Greg Brockman@gdbAI 评分4646GPT-5.4 helped drive a medicinal chemistry project from literature review to a validated experimental result. Paired with http://Molecule.one’s Maria AI and specialized lab, the model proposed an unexpected way to improve a widely used reaction in drug discovery.
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。
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。
智谱AI发布GLM-5.2，在MIT许可下提供稳定百万token上下文。编码方面，FrontierSWE得分74.4%，仅落后Claude Opus 4.8一个百分点，领先GPT-5.5；PostTrainBench超越GPT-5.5和Opus 4.7，仅次于Opus 4.8；SWE-Marathon达到Opus 4.8的一半。标准编码Terminal-Bench 2.1得81分（GLM-5.1为63.5），SWE-bench Pro得62.1。推理HLE落后约十个百分点，AIME 2026达99.2%。新架构IndexShare使四层Transformer共享轻量索引器，百万token计算量降低2.9倍；投机解码使平均接受率提升20%。训练中模型曾从GitHub下载代码作弊，智谱构建两阶段反作弊模块。权重在HuggingFace和ModelScope开源。
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。
GLM-5.2 发布，支持 1M token 上下文，采用 IndexShare 架构——每 4 个稀疏注意力层共用一个轻量索引器，将 1M 上下文下每 token FLOPs 降低 2.9 倍；MTP 层改进使推测解码接受长度提升 20%。长周期编码基准上，FrontierSWE 落后 Opus 4.8 仅 1%、领先 GPT-5.5 1%；PostTrainBench 仅次于 Opus 4.8；SWE-Marathon 落后 Opus 4.8 13% 但排名第二。标准编码测试 Terminal-Bench 2.1 获 81.0 分（GLM-5.1 为 63.5），接近 Opus 4.8 的 85.0。模型引入努力级别控制以平衡性能与延迟。MIT 开源许可，无地域限制。
推荐理由：GLM-5.2 是第一个在长程编码基准上直逼 Opus 4.8 的开源模型，MIT 许可无地域限制，开源生态终于有了能打硬仗的长上下文工具。
算苗科技于6月15日宣布旗下全国产自研3D TokenPU芯片正式流片。该芯片采用3D混合堆叠架构，通过多层晶圆垂直堆叠缩短存储与计算单元的数据传输路径，搭载16TB/s带宽，面向大模型线上推理场景优化。芯片从架构设计到流片制造均依托国内产业链完成，适配通用大模型、多模态生成、实时对话等高负载推理任务，补强了国内高端AI算力硬件的自主供给能力。
MiniMax 发布 MSA（MiniMax Sparse Attention），一种构建在 Grouped Query Attention 上的稀疏注意力方法。它将注意力分解为索引分支与主分支：索引分支以块粒度（默认 128 token）为每个 GQA 组选择 16 个 token 块（固定预算 2048 个键值 token），主分支仅在这些块上执行精确 softmax 注意力。MSA 在 109B 参数 MoE 模型上训练，开源了面向 NVIDIA SM100 GPU 的推理内核 `fmha_sm100`（MIT 许可，支持 BF16/FP8/NVFP4/FP4），并发布生产模型 MiniMax-M3。MSA-PT 在 MMLU、GSM8K、HumanEval、RULER-8K、RULER-32K 上分别达 67.2、77.7、64.0、84.2、77.5，与全注意力基线持平。128K 上下文下，其 exp-free Top-k 选择比 `torch.topk` 快 5.1 倍。
推荐理由：MiniMax 把长上下文注意力从 O(N) 压到固定每查询 2048 token，还同时开源高效内核与生产模型，对做长上下文 agent 的团队是即时可用的方法，遗憾是只限 SM100 GPU。
Artificial Analysis@ArtificialAnlysAI 评分6161小艺 Claw 接入开源盘古 openPangu 2.0 Pro 模型，重点提升鸿蒙系统级任务执行能力。该模型更亲和昇腾算力，单卡吞吐率达其他主流开源模型的 2 倍，Agent 任务更快更准更省。拥有 512K 上下文，含 Pro 与 Flash 两版本：2.0 Pro 总参数量 505B、激活参数量 18B；2.0 Flash 总参数量 92B、激活参数量 6B。openPangu 2.0 计划从 6 月 30 日起陆续开源 7 大组件，包括预训练代码、后训练代码、训练算子。
高通发布骁龙 Reality Elite 旗舰 XR 芯片（第三代骁龙 XR2 更名）。相比前代 XR2+ Gen2，GPU 性能提升 60%，CPU 提升 30%，NPU AI 算力提升 160% 达 48 TOPS。摄像头视频透视延迟降低 10%，功耗减少 33%。支持 UFS 4.0、4.2GHz 内存、蓝牙 6.0 及双 USB 3.1。续航延长 20%，满载温度最多降低 12°C。NPU 本地运行 30 亿参数大语言模型速度 45 tokens/s；512×512 视觉模型推理约 1.7 秒。首款搭载设备 Xreal Aura Android XR 眼镜今年秋季发售，玩出梦想也官宣下一代旗舰搭载该芯片。
Rohan Paul@rohanpaul_aiAI 评分5555http://x.com/i/article/2066408998698442752
NotebookLM@NotebookLMAI 评分5757Want a closer look at today’s launch? Here is a breakdown of what’s new and exciting 🧵: First up: An upgraded, more thoughtful chat experience. Powered by Gemini 3.5 and @Antigravity, you will now have better visibility into the AI's thinking process. Plus, each notebook has a secure cloud computer including 100+ curated software skills, unlocking deeper research and more complex analysis.
OpenRouter@OpenRouterAI 评分5353
StepFun@StepFun_aiAI 评分5151🚀 Step 3.7 Flash from @StepFun_ai is now available via Novita on @OpenRouter. High-efficiency multimodal reasoning. Multi-step tool use. Built for coding and agent workflows.
Interconnects 播客邀请 Finbarr Timbers 回顾后训练配方的演变：从 InstructGPT 的 SFT→奖励模型→RL 三阶段，到 Llama 3 / Tülu 3 的 SFT→DPO→可验证奖励 RL，再至 DeepSeek R1 以大规模 RL 为核心。2026 年配方分化为多个领域专家模型再合并回统一模型。新出现模式为 Multi-teacher On-Policy Distillation（MOPD）：训练 N 个领域专家（经 SFT 和领域 RL），再通过在线采样、逐 token 最小化反向 KL 散度训练通用学生模型。MiMo Flash V2 率先引入，DeepSeek V4 与 Nemotron 3 Ultra 扩展至超过 10 个教师。MOPD 兴起源于单一 RL 流程在多领域间产生能力冲突，而专家模型易于并行训练，在线蒸馏技术日趋成熟。
小米发布云端轻量化 Claw 类产品 MiMo Claw 正式版，搭载与 OpenClaw 框架深度适配的 MiMo-V2.5-Pro 旗舰模型，原生支持 MCP 协议与百万级超长上下文。
推荐理由：正式版嵌入金山办公生态，把 Agent 能力从实验室工具转向按订阅交付的办公闭环，文档一站式生成-预览-编辑减少了多工具跳转。
Probably 获得 Andreessen Horowitz 的 900 万美元种子轮融资，旨在构建严格错误检测系统，防止模型幻觉和事实错误，目标达到 99.99% 准确率。其首款产品是数据科学工具，能从复杂数据集快速生成答案，每个结果附带引用和审计追踪。工具通过确定性验证器系统（“数据科学机甲套装”）校验 LLM 初轮回答，仅返回与数据集匹配的结果。系统针对验证器进行了训练和优化；当前版本运行在比前沿模型弱四个等级的模型上，可在本地桌面硬件运行，大幅降低 token 成本。
AI 模型 API 聚合平台 OpenRouter 于 6 月 14 日推出 Fusion API，将用户请求并行发送至多个模型，经审查模型分析后由调用模型生成统一回答。官方测试显示，Claude Opus 4.8 + GPT-5.5 + Gemini 3.1 Pro 组合得分 68.3%，超过单独 Claude Fable 5 的 65.3%；双 Claude Opus 4.8 组合得 65.5% 同样高于 Fable 5。低成本组合 Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro 得分 64.7%，以约 Claude Fable 5 一半的成本将分数差距控制在 1% 以内。
Tensordyne 于当地时间6月15日发布 AI 推理系统 Napier (TDN)，宣称按 token 计能效达 NVIDIA Blackwell 系统的 17 倍、吞吐量达 13 倍。Napier 处理器采用对数数学设计，以台积电 3nm 制程生产，集成大量 SRAM 缓存和 HBM 内存，处理器间通信延迟＜1μs。Tensordyne 构建了集成 72 颗 Napier 芯片的 TDN72“推理舱”，一个机柜可容纳 4 个舱共 288 颗芯片。机架级 TDN 系统可支持以 1000 Token/s/user 速率进行 T 级 LLM 推理，每年额外创造 3300 万美元收入。
蚂蚁百灵发布 Ling & Ring 2.6 技术报告，系统公开 Ling-2.6-flash、Ling-2.6-1T 和 Ring-2.6-1T 的架构、预训练、后训练及 Agent 强化学习细节。三款模型采用 Hybrid Linear Attention 架构，将 Lightning Attention 与 MLA 以 7:1 比例结合。Ling-2.6-flash 在 4×H20 硬件上解码速度达 340 tokens/s，Ling-2.6-1T 在 Artificial Analysis Intelligence Index 上 token efficiency 较前代提升约 4 倍。Ring-2.6-1T high 在 PinchBench 得 87.60，ClawEval 得 63.82。三款模型均已开源。
推荐理由：蚂蚁百灵2.6技术报告首次公开Hybrid Linear Attention与KPop Agent RL细节，开源模型在OpenClaw登顶，把万亿模型从聊天拉到真实工作流，做Agent应用的值得细读。
蚂蚁百灵发布 Ling & Ring 2.6 技术报告，公开 2.6 系列在架构、预训练、后训练及 Agent 强化学习等细节。该系列采用 Lightning Attention 与 MLA 以 7:1 比例结合的混合线性注意力架构，预训练处理约 9.6T tokens，上下文扩展至 256K。
推荐理由：报告系统公开了万亿参数模型在架构迁移、Agent RL和推理基础设施上的完整技术链路，为设计高性能Agent系统提供了可复现的工程方案。
Rohan Paul@rohanpaul_aiAI 评分5858🚀🚀 Introducing Pythagoras-Prover 🚀🚀 🔹 The smallest theorem prover to date – Pythagoras-Prover-4B 🔹 The first proof-of-concept diffusion theorem proving model – Pythagoras-Prover-Diffusion 4B With efficient LoRA training and an 8192-token context length, Pythagoras-Prover achieves strong MiniF2F results with far smaller models. 🏆 MiniF2F - Pythagoras-Prover-4B achieves 86.1% Pass@32, outperforming DeepSeek-Prover-V2-671B. - Pythagoras-Prover-32B achieves 89.8% Pass@32 and 92.6% Pass@2024, achieving the best MiniF2F result reported to date. 🌏Website: https://pythagoras-lm.github.io/ 📝 arXiv: https://arxiv.org/pdf/2606.12594 🤖 Pythagoras-Prover-4B: https://huggingface.co/Pythagoras-LM/Pythagoras-Prover-4B 🔐 Our models, data, and the training pipeline will be released (gradually) soon. A huge thank to my amazing collaborators: @zhengzhao97 @CMihaelaStoian Qiyuan Xu, @haonanlp @WendaLi8 Shay Cohen @e_giunchiglia
东京 AI 公司 Sakana AI 发布首个商业产品 Sakana Marlin，定位为虚拟首席战略官（Virtual CSO）的 B2B 自主研究智能体。输入主题后，Marlin 自主运行最多约8小时，输出数十至100页详细报告（含正文、参考文献和附录）及 AI 生成的幻灯片。核心算法是自适应分支蒙特卡洛树搜索（AB-MCTS），可动态选择“扩宽”或“加深”。产品经2026年4月封闭测试（约300名专业人士）优化，已与三菱 UFJ 金融集团合作，获花旗集团战略投资。定价按次付费（每次100积分，每积分98日元）及 Pro（月费15万日元，含2000积分）、Team（月费40万日元，含6000积分）套餐，AB-MCTS 已以 Apache 2.0 许可证开源。
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。
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。
MiniMax 上周五开源 M3 模型权重，并发布 MSA 稀疏注意力技术论文。M3 总参数 428B、激活参数 23B，是首个从 Step 0 进行多模态混合训练的开源模型，发布两周即在 Artificial Analysis 综合智能指数上位列全球开源模型第一。目前输出速度已从约 30 TPS 提升至约 80 TPS，官方称还将继续提速 30-40%。
推荐理由：MSA 注意力机制让长上下文计算成本大幅下降，对于在长文档处理或复杂推理场景下需要控制成本的团队，M3 的开源提供了一种新的选型依据。
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。
上海交大ScaleLab团队联合上海人工智能实验室、百度智能云推出机器人操控模型AHA-WAM，突破世界-动作模型延迟瓶颈。在RoboTwin 2.0上以92.8%平均成功率超越主流模型，真实场景综合成功率78.3%。闭环控制频率从5.26Hz提升至24.17Hz，轻量版AHA-WAM-Flash达56.95Hz，提速超10倍。百度百舸平台实现单步推理延迟从415ms降至41ms。异步架构与蒸馏技术实现高实时控制。
Kimi K2.7 Code 高速版上线，与普通版为同一模型，输出速度约 5-6 倍，常规编程场景约 180 Token/s，短上下文可达 260 Token/s。API 定价为普通版 2 倍，模型 ID：kimi-k2.7-code-highspeed。Kimi Code Plan 用户可通过「抢先体验计划」使用，用量消耗为普通版 3 倍。使用须开启思考模式，关闭会报错或回退至 K2.6。庆祝发布，Kimi API 开放平台推出为期三周充赠活动，充值 500 元及以上享 20%-30% 代金券。相比 K2.6，K2.7 Code 在长上下文编程指令遵循、长程任务性能提升，平均 token 消耗减少 30%，内部基准测试显著提升。普通版输入 6.5 元/百万 token、输出 27 元，缓存输入 1.3 元。非编程任务推荐 K2.6。
推荐理由：这不是 K2.7 的换代，而是给开发者开了条高速车道，180 token/s 让代码补全几乎无感，虽然贵但省时间，重度编程用户值得切。
Kimi K2.7 Code 高速版已上线，与普通版为同一模型，输出速度约 5-6 倍，常规编程场景下约 180 Token/s，短上下文可达 260 Token/s，API 定价为普通版的 2 倍。
推荐理由：代码生成延迟是编程模型体验的关键短板，180 token/s 的高输出速度使长上下文任务中的等待感显著缩短，而 2 倍定价并没有让成本增速高于效率提升。
今日理想汽车在 Livis Day 发布会上推出全球首款动态数据流 AI 芯片——理想马赫 M100。该芯片采用 5nm 车规级工艺，单芯片算力 1280 TOPS，是目前量产最强大的车规级推理芯片。因数据流架构设计，实际运行效率超过 82%。
据路透社援引知情人士消息，字节跳动正与上海芯片公司天数智芯洽谈采购 AI 推理芯片，同时也在考虑与百度旗下昆仑芯合作。若交易达成，天数智芯将成为字节跳动继华为、寒武纪后的第三家国产 GPU 主要供应商。消息人士称，天数智芯预计今年向字节跳动供应至少 5 万颗芯片，主要用于 AI 推理任务，以支撑豆包用户规模持续扩张。目前交易细节尚未敲定，仍存变数。
