Base44 为何信任 Claude Fable 5 处理最具挑战性的工程任务
无代码开发平台 Base44 将此前仅限资深工程师处理的系统提示词重构任务交给了 Claude Fable 5。该模型在四小时内独立完成 90%-95% 的重构，并主动发现团队评估中遗漏的缓存命中测试盲点。Base44 产品负责人表示，Claude Fable 5 是首个能像资深工程师一样推理软件构建方式的模型。
#推理
Claude：BlogAI 评分4141
Together AI 研究与产品博客精选AI 评分7676 Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 提供 Day 0 推理服务
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 于发布当日在其 Serverless 平台提供访问，支持 1M 上下文窗口和 OpenAI 兼容 API。
推荐理由：原文来自提供推理服务的合作方，给出了 Inkling 的架构细节、参数规格和初步评测，读者可据此了解新模型的技术取向与可用入口。
LMSYS BlogAI 评分6161 LMSYS 与 SGLang 团队为 GLM-5.2 NVFP4 推出推理优化，8×B300 单 batch 解码超 500 TPS
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。
Inception Labs：Blog精选AI 评分6767 Inception Labs 发布 Mercury 2：首个在 NVIDIA GPU 上每秒解码超 1000 token 的推理扩散语言模型
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。
OpenRouter：AnnouncementsAI 评分5252 为什么通过 OpenRouter 使用 DeepSeek：16 家供应商的价格与吞吐量差异达 4 倍与 14 倍
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。
Cursor BlogAI 评分4141 Grok 4.5 模型卡发布：基准测试与安全评估详情
xAI 发布 Grok 4.5 官方模型卡，详细记录了该模型的能力基准测试与安全评估结果。文档涵盖多项性能指标与安全评测数据，为开发者提供模型能力参考。
Tibo@thsottiauxAI 评分5555引用Fix@FixlationAIOpenAI has reduced GPT-5.6 Sol's thinking budgets in an effort to make the model more efficient They essentially bumped everyone's reasoning down by 1... so if you were running Sol Extra High, you now have to set it to Max to get the same effort So we basically don't have Max reasoning anymore, how do you feel about these changes? 🤔
LMSYS Blog精选AI 评分6161 DeepSeek-V4 Flash 强化学习训练登陆 AMD Instinct MI355X GPU，由 Miles 框架支持
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。
- Tibo@thsottiauxAI 评分4545
这其实不是 GPT-5.6 Sol 在 Cerebras 上的版本。只是普通的 /fast 模式。以 750+ TPS 运行完全是另一回事。
引用Chubby♨️@kimmonismusGPT-5.6 Sol on 750 Token/s in Blender. Not sped up. Holy moly. That’s so much more impressive than looking at benchmarks
- Tibo@thsottiaux精选AI 评分7070
为庆祝 GPT-5.6 Sol 发布，我们将在接下来 24 小时内（两次）重置 ChatGPT Work 和 Codex 的速率限制。 我们希望你有时间真正尝试有挑战性的任务并掌握它。祝探索愉快！
推荐理由：GPT-5.6 Sol 发布没给性能指标，更像一次稳定迭代，但速率限制重置是个好信号——至少在基础设施层面 OpenAI 有底气让人放开用。
Cognition 模型 / Devin 博客AI 评分7171 Cognition 推出 SWE-1.7，接近 GPT 5.5 与 Opus 智能水平
Cognition 发布迄今最强模型 SWE-1.7，基于 Kimi K2.7 基座训练，通过强化学习管线改进（基础设施、训练稳定性、数据质量、长程任务技术）实现前沿智能水平并大幅降低成本。在 FrontierCode 1.1 Main 基准上达 42.3%（Kimi K2.7 Code 为 30.1%，GPT-5.5 为 43.0%，Opus 4.8 为 46.5%），Terminal-Bench 2.1 达 81.5%，SWE-Bench Multilingual 达 77.8%。模型针对长周期异步任务优化，现已在 Devin（Web、桌面、CLI）通过 Cerebras 以 1000 TPS 提供。
Meta AI：BlogAI 评分7878 Meta 发布 Muse Spark 1.1 多模态推理模型
Meta Superintelligence Labs 今日推出 Muse Spark 1.1，专为智能体任务设计，在工具使用、计算机使用、编程和多模态理解方面显著提升。模型支持 100 万 token 上下文窗口，提供“Thinking”模式，并通过 Meta Model API 公开预览。在智能体任务中可零样本泛化至新工具、MCP 服务器与自定义技能；计算机使用可自动编写脚本或生成批量操作；编程性能在 Meta Internal Coding Bench 上优于前代。多模态能力涵盖视觉到代码生成、图像视频描述。安全性评估显示模型在化学生物、网络安全、失控等风险类别中处于安全边际内。
Apple Machine Learning ResearchAI 评分5252 揭密在线策略蒸馏：何时有益、何时有害及原因
Apple机器学习研究团队提出训练无关诊断框架，以每个token、每个问题、每个教师的分辨率分析on-policy蒸馏。通过可扩展targeted-rollout算法估计理想梯度，并计算蒸馏梯度与理想梯度的余弦相似度（梯度对齐分数）。实验发现，蒸馏指导在错误rollouts上的对齐程度显著高于正确rollouts；最优蒸馏上下文取决于学生模型容量和目标任务，无通用配置。这些发现推动每任务、每token的诊断分析。
Apple Machine Learning ResearchAI 评分5151 Apple 提出 SRLM：自反思程序搜索提升长上下文处理能力
Apple 机器学习研究团队提出 SRLM 框架，利用自一致性、推理链长度和口头置信度三种内在信号，让模型在推理时评估候选长上下文交互程序。实验表明，在相同时间预算下，SRLM 较传统递归语言模型（RLM）最高提升 22%。分析发现，递归本身并非 RLM 性能关键，简单的自反思程序搜索无需显式递归即可匹配或超越 RLM；在模型上下文窗口内，RLM 反而降低性能，而 SRLM 在短上下文和长上下文中均实现稳定增益。
OpenAI：官网动态精选AI 评分8080 OpenAI 推出 ChatGPT Work：可跨应用自主工作的 AI 智能体
OpenAI 发布 ChatGPT Work，一个能跨应用和文件收集信息、将复杂项目分解为小步骤独立完成并持续工作数小时的 AI 智能体。它内置 Codex 技术，目前每周超 500 万用户使用 Codex，其中超 100 万用于非软件开发场景。ChatGPT Work 由今天同步推出的最新前沿模型 GPT‑5.6 驱动，具备多步骤推理和按模板生成材料的能力。该功能今天起面向 Pro、Enterprise 和 Edu 计划推出，未来几天扩展至 Plus 和 Business 计划。桌面版 ChatGPT 在所有计划（含免费版）中提供 Chat、Work 和 Codex 模式，且 Codex 应用已合并至新的桌面应用。
推荐理由：ChatGPT Work 把代理能力真正派发给了普通用户，配合插件、定时任务和电脑控制，这是 ChatGPT 从问答工具迈向自主完成复杂工作的关键一步。但我更关心 GPT-5.6 的推理提升到底多大，案例里没给数字。
OpenAI：官网动态精选AI 评分8585 GPT-5.6 系列模型发布：Sol、Terra、Luna
OpenAI 推出 GPT-5.6 系列，包括旗舰 Sol、平衡型 Terra 和成本最优 Luna。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；中等推理时以约四分之一成本领先 11.4 分。Terra 和 Luna 以约十六分之一成本超越 Fable 5。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创 SOTA，高于 Fable 5 的 2.8 分，使用不到一半输出 token、一半时间，成本低约三分之一。引入 Programmatic Tool Calling 减少中间数据往返，ultra 模式协调多个智能体加速复杂任务。模型配备迄今最强安全防护，经人类红队和自动化测试验证。
推荐理由：GPT-5.6 在编码、安全、知识工作上全面领先，且 token 效率大幅优化，是我今年见过的真正能改变 agent 开发成本结构的发布。程序化工具调用和 ultra 模式值得立即试用。
OpenAI：部署安全与系统卡精选AI 评分6262 OpenAI 发布 GPT-5.6 系统卡：生化能力定为 High，披露部署模拟与安全评估细节
OpenAI 发布 GPT-5.6（Sol、Luna、Terra）系统卡，将三款模型在生物化学领域均预防性定为 High 能力，未达 Critical 阈值。
推荐理由：这份系统卡披露了 GPT-5.6 家族在生化和网络安全领域的准备度评估细节与部署模拟方法，可了解前沿安全评估如何落地。
Cursor BlogAI 评分8080 推出 Grok 4.5
Cursor 与 SpaceXAI 联合训练了混合专家模型 Grok 4.5，在数万亿 tokens 的 Cursor 用户交互数据上训练，并通过强化学习解决软件工程、数据科学、金融、法律等领域的困难问题。基础版定价 $2/M 输入 tokens、$6/M 输出 tokens，快速版 $4/M 输入 tokens、$18/M 输出 tokens。即日起在 Cursor 桌面、网页、iOS、CLI 及 SDK 中可用，个人和团队计划首周使用量翻倍。Grok 4.5 与 Composer 2.5 为不同权重类别，两者将继续支持。
LMSYS BlogAI 评分5252 利用 Netpreme X‑Mem™ MPU 加速 SGLang HiCache
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。
OpenAI：官网动态精选AI 评分7777 OpenAI 发布 GPT‑Live 新一代全双工语音模型
OpenAI 今日推出 GPT‑Live，基于全双工架构实现同时听与说，支持自然打断与实时回馈。该模型每秒多次判断是否说话、倾听、打断或调用工具，并将搜索、推理等复杂任务委托给后台 GPT‑5.5，保持对话流畅。即日起向全球 ChatGPT 用户提供 GPT‑Live‑1 和 GPT‑Live‑1 mini 两个版本。人类评估显示，在 5‑10 分钟对话中，GPT‑Live‑1 系列在自然度、轮流、打断等方面显著优于 Advanced Voice Mode；在 GPQA、BrowseComp 和 τ³‑Voice Telecom 基准测试中也表现更强。未来将开放 API。
推荐理由：GPT‑Live 不是简单的语音版本升级，全双工架构让 AI 终于能同时听和说，加上后台调用 GPT‑5.5，对话体验跨了一大步，做语音应用的产品人该重新思考交互流程了。
METR：NotesAI 评分5757 METR 分析：Anthropic 代码日产出增长 8 倍，研究者效率提升可能超过 2 倍
METR 的 Thomas Kwa 基于经济模型分析 Anthropic Q2 2026 贡献者日均代码量较 2021-2024 增长 8 倍的数据，估计仅编码智能体带来的研究者效率提升就超过 2 倍，中心估计约 2.5 倍。
Cognition 模型 / Devin 博客AI 评分5555 Cognition 发布开源衍生模型可信度评测，SWE-1.7 与美国前沿模型表现相当
Cognition 构建了一套模型可信度评测套件，用 145 个政治敏感问题（英文、简体、繁体中文各五次采样，按六个维度评分）和真实编码场景测试模型宣传倾向与差分安全行为。
Cognition 模型 / Devin 博客精选AI 评分6767 Cognition 发布 SWE-1.7 模型并详解 RL 训练方法
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。
Claude：BlogAI 评分6565 在 Claude Code 中选择 Claude 模型与努力级别
Claude Code 提供模型（model）和努力级别（effort）两种设置。模型选择决定能力范围，更大模型（如 Claude Fable 5）在基准上优于 Claude Sonnet。努力级别不单是思考时间，还控制读取文件数、验证步骤及多步任务的推进深度。较高努力下 Claude 会自行读取文件、运行测试并复核；较低努力则更倾向请求用户提供上下文。若 Claude 已掌握上下文但仍出错，应换更强大模型；若因跳读文件或未运行测试而出错，则应提高努力级别。
LMSYS Blog精选AI 评分6363 SGLang 集成 DSpark 推测解码：置信度驱动的可变长度验证
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。
ARC Prize：官方博客AI 评分5959 ARC Prize 2026 公布 ARC-AGI-3 里程碑奖 #1 前三名方案
ARC Prize 公布 ARC-AGI-3 里程碑奖 #1 结果，总奖金 $37.5K：Tufa Labs 的 The Duck 以 agent 写代码的 REPL 方案夺冠（本地跑 Qwen 3.6 27B FP8），Reki 的 Gemma-4-31B 视觉 JSON 动作方案获第二，Md Boktiar Mahbub Murad 的 forge 框架获第三。
Mistral AI：News精选AI 评分6868 Mistral 发布 Leanstral 1.5：6B 激活参数的形式化证明模型，Apache-2.0 完全开源
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、总参数 119B、激活 6B 的形式化证明模型，权重开放在 Hugging Face 并提供免费 API。
推荐理由：原文给出基准数字、成本对比和真实代码库找 bug 案例，读者可据此评估形式化验证模型的实际可用性。
Runway：NewsAI 评分5151 借用夜晚：将闲置推理GPU回收用于研究
Runway 开发了名为 deckard 的容量控制器，在生产推理集群与研究集群间动态重分配 GPU。生产流量在北美工作日上午 9 点 ET 达峰，晚 8 点 ET 跌至不足一半。控制器基于预计算的时间窗口（如工作日 8:30–12:30 ET 高峰子窗口）提前扩容和回收，每次集群间转移耗时 20–60 分钟。利用排队论（Erlang‑C、Little's Law）确定目标利用率，避免接近 85% 后的队列发散（90% 利用率下等待时间约为服务时间的 10 倍）。此方案使夜间闲置 GPU 回归研究、白天排队等待缩短。
Apple Machine Learning ResearchAI 评分5252 Conformal Thinking：计算预算下推理的风险控制框架
推理大语言模型支持测试时扩展，准确率随 token 预算增加而提升，但预算设定带来风险-精度权衡。Conformal Thinking 框架将预算设定重定义为风险控制问题：在最小化计算量的同时限制错误率。该框架引入上阈值（模型足够自信时停止推理，承担输出错误的风险）和下阈值（提前终止无法解决的实例，承担过早停止的风险）。给定目标风险与验证集后，使用无分布风险控制来最优指定这些停止机制。跨多种推理任务和模型的实验表明，该方法在遵守用户指定风险目标的同时，通过下阈值与集成停止机制实现了计算效率提升。代码已开源。
Apple Machine Learning ResearchAI 评分5151 残差上下文扩散语言模型（Residual Context Diffusion Language Models）
扩散大语言模型（dLLM）可并行解码多个token，但现有分块式dLLM依赖重新掩码机制，仅保留最置信token而丢弃其余，造成计算浪费。本文提出Residual Context Diffusion（RCD）模块，将丢弃token的表示转化为上下文残差并注入下一次去噪步骤，采用解耦两阶段训练绕过内存瓶颈。在长CoT推理（SDAR）和短CoT指令跟随（LLaDA）模型上验证，标准dLLM仅需约10亿token即可高效转换为RCD。RCD在多项基准上以极小额外计算将前沿dLLM精度提升5–10个点，在最具挑战的AIME任务上几乎翻倍基线准确率，等效精度下减少4–5倍去噪步数。
LMSYS Blog精选AI 评分5959 Agent辅助的SGLang开发：初步探索
SGLang团队将LLM服务、分布式运行时、GPU内核、扩散管道等工作流编码为可执行的SKILL.md文件、脚本、基准合约和审查循环。现有技能包括：SGLang .claude/skills（CUDA调试、内核集成、性能分析等）、SGLang diffusion .claude/skills（扩散模型添加与调优）、BBuf/AI-Infra-Auto-Driven-SKILLS（跨框架SOTA循环）、KDA（MLSys 2026 FlashInfer内核竞赛获胜方案）以及BBuf/KDA-Pilot（已合并三个SGLang集成PR）。Profile证据是性能工作的核心，长期优化转向Loop Engineering——SGLang SOTA Performance Loop将追求SOTA分解为公平基准测试、差距决策、性能分析、补丁和再验证，Humanize/RLCR添加外部审查，Codex Goal以更低协调开销运行相同循环。评审重要性提升，开发者需定义问题、选择证据、设计工作流并判断结果是否可用于生产。
推荐理由：这不是一篇普通的开发经验总结，而是 SGLang 团队把调试、基准测试和性能调优等重复劳动变成可执行 agent 技能的实操手册，对于做推理框架和复杂工程的人非常值得一看。
Apple Machine Learning ResearchAI 评分4646 通过可追踪轨迹控制学习结构化推理
大语言模型可涌现推理行为，但复杂推理轨迹在无约束采样中稀疏，标准强化学习难以保证多样性。Ctrl-R框架通过可追踪轨迹控制主动引导rollout，激励探索多样推理模式，并利用重要性采样实现无偏on-policy优化，引入重要性采样权重的幂缩放因子以选择性学习分布外轨迹。实验表明，Ctrl-R在语言和视觉-语言模型的数学推理任务上均取得一致改进。
Apple Machine Learning Research精选AI 评分6262 RL微调VLM的鲁棒性与思维链一致性研究
强化学习（RL）微调被扩展至视觉语言模型（VLM）。研究发现，简单的文本扰动——误导性标题或错误思维链（CoT）——会显著降低模型鲁棒性和置信度，且开源模型衰退更明显。闭源模型呈现类似失败模式，但鲁棒性和推理一致性更强。进一步分析揭示准确性与忠实性的权衡：微调提升基准准确率，但同时侵蚀CoT的可靠性及对上下文变化的鲁棒性；对抗性增强可改善鲁棒性，却无法阻止忠实性漂移。引入忠实性感知奖励能恢复答案与推理的对齐，但与增强结合时训练易崩溃到捷径策略。这些发现强调需联合关注正确性、鲁棒性与视觉推理的忠实性。
推荐理由：RL微调让VLM基准分变好看，却可能让它的推理链变得靠不住，这个反直觉的诊断对正在用RL打磨多模态模型的团队是个警醒。
LangChain：BlogAI 评分6363 LangChain Deep Agents 用递归语言模型（RLM）解决长上下文推理中的“上下文腐烂”问题
Deep Agents 通过动态子智能体和轻量级代码解释器实现递归语言模型（RLM），让智能体以编程方式对大型输入执行 grep、map、reduce 等操作，而非将所有内容塞入单一上下文窗口。在长上下文推理基准 OOLONG 上，该方案在逐轮交互式智能体开始失效的场景中仍能保持稳定表现。
OpenAI：官网动态精选AI 评分7070 OpenAI 发布 GeneBench-Pro：计算生物学研究级基准测试
OpenAI 发布 GeneBench-Pro，用于评估 AI 智能体在计算生物学中处理模糊性和做出判断性分析的能力。该基准包含 129 个问题，覆盖统计遗传学、群体遗传学等 10 个领域 21 个子领域。每个问题提供真实混乱的数据集和实验背景，要求模型探索数据、选择分析路径并迭代实验。采用合成数据构建，已知完整因果结构。82 个问题已由外部领域专家审核确认其现实性。
推荐理由：OpenAI 的新基准揭示了一个信号，GPT-5.6 在需要科学判断的模糊任务上进步神速，从不足 5% 到接近 30%，且单题成本仅几美元，这对 AI for Science 的落地想象空间影响不小。
Together AI 研究与产品博客AI 评分5454 Together AI 发布九篇 ICML 2026 论文，覆盖从 Agent 到 GPU kernel 的全栈研究
Together AI 为 ICML 2026（7 月 6 日至 11 日，首尔）带来九篇论文，按技术栈从 Agent 到 kernel 分层介绍。
OpenAI：官网动态精选AI 评分7878 OpenAI 预览新一代模型 GPT-5.6 Sol
OpenAI 发布了新一代模型 GPT-5.6 Sol 的预览信息。该模型被定位为下一代模型，目前仅公开了预览消息和标题，尚未披露具体技术细节、性能参数或功能特性。
推荐理由：GPT-5.6 Sol 不是一次常规升级，它把推理推到新高度，还引入了子代理模式。但美国政府要求有限预览，让这次发布多了点政治味道。
OpenAI：部署安全与系统卡精选AI 评分7171 OpenAI 发布 GPT-5.6 Preview 系统卡，Sol、Luna、Terra 在生化领域被 precautionarily 判为 High 能力
OpenAI 发布 GPT-5.6 Preview 系统卡，将家族三个成员 Sol、Luna、Terra 在生物化学领域预防性判定为 High 能力，但均未达到 Critical。
推荐理由：系统卡披露了 GPT-5.6 家族的生化和网络安全能力评估细节，读者可以据此了解 OpenAI 如何划定 High 与 Critical 阈值并部署防护。
Google Research：Blog精选AI 评分5555 冻结多token预测加速Pixel上的Gemini Nano模型
Google Research提出一种新架构，在已冻结的Gemini Nano v3模型上改造Multi-Token Prediction（MTP），以加速Pixel 9和10系列上的设备端推理。该方法基于EAGLE框架和CALM，无需单独训练占用内存的草稿模型，通过“晚期退出”策略实现加速。AI通知摘要和校对功能因此生成文本速度显著提升、能耗降低，开发者无需为每个新任务微调独立模型。
推荐理由：谷歌这篇技术博客值得端侧开发者细读，他们把多令牌预测硬是装进了已部署的 Nano 模型，Pixel 上生成加速五成，还省了 130MB 内存，零拷贝架构的想法挺巧，但没法直接复现，主要是开脑洞用的。
LMSYS Blog精选AI 评分5858 SGLang 引入 Waterfill 与 LPLB 提升 DeepEP MoE 负载均衡
SGLang 为 DeepEP MoE 推理新增两种调度时负载均衡方法：Waterfill 将共享专家分配给负载更低的 rank，在 DeepSeek-V3/R1 服务负载下使总吞吐量提升 1.48% 至 4.66%，在 DeepSeek V4 上最佳点从 49,253 tok/s 提升至 51,677 tok/s（+4.92%）；LPLB 基于线性规划优化冗余专家副本的 token 路由，配合 EPLB 在相同集群上实现吞吐量提升 0.84% 至 7.34%。
推荐理由：SGLang 引入 Waterfill 和 LPLB 两种负载均衡算法，实测 DeepSeek V3/R1 和 V4 吞吐提升最高 7%，用 SGLang 跑 MoE 推理的开发者值得一试。