Ai2 对比 Olmo 3 与 Olmo Hybrid：混合模型在哪些 token 上预测更好
Ai2 对比 Olmo 3 与 Olmo Hybrid 的逐 token 预测差异，发现混合架构在名词、动词、形容词等实义词及需指代消解的 token 上损失更低（约 0.04 对 0.02），而在逐字复现前文内容和闭合括号等场景优势接近消失，这些场景恰是 attention 的强项。
#推理
Ai2 / Allen Institute for AIAI 评分5353 Modal 官方工程博客AI 评分5656 Modal 发布 Serverless Servers，p50 请求延迟从 39ms 降至 6ms
Modal 推出 Servers，用于以超低延迟处理 HTTP、WebSocket 和 gRPC 流量，面向交互式 Agent 的 LLM 推理等场景，提供区域化、自动扩缩容的 HTTP 服务器副本池。
Google Research：Blog精选AI 评分6969 思考即回忆：推理如何解锁LLM中的参数化知识
Google Research研究发现，推理（chain-of-thought）能帮助大语言模型（LLM）回忆简单事实，即使这些事实无需复杂推导。在Gemini-2.5 Flash和Pro以及Qwen3-32B上，启用推理后模型能够回答原本无法直接回答的简单问题，pass@k显示正确事实存在于输出分布中。该现象由两个机制驱动：一是生成的推理token充当计算缓冲，允许模型进行隐藏计算以提取参数化知识；二是推理过程中产生的相关事实起到启动效应（factual priming），帮助模型激活正确答案。
推荐理由：发现一个反直觉现象，让模型推理能提升简单事实回忆，不是靠分步解题而是计算缓冲和事实预热，对理解模型知识召回机制很有启发，但中间步骤幻觉也带来风险。
腾讯混元：Research精选AI 评分8080 Hy3 preview：混元大模型重建的第一步
2026年4月23日，腾讯混元发布并开源 Hy3 preview 语言模型。该模型为快慢思考融合的混合专家模型，总参数295B，激活参数21B，支持256K上下文。在复杂推理、指令遵循、上下文学习、代码与智能体能力上大幅提升，在 SWE-Bench Verified、Terminal-Bench 2.0、BrowseComp 等基准中取得强竞争力结果。模型已在元宝、CodeBuddy 等产品上线，API 个人版 Token Plan 最低 28 元/月。权重和代码已在 GitHub、HuggingFace 等平台开源，支持 vLLM、SGLang 等推理框架。
推荐理由：混元重建后的第一个模型 Hy3 preview，快慢思考融合，推理和代码智能体提升明显，开源加低价格，国内开发者做 agent 的可以马上试起来。
OpenAI：官网动态精选AI 评分6161 OpenAI 与 Broadcom 联合发布 LLM 推理芯片 Jalapeño
OpenAI 与 Broadcom 发布首款自研推理加速器 Jalapeño，专为当前及未来 LLM 从头设计。早期测试显示，其性能功耗比大幅优于现有 SOTA。工程样片已在实验室以目标频率和功耗运行 GPT‑5.3‑Codex‑Spark 等负载。芯片从设计到流片仅用 9 个月，并利用 OpenAI 模型加速部分流程。OpenAI 计划从 2026 年起与 Microsoft 等合作伙伴部署千兆瓦级数据中心，推出多代计算平台。
推荐理由：OpenAI 首次亲自设计芯片，和 Broadcom 联手推出专为 LLM 推理优化的 Jalapeño，从设计到流片仅 9 个月。虽然还只是早期测试，但性能功耗比大幅领先，一旦大规模部署，推理成本可能跳水，用 ChatGPT 的每个人都能感知到更快更便宜。
Inception Labs：Blog精选AI 评分6868 Inception Labs 推理模型 Mercury 2 上架 Azure AI Foundry
Inception Labs 宣布 Mercury 2 在 Azure AI Foundry 上线，称其为基于扩散架构的快速推理语言模型，通过并行细化生成而非逐词解码。
推荐理由：官方宣布扩散架构推理模型登陆 Azure，给出具体速度、价格和企业级部署细节，可供评估生产部署选项。
Modal 官方工程博客AI 评分5252 Modal 发布 Auto Endpoints 并详解用投机解码实现 SOTA 推理延迟
Modal 推出 Modal Auto Endpoints，一键获得高性能低延迟推理部署，且不失去对代码的控制。
OpenAI：官网动态精选AI 评分7272 OpenAI与哈佛等合作研究：o3 Deep Research模型辅助诊断儿童罕见病，额外诊断率4.8%
波士顿儿童医院、哈佛大学与OpenAI合作，在《NEJM AI》发表研究。团队使用OpenAI o3 Deep Research推理模型重新分析376例此前未确诊的罕见病案例，产出基于证据的候选解释。经专家评审、额外检测和临床确认，医生在18例中建立诊断，额外诊断率达4.8%。研究显示，AI辅助工作流可帮助专家在未解病例中生成可检验假设，使定期再分析更具可扩展性。模型不直接诊断或做临床决策，仅提供证据链供专家审查。
推荐理由：这是AI辅助罕见病诊断的严肃实证，4.8%的新诊断率在专家反复分析过的病例里相当扎实。虽然离临床落地还很远，但证明推理模型能帮专家从旧数据里挖出新线索。
xAI：News精选AI 评分6161 Grok 4.3 在 Amazon Bedrock 正式可用
6 月 17 日，xAI 宣布 Grok 4.3 在 Amazon Bedrock 上全面可用。该模型在前沿模型中达成最低幻觉率，支持 100 万 token 上下文窗口，并提供可配置推理努力（none/low/medium/high）。在 Artificial Analysis Omniscience 基准排名第一，在 Tau2 Telecom 基准评估客服智能体真实工具调用性能排名第一，在 Vals AI Case Law 和 Corporate Finance 基准的复杂文档理解任务排名第一。定价为输入每百万 token 1.25 美元、输出每百万 token 2.50 美元，每美元智能度是其他前沿模型的 2–10 倍。
推荐理由：Grok 4.3 登陆 Bedrock，把极低幻觉率和可配置推理带给了 AWS 用户，价格也摆在了 Pareto 前沿，不过本质上是一次渠道扩展而非模型突破，企业开发者可以尝鲜。
LMSYS Blog精选AI 评分6969 用SGLang-JAX在TPU上优化Ling-2.6-1T：一个Pallas核将MoE数据移动隐藏在计算中
SGLang-JAX现已支持inclusionAI的Ling-2.6-1T（1T稀疏MoE，63B激活参数，256路由专家，top-8路由加共享专家）在TPU v7x上高效推理。团队开发了Fused MoE V2——一个融合scatter、专家FFN和gather的Pallas核，通过将MoE数据移动隐藏在计算中，使MoE预填充延迟从5.16ms降至2.42ms（降幅53%），解码核延迟从0.249ms降至0.211ms（降幅约15%）。仅替换MoE核即提升预填充吞吐量24.8%，解码吞吐量18.5%–35.3%。在SGLang解码基准测试中，16块TPU v7x芯片输出吞吐量达16块H200 GPU的1.29倍（mc=128）至1.77倍（mc=512）。完整上线还包含混合KV/循环内存池、GLA线性注意力和单控制器数据并行支持。
推荐理由：这是针对TPU上MoE推理的硬核优化复盘，用成本模型定位瓶颈，通过单内核融合把延迟砍半，对做大规模推理工程的团队是高质量参考。
Google Blog：AI精选AI 评分5555 Google 医学推理 AI 系统 AMIE 新研究：从诊断迈向长期疾病管理
今日发表在《自然》杂志上的研究展示了 Google 的医学推理 AI 系统 AMIE（Articulate Medical Intelligence Explorer）从单次诊断对话演进到长期疾病管理的能力。AMIE 利用 Gemini 模型的长上下文能力，整合共情对话智能体和深度思考管理推理智能体，可交叉引用数百页临床指南。在盲测中，AMIE 与 21 名初级保健医生相比，在整体管理推理上匹配临床医生，在计划精确性和指南一致性上得分显著更高。
推荐理由：Google 把医疗 AI 从一次诊断推到了长期疾病管理，Nature 上的对照实验显示它在计划精确性上甚至优于初级保健医生，做数字健康的人值得认真读一下。
LMSYS Blog精选AI 评分6767 下一代投机解码：DFlash 与 Spec V2
Z Lab、Modal 与 SGLang 团队联合发布 DFlash 投机解码模型和 SGLang 的默认 Spec V2 引擎。DFlash 采用块扩散+KV 注入并行生成整块 draft token，在 Qwen 3.5 397B-A17B（BF16）的 HumanEval 数据集上、并发 1 时吞吐量达到基线的 4.3
推荐理由：DFlash 用并行起草和 KV 注入实现了实测 4.3 倍吞吐，再加上 SGLang Spec V2 引擎优化，推理加速不再是纸上谈兵。做 LLM 部署和推理服务的人，可以直接用这个组合试试。
Berkeley RDI：Blog精选AI 评分6868 SageCTF：最强大CTF挑战AI智能体
UC Santa Barbara与UC Berkeley团队基于OpenSage框架构建了CTF专用智能体SageCTF。在DEF CON CTF 2026资格赛中，SageCTF以单人玩家身份尝试15道挑战，成功攻克7道、恢复8个flag，总计1,743分，排名前5%，超越全部自评“不使用AI”或“低AI”的175支团队。在50道近期CTF挑战的对比测试中，SageCTF以Claude-Opus-4.6为主模型，在相同预算（每道$200/10小时）下解出39道，而Claude Code仅解出13道，且Claude Code的解出全部被SageCTF覆盖。技术核心包括AI自生成拓扑、多智能体通信、分层记忆及多模型协同编排。
推荐理由：SageCTF 在 DEF CON CTF 排进前 5%，是 AI agent 在顶级安全竞赛中的首次重大突破。OpenSage 的自构建多智能体架构和十小时持续探索的能力，给做复杂推理工具的人提供了真参考。
Cloudflare BlogAI 评分5050 Cloudflare 引入 Ensemble AI 团队，加速 AI 基础设施研发
Cloudflare 宣布 Ensemble AI 团队关键成员加入，以加速 AI 基础设施研发。Ensemble 专注于模型压缩与高效推理，开发了 NdLinear（可直接替换 Transformer 标准线性层并保持多维激活结构）和 NdLinear-LoRA（降低大模型微调所需可训练参数）。这些技术与量化等方法互补，旨在降低大语言模型和多模态架构的内存、计算与部署开销。Cloudflare 将把 Ensemble 的成果整合到 Workers AI 平台，通过全球网络与 serverless GPU 推理服务，进一步提升推理效率、GPU 利用率和部署经济性。
OpenRouter：Announcements精选AI 评分7373 OpenRouter融合预算模型面板超越GPT-5.5和Claude Opus 4.8
通过OpenRouter融合的一组预算模型，在100个复杂研究任务上得分超过GPT-5.5和Claude Opus 4.8。
推荐理由：OpenRouter 的 Fusion API 用多个模型合成输出，基准测试里预算模型组合能接近前沿，这个思路对有质量要求又在意成本的开发者挺实用。
vLLM 官方博客精选AI 评分7070 vLLM 发布 MiniMax M3 Day-0 支持：1M 上下文多模态推理
vLLM 宣布对 MiniMax M3 的 day-0 支持，覆盖 BF16 与 MXFP8 检查点，支持 1M-token 上下文、原生图像视频输入、minimax_m3 工具与推理解析器、EAGLE3 推测解码（草稿模型 Inferact/MiniMax-M3-EAGLE3）以及 TP/EP 部署和 Docker 镜像。
推荐理由：官方团队拆解了 MSA 稀疏注意力、MXFP8 MoE 与 EAGLE3 在推理引擎中的落地细节，部署者可以照此选择 NVIDIA 或 AMD 配置并理解瓶颈所在。
OpenRouter：AnnouncementsAI 评分5656 OpenRouter：多模型路由成趋势，成本压力驱动企业从单一LLM转向跨模型推理
OpenRouter数据显示，企业正从单一LLM转向跨模型族推理，成本压力是推动路由决策的关键。Anthropic的Opus 4.7因tokenizer tax导致输入token增加约35%；新模型Fable（$10/M输入，$50/M输出）和OpenAI的GPT-5.5 Pro（$30/M输入，$180/M输出）定价更高。3月至4月间有90个新模型发布，进一步增加了可选性。
OpenRouter：Announcements精选AI 评分6464 Gemini 2.5 Flash API - 定价、快速入门与提供商比较
Gemini 2.5 Flash API 支持配置思考预算（thinking budgets），用户可跨提供商进行比较，并在5分钟内完成首次API调用。
推荐理由：这是 OpenRouter 上接入 Gemini 2.5 Flash 的保姆级指南，把三家 Google 提供商的延迟和定价差异摆在明面上，需要做模型选型和成本估算的开发者可以直接抄里面的 quickstart 代码。
Google DeepMind：Blog精选AI 评分7272 DiffusionGemma：文本生成速度提升4倍的开源扩散模型
Google DeepMind 发布开源实验模型 DiffusionGemma，采用文本扩散技术，突破自回归逐 token 生成方式，每次前向并行生成 256 个 token。该 26B MoE 模型推理时仅激活 3.8B 参数，量化后适配 18GB 显存消费级 GPU。在 H100 上达 1000+ tokens/s，RTX 5090 上 700+ tokens/s，速度提升 4 倍。具备双向注意力和自我修正能力，面向内联编辑、代码填充等本地交互工作流，以 Apache 2.0 许可证开放。
推荐理由：DiffusionGemma 虽为实验性质，但它把文本生成从“串行打字机”变成了“并行印刷机”，本地推理速度 4 倍提升，对需要实时交互的开发者是个值得关注的方向。
Google Developers BlogAI 评分7878 DiffusionGemma 开发者指南
DiffusionGemma 是 Google 基于 Gemma 4 架构的实验性文本生成模型，采用扩散式并行生成替代逐 token 自回归，实现更快推理、双向上下文感知和实时自我修正，并可在消费级 GPU 上部署。模型通过迭代去噪并行生成并细化 256-token 块，在处理数独等复杂约束任务上优于传统语言模型，且微调效果显著。它已集成 vLLM 等推理框架，为开发者提供一种高性能、高效长上下文扩展且易于定制部署的非自回归新方法。
vLLM 官方博客精选AI 评分6464 vLLM 原生支持 Google 首个扩散语言模型 DiffusionGemma
vLLM 宣布原生支持 Google DeepMind 的 DiffusionGemma，一个基于 Gemma4 骨干、26B 参数的离散扩散语言模型，也是 vLLM 支持的首个 dLLM。
推荐理由：vLLM 与 Google DeepMind 合作方联合撰写，官方说明首个支持 dLLM 的架构改动与吞吐数据，可了解扩散语言模型的部署路径。
OpenRouter：Announcements精选AI 评分6060 Gemini 2.5 Flash API：定价、快速入门与提供商对比
Gemini 2.5 Flash API 的定价与快速入门指南，指导用户配置 thinking budgets、比较不同提供商，并在 5 分钟内完成首次 API 调用。
推荐理由：Gemini 2.5 Flash 最值得关注的是 thinking budget，这篇教程把怎么用、怎么省都讲清楚了，但对早已熟悉文档的开发者来说新东西有限。
vLLM 官方博客AI 评分5151 vLLM 社区发布 RL 后训练框架 vime，连接 Megatron 与 vLLM
vLLM 社区发布开源 RL 后训练框架 vime，基于 slime 训练栈，将 Megatron 训练与 vLLM 推理 rollout 接入统一管线，采用 Apache 2.0 协议。
OpenAI：官网动态精选AI 评分7474 OpenAI 公布让 AGI 造福所有人的计划
OpenAI 发布计划，阐述让 AGI 造福所有人的愿景。该计划聚焦于 AI 的可及性、安全性和共享繁荣，确保技术进步惠及每个人。
推荐理由：Altman 和 Pachocki 把 OpenAI 的下一步讲清楚了，2028 年让 AI 做大部分研究的内部目标很具体，这比任何产品发布都更能说明他们对 AGI 的判断。
小米 MiMo：官网发布与博客精选AI 评分7474 小米 MiMo-v2.5-Pro-UltraSpeed 发布：1T 参数模型，每秒 1000 token
小米在 6 月 8 日发布 MiMo-v2.5-Pro-UltraSpeed 模型，拥有 1T 参数规模，推理速度达到每秒 1000 个 token。该模型来自小米旗下的 mimo.xiaomi.com 项目。
推荐理由：小米把万亿模型推上 1000 tokens/s，不是纸面速度，而是模型与系统深耦合的结果，对实时推理和编程智能体是真正可落地的信号。限时申请有点可惜，但开源部分值得关注。
MiniMax：Blog精选AI 评分7676 MaxProof框架：MiniMax M3在IMO 2025和USAMO 2026超越人类金牌线
MiniMax M3采用MaxProof框架，在IMO 2025和USAMO 2026两项数学奥赛基准上超越人类金牌线。框架分三阶段训练：Proof RL使用生成式验证器提供奖励，进行长程强化学习提升证明生成能力；Verifier Alignment将验证对齐为错误定位任务；Refinement Augmentation利用训练中产生的错误证明与验证分析对，通过拒绝采样微调修复能力。三者合并为M3通用模型。系统通过低假阳性率过滤噪声，保证RL稳定性。
推荐理由：M3在数学奥赛上搞定人类金牌，靠的是用生成验证器做RL和进化搜索，这套组合对复杂推理任务的普适性可能比提高一个benchmark分数更有价值。
LMSYS BlogAI 评分8181 SGLang 和 Miles 即日支持 NVIDIA Nemotron 3 Ultra
SGLang 与 Miles 在发布首日即支持 NVIDIA Nemotron 3 Ultra。该模型为开放前沿推理模型，总参数 550B、激活参数 55B，采用混合 Transformer-Mamba 架构的 MoE，支持最长 1M token 上下文。针对长运行自主智能体优化，具备工具调用、编码、深度研究与编排能力，后训练使用多环境强化学习（NeMo RL）。SGLang 提供高性能推理，支持 NVFP4 和 BF16 精度，NVFP4 检查点可在 Blackwell GPU 运行；Miles 支持强化学习工作流。模型权重、数据与配方均开源。在智能体生产力、指令遵循与长上下文任务上准确率领先，成本节省高达 30%。
OpenRouter：Announcements精选AI 评分5858 OpenRouter 横评 11 款 LLM 机器人冲刺对决：Claude 与 Grok 谁更胜一筹？
OpenRouter 在 30 场机器人冲刺对决中测试了 11 款大语言模型，共耗 482 美元推理成本。结果指向一个发现：应该重新审视模型 benchmark 的解读方式。
推荐理由：第一次看到对齐税被游戏化量化，Grok能赢是因为它没被训练成好人，Claude总想组队则拖后腿，怎么选模型得看你想要哪种人。
vLLM 官方博客精选AI 评分6161 NVIDIA 发布开源推理模型 Nemotron 3 Ultra，vLLM 提供 Day-0 支持
NVIDIA 发布开源模型 Nemotron 3 Ultra，采用 Hybrid Transformer-Mamba MoE 架构，总参数 550B、激活 55B，上下文最长 1M token，主打长时程自主智能体工作流，vLLM 提供 Day-0 支持。
推荐理由：原文给出架构细节、部署配置和与 GLM 5.1、Kimi K2.6、Qwen3.5 的基准对比，读者可据此评估其在长时程智能体工作流中的适用性。
OpenAI：官网动态精选AI 评分6666 GPT-Rosalind 新功能发布
GPT-Rosalind 在生命科学研究领域推出新功能，增强了生物推理、药物化学专业知识、基因组学分析以及实验工作流处理能力。
推荐理由：GPT-Rosalind 把 GPT-5.5 的智能带进了生命科学核心流程，从分子设计到 FDA 审评准备都能直接参与，是行业模型走向实用化的一个关键节点，虽然现在只对机构开放，但未来可能重塑药物研发工具链。
vLLM 官方博客精选AI 评分6161 vLLM 与 DeepLearning.AI 推出免费课程《Fast & Efficient LLM Inference with vLLM》
vLLM 与 Red Hat、Andrew Ng 的 DeepLearning.AI 联合推出免费课程《Fast & Efficient LLM Inference with vLLM》，约 1.5 小时，含 9 节视频和 3 个 JupyterLab 动手实验。
推荐理由：课程覆盖压缩、部署、基准测试全流程，用可视化讲清 KV cache 和量化原理，并配三个可动手的实验。
Google DeepMind：Blog精选AI 评分8080 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Gemma 4 12B 是 Google DeepMind 最新推出的中等规模多模态模型，采用无编码器统一架构，原生支持音频输入。其基准测试性能接近 26B MoE 模型，但内存占用不到一半，仅需 16GB 显存或统一内存即可在消费级笔记本上本地运行。模型内置多 token 预测（MTP）drafter 以降低延迟，基于 Apache 2.0 开源许可发布，已累计超过 1.5 亿次下载。
推荐理由：统一无编码器架构让 12B 模型在消费级笔记本上跑出接近 26B 的多模态 Agent 体验，开源 + Apache 2.0，本地部署门槛又压低了。
Microsoft AI：官方博客精选AI 评分6060 Microsoft AI 阐述健康领域价值观实践，将与 Mayo Clinic 共建医疗前沿模型
Microsoft AI 发文阐述其在健康领域的价值观如何落实为产品与工程实践，称其消费级产品每天处理数千万条健康问题。
推荐理由：官方阐述微软 AI 在健康领域的价值落地，交代 Mayo Clinic 医疗模型合作与 Copilot Health 预览的进展。
蚂蚁 inclusionAI：HuggingFace 新模型精选AI 评分6161 蚂蚁 inclusionAI 开源万亿参数 MoE 基座模型 Ling-2.6-1T-base
Ling-2.6-1T-base 是蚂蚁 inclusionAI 开源的万亿参数 MoE 基座模型（总参约 1T，激活 63B）。它由 Ling-2.0-1T-base 升级而来，采用 Lightning Attention 与 MLA 以 7:1 混合的线性注意力架构，经约 9.6T token 的迁移预训练、持续预训练和中训练，上下文窗口从 4K 分阶段扩展至 256K。在 MMLU（86.82）、SimpleQA、LongBenchv2（43.54）等基准上超越前代。该模型仅供研究（继续预训练、微调、蒸馏等），不直接提供对话功能。
推荐理由：Ling-2.6 用混合线性注意力把万亿 MoE 基座模型的上下文能力推到了 256K，对于研究长上下文和 MoE 的团队是个有价值的基座，但它是未对齐的预训练模型，不能直接当对话助手用。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分5454 蚂蚁 inclusionAI 发布 Ling-2.6-flash-base 基础模型
Ling-2.6-flash-base 是蚂蚁 inclusionAI 发布的基础模型，采用闪速规模 MoE 与混合线性注意力架构（7:1 融合 Lightning Attention 与 MLA），总参数量约 104B、激活约 7.4B。模型从 Ling-2.0 检查点改造而来，经约 9.6T token 的迁移预训练、继续预训练和中段训练，上下文窗口从 4K 扩展至 256K。在知识、推理、数学、代码和长上下文基准上相比前代均有提升（如 MMLU 84.13，GSM8K 91.89）。该模型面向研究用途开放，支持继续预训练、微调和蒸馏，未经聊天对齐。
Microsoft AI：官方博客精选AI 评分6161 Microsoft 发布 MAI-Code-1-Flash 编码模型，基准全面超越 Claude Haiku 4.5
Microsoft 发布编码模型 MAI-Code-1-Flash，直接用生产环境 GitHub Copilot harness 训练，主打真实开发工作流而非仅优化基准。
推荐理由：官方说明了用生产环境 Copilot harness 训练和评测的思路，并给出与 Claude Haiku 4.5 的基准对比数据，可据此评估其在真实编码工作流中的价值。
Together AI 研究与产品博客精选AI 评分6161 Together AI 解析如何高效服务 MiniMax M3：1M token 上下文与多模态推理优化
Together AI 作为 MiniMax M3 的首选云合作伙伴，介绍了为该模型提供生产级推理服务的工程方案。M3 采用 MiniMax Sparse Attention 块稀疏注意力，使 prefilling 提速超 9x、decoding 提速超 15x，支持 1M token 上下文与原生多模态。
推荐理由：原文由服务方工程团队拆解 MSA 的内核优化与多模态网关预处理方案，给出可参考的长上下文推理工程路径和实测吞吐提升数字。
xAI：News精选AI 评分7878 xAI发布Composer 2.5
xAI的最新编程模型Composer 2.5现已在Grok Build中可用，用户可通过`/models`菜单选择使用。这是一款快速、先进的模型，擅长处理长时间运行的任务和复杂指令。该模型面向SuperGrok和X Premium+用户开放。
推荐理由：xAI 的 Composer 2.5 主攻长任务和复杂指令，如果你在用 Grok 搭 Agent，这模型值得切过去试试，可能比之前的编码模型更稳。
MiniMax：Blog精选AI 评分8383 MiniMax M3：前沿编码、100万token上下文与原生多模态一体模型
MiniMax M3 是一个开源前沿模型，具备先进的编码与AI智能体能力。它支持100万token的超长上下文窗口，并采用名为MSA（MiniMax Sparse Attention）的新型稀疏注意力架构。该架构使模型在100万token上下文下的每token计算成本降至前代的1/20，预填充速度提升9倍以上，解码速度提升15倍以上。在SWE-Bench Pro编码基准上，MiniMax M3得分59.0%，超越GPT-5.5和Gemini 3.1 Pro，性能接近Opus 4.7。该模型可通过MiniMax Code、Token Plan和API服务使用。
推荐理由：MiniMax M3 把开源模型的编码能力推到了 GPT-5.5 和 Opus 4.7 这条线上，还附带 1M 上下文和原生多模态，这是开源社区真正能打的前沿选项，做 Agent 的值得立刻跑一下。
vLLM 官方博客AI 评分5858 vLLM 在 NVIDIA DGX Spark 上的架构、配置与本地评测实践
Inferact 团队发布长文，讲解如何在 NVIDIA DGX Spark（GB10，128 GB 统一内存）上用 vLLM 本地部署 Nemotron-3-Super-120B-A12B-NVFP4。