流时的实时预览性能，并降低了子代理重新委托任务的倾向。二进制体积减少约 7 MB，启动内存减少约 7 MB。左侧箭头不再关闭后台任务/差异/工作流详情视图，改为 Esc。
Claude Code 与 Claude Cowork 即日起在 Claude for Government Desktop 公开测试，运行于 FedRAMP High 授权环境。Claude Code 协助政府团队构建和现代化公共服务软件系统；Claude Cowork 可直接处理桌面文件，用于备忘录撰写、RFP 审查、案例处理及演示文稿制作。新增治理功能包括管理员设置配置默认值、按部门分配与控制支出；安全团队可获取防篡改审计日志及支持 ATO 流程的文档。计费采用固定增量预付费，设有硬性支出上限，支持按用户和按模型使用跟踪。部门级管理员可通过 SCIM 组映射设置速率限制、金额上限和允许使用的模型。所有管理操作记录在哈希链审计日志中，敏感操作需二人审批。
Cognition 发布 SWE-1.7，称其以更低成本达到前沿智能水平。模型基于 Kimi K2.7 底座训练，FrontierCode 1.1 Main 通过率 42.3%，Terminal-Bench 2.1 为 81.5%，已在 Devin（Web、Desktop 和 CLI）中经 Cerebras 以 1000 TPS 提供。
推荐理由：官方既公布基准成绩也详解训练方法，读者可以了解多集群 RL 训练、熵稳定和自压缩等具体做法。
英国 AI Security Institute 在两周期限内用多种前沿模型和编码 agent 检查内部研发平台的 staging 环境，发现并修复了此前未知的配置错误、提权路径和供应链弱点，一个多步攻击链让普通用户无需受害者交互即可横向访问他人数据。
推荐理由：英国 AISI 以自身云环境实测前沿模型的攻防价值，给出三种方法的人力成本与检测效果对比，防御方可参考其经验。
SGLang 团队将 DSpark 推测解码算法集成到开源推理引擎中。该算法采用半自回归块起草器一次生成一组 token，并利用置信度头与顺序温度缩放（STS）为每个请求动态分配可变验证长度，从而在高负载下裁剪无效验证成本。SGLang 支持密集模型（如 Qwen3）和稀疏模型（如 DeepSeek-V4），通过全 CUDA 图处理不规则的每请求验证长度。提供三种验证模式：`static`（全长）、`compact`（生产路径）和 `cap-accept`（接受上限测量）。还引入了零开销调度、基于离线成本表的在线调度器、融合 Triton 核等优化。在 H200 上使用 DeepSeek-V4-Flash 的测试中，DSpark 在整个并发扫描范围内比 MTP 和非推测基线实现了更优的吞吐量-延迟权衡。
推荐理由：DSpark 这版推测解码的工程落地比论文本身更有看头——SGLang 用 ragged CUDA Graph 和动态调度把 trimm 掉的计算按字节级回收，383 tok/s 的单请求速度对部署方是即时可用的性能增益。
分布式 AI 训练常因单台机器故障导致整个多节点作业崩溃，需耗时重启。Google 的 JAX 生态通过 Pathways 实现弹性训练，将硬件故障转化为可捕获的 Python 异常，使运行进程存活。测试中，训练中途终止一个 TPU 后，系统自动替换损坏的节点、从 Cloud Storage 恢复最新检查点并原地恢复训练，总停机时间低于 2 分钟，主控制器进程全程无需重启。
Modal 发布交互式成本模型工具，帮助团队估算 serverless GPU 与预留 GPU 的成本并附定价方法解析。模型用峰值均值比对比两种模式，称预留折扣通常为 2-5x，而推理、训练和 agentic 开发等负载的峰均比常达 5:1 至 10:1，此时 serverless 总成本更低；文中还讨论了需求预测、弹性伸缩和混合策略等模型假设的局限。
腾讯混元 AI Infra 团队与 vLLM 团队宣布，HPC-Ops 的 Attention（PR #46020）和融合 MoE（PR #45924）后端已作为一等后端合入 vLLM 主线，针对 NVIDIA Hopper 架构优化，在 H20 上表现最佳。
Prime Intellect 为开源 RL 框架 prime-rl 引入一等算法层，内置 GRPO、MaxRL、On-Policy Distillation、Self-Distillation、SFT distillation 和 ECHO 六种算法。