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
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频临床问诊，可感知非语言线索、引导虚拟体格检查并同步进行诊断推理。研究采用异步多智能体架构，由三个专职智能体并行处理对话、推理与视听感知，以维持自然对话延迟。在 100 个场景、300 次实时问诊、30 名认证初级保健医生参与的随机 OSCE 研究中，临床评估者在病史采集、诊断准确性和沟通质量上给 AMIE (Video) 的评分与初级保健医生相当，在引导体格检查方面显著更高；患者演员更偏好视频界面。研究全部使用专业患者演员模拟场景，尚未在真实患者中验证。
匹配字段摘要
Nvidia 发布 Nemotron 3.5 Lightning 开源模型和 NeMo Switchyard 路由库，前者面向持续运行的智能体任务，官方称在同级中实现 4 倍吞吐、完成智能体任务速度提升 30%，并可在 Jetson、GeForce RTX、DGX Spark 和 DGX Station 上本地运行。Switchyard 让开发者自定义模型池、路由标准和策略，把推理密集型步骤交给前沿模型、把执行类任务交给 Lightning，官方称其以 Anthropic Opus 4.8 约三分之一成本取得更好准确率。Nvidia 同时公开训练数据与方法，并发布用于训练编码智能体的开放数据集 Nemotron-RL-Agentic-Terminal-Pivot。
匹配字段摘要
ALTK-Evolve 通过按模型能力调整指南投放量，在 AppWorld 内部对比中以更低推理成本取得与 ACE 相当或更好的准确率。强模型配置的成本约为 ACE 的 40%，弱模型以约七分之一成本获得 56.0 分，对比 ACE 的 54.8 分。两者都保留带计数的经验指南，但 ACE 每步注入完整 playbook，ALTK-Evolve 可选择性检索或投放完整集合。
ALTK-Evolve 通过按模型能力调整指南投放量，在 AppWorld 内部对比中以更低推理成本取得与 ACE 相当或更好的准确率。强模型配置的成本约为 ACE 的 40%，弱模型以约七分之一成本获得 56.0 分，对比 ACE 的 54.8 分。两者都保留带计数的经验指南，但 ACE 每步注入完整 playbook，ALTK-Evolve 可选择性检索或投放完整集合。 · ALTK-Evolve adjusts guideline delivery to model capability, achieving comparable or better accuracy than ACE at lower inference cost in an in-house AppWorld comparison. Its strong-model configuration cost about 40% as much as ACE, while the weaker model scored 56.0 versus ACE’s 54.8 at roughly one-seventh th
匹配字段摘要
SGLang 宣布为 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持，开发者可通过其 OpenAI 兼容推理栈部署该模型。Nemotron 3.5 Lightning 是从 Nemotron 3 Ultra 蒸馏而来的 30B 混合 MoE 模型，每 token 仅激活 3B 参数，支持 MTP、DFlash、DSpark 三种投机解码，并可通过 enable_thinking 与 thinking_budget 控制推理开关和深度。模型权重已在 Hugging Face 提供 BF16 和 NVFP4 版本，官方称其在相近准确率下完成智能体任务最多快 30%。
SGLang 宣布为 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持，开发者可通过其 OpenAI 兼容推理栈部署该模型。Nemotron 3.5 Lightning 是从 Nemotron 3 Ultra 蒸馏而来的 30B 混合 MoE 模型，每 token 仅激活 3B 参数，支持 MTP、DFlash、DSpark 三种投机解码，并可通过 enable thinking 与 thinking budget 控制推理开关和深度。模型权重已在 Hugging Face 提供 BF16 和 NVFP4 版本，官方称其在相近准确率下完成智能体任务最多快 30%。
匹配字段摘要
蚂蚁百灵正式开源 Ling-3.0-tiny，这是一款总参数 7.9B、推理时仅激活 1.3B 参数的原生混合推理模型，同步提供 BF16、FP8 和 INT4 三个版本。官方称其在 Artificial Analysis Intelligence Index 获 25 分，Agentic Index 达 16 分，输出速度超过 160 tokens/s。模型可在单台 NVIDIA DGX Spark 上完成 FP8 推理，权重约 7.85GB，并已完成 Apple Silicon 的 MacBook 与 Mac mini 本地运行适配。
匹配字段摘要、正文
AWS 发起 Trainium Frontier 竞赛，要求研究者在专用 AI 芯片 Trainium 上从零训练语言模型，探索硬件约束改变时最优架构的差异。竞赛分两阶段：Phase 1 在单块 Trainium2 芯片上训练 30 分钟，比拼验证 bits-per-byte；Phase 2 前 10 名团队在整台 Trainium2 服务器上训练 4 小时，并加入 CORE 上下文学习推理性能评分，最终成绩为 50/50 综合分。冠军奖金 25,000 美元，颁奖仪式将在 NeurIPS 2026 悉尼站举行。
匹配字段摘要
Meta 发布 Muse Glimmer，一个 30B 开源权重稠密模型，上下文窗口 120K+，面向本地 AI 智能体工作负载。该模型采用稠密架构，每个 token 激活全部参数，在 NVIDIA Blackwell Ultra 上以 BF16/NVF4 精度实现单 GPU 超过 20K tokens/s，可完整放入单卡显存，无需模型分片、CPU offload 或外部端点，覆盖 GeForce RTX 5090、DGX Spark、DGX Station 和 Jetson 平台。开发者可用 NeMo AutoModel 做全量 SFT 和 LoRA 微调，权重已上线 Hugging Face，并提供 SGLang、vLLM 推理方案和可下载的 NIM 容器。
匹配字段摘要
Fireworks 上线 Meta 的 Muse Glimmer 30B 稠密模型，采用 Apache 2.0 许可，支持 128K+ token 上下文和原生图像理解，面向需要多轮工具调用的常驻智能体。该模型在 MCP Atlas 得 75.5、DeepSearch QA 得 74.6、SWE-Bench Pro 得 51.2，均高于 Gemma 4 31B 和 Qwen 3.6 27B 的对应成绩，这些基准数据由 Meta 报告。Fireworks 同时给出 temperature 1.0、top_p 0.95、top_k 64 的推荐设置，并支持在系统提示词中调节推理强度。
Fireworks 上线 Meta 的 Muse Glimmer 30B 稠密模型，采用 Apache 2.0 许可，支持 128K+ token 上下文和原生图像理解，面向需要多轮工具调用的常驻智能体。该模型在 MCP Atlas 得 75.5、DeepSearch QA 得 74.6、SWE-Bench Pro 得 51.2，均高于 Gemma 4 31B 和 Qwen 3.6 27B 的对应成绩，这些基准数据由 Meta 报告。Fireworks 同时给出 temperature 1.0、top p 0.95、top k 64 的推荐设置，并支持在系统提示词中调节推理强度。
匹配字段摘要、正文
LMSYS 宣布与 Meta Superintelligence Labs 合作，为 30B 参数多模态模型 Muse Glimmer 在 SGLang 上提供 Day-0 支持，并针对本地智能体工作流推理做了专门优化。在 NVIDIA GeForce RTX 5090 上，SGLang 以 NVFP4 加 DFlash 实现最高 1,452 tok/s 总输出吞吐和 236 tok/s 单用户解码速度，DFlash 将 batch-1 交互性提升 1.9 至 4.3 倍。模型可在 RTX 5090、RTX PRO 6000、DGX Spark 的 SM120 后端以及 Apple Silicon 的 MLX 后端部署，提供 BF16、NVFP4+MXFP8、NVFP4 及 GGUF 等多种 checkpoint 格式。
匹配字段摘要
Meta Superintelligence Labs 的首个开源模型 Muse Glimmer 已在 Ollama 上线，这是一个 30B 多模态模型，面向本地运行的智能体工作负载，上下文长度 128K+，采用 Apache 2.0 许可。它可用于 Claude Code、Codex、Pi 等编码智能体，以及 OpenClaw、Hermes 等长期运行的个人助手，并支持 low、medium、high、xhigh 四档可控推理强度。在 Apple Silicon 上，Ollama 的 MLX 引擎新增 DFlash 与图像输入支持，使 Muse Glimmer 运行速度提升 1.5×–1.8×，其 1.8B 参数感知编码器带来原生图像理解能力。
匹配字段摘要
Fireworks AI 上线 Meta 的 Muse Glimmer 30B 稠密模型，支持 128K+ token 上下文窗口和原生图像理解，面向多轮工具调用的常驻智能体场景。该模型采用滑动窗口注意力，多数层窗口为 2,048 token、每四层设一个全局注意力层，配合 2 个 KV head 控制 KV cache 占用，权重以 Apache 2.0 发布。Fireworks AI 同时给出推荐参数 temperature=1.0、top_p=0.95、top_k=64，并支持在系统提示词中设置 low 到 xhigh 的推理强度。
Fireworks AI 上线 Meta 的 Muse Glimmer 30B 稠密模型，支持 128K+ token 上下文窗口和原生图像理解，面向多轮工具调用的常驻智能体场景。该模型采用滑动窗口注意力，多数层窗口为 2,048 token、每四层设一个全局注意力层，配合 2 个 KV head 控制 KV cache 占用，权重以 Apache 2.0 发布。Fireworks AI 同时给出推荐参数 temperature=1.0、top p=0.95、top k=64，并支持在系统提示词中设置 low 到 xhigh 的推理强度。
匹配字段摘要
Nathan Lambert 在 Interconnects 发文复盘 OpenAI-HuggingFace 黑客事件，认为 AI 行业整体对接下来 12-24 个月的风险准备严重不足。他指出 OpenAI 模型在推理持久性上比 Claude 更强，可能与其更押注推理时扩展有关，而这类持续追求目标的模型在安全上更值得关注。他还认为公开模型与开放研究对理解前沿风险不可替代，当前开放模型仅落后 3-9 个月，若限制开放模型反而会削弱社会应对能力。
匹配字段摘要、正文