HPE 用 GreenLake Intelligence 智能体框架和与 Nvidia 合作的 Private Cloud AI 在本地搭建 AI 优先支持平台，将成本降低逾 30 倍，每月节省近 10 万美元。其 CTO Fidelma Russo 称，智能体让推理变成持续运营负载，每次推理、验证和行动都消耗 token，HPE 由此从 AI 消费者变为智能生产者。Signal65 数据显示，智能体消耗的 token 是普通 AI 对话的 4 至 15 倍。
匹配字段摘要
Prime Intellect 发布 prime-rl 0.6.0，可在重智能体负载下训练万亿参数规模模型，并称能在 28 个 H200 节点上以最高 131k 序列长度训练 GLM-5 完成 SWE 任务，步时间低于 5 分钟、批量 256 条 rollout。该版本采用异步 RL，将训练与推理解耦，并给出 FP8 推理、Wide EP、P/D 分离、KV cache 分层卸载、router replay 以及 FSDP、EP、CP 三维并行等优化细节。这些优化同样适用于 Kimi-K2.7-Code、NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16 等其他大型 MoE 模型。
匹配字段摘要
Sakana AI 发布 Sakana Fugu，把多智能体编排系统做成一个基础模型，通过单一 OpenAI 兼容 API 调用，内部自行完成模型选择、任务委派、验证与结果整合。首发包含 Fugu 和 Fugu Ultra 两个版本，前者兼顾性能与低延迟，后者面向多步难题；官方称 Fugu Ultra 在工程、科学与推理基准上可与 Fable 5、Mythos Preview 比肩。其智能体池可替换，官方表示若某家供应商限制访问，Fugu 会动态绕开，并计划后续纳入开放模型与自家模型。
匹配字段摘要
中科曙光2026年6月15日发布新一代通用高性能计算平台，搭载国产百核级512线程通用CPU，单芯片FP64双精度算力达10T，HPL双精度浮点性能较上一代提升近2倍。该平台是国内首个原生支持AVX-512指令集的国产通用计算平台，现有HPC软件无需重新编译即可运行，实现零迁移成本。文章指出，随着推理与Agentic AI兴起，国内AI集群CPU:GPU配比已从1:8升至1:2，CPU正从配角走向指挥中枢。
匹配字段摘要、正文
Amp Librarian 在质量不变的情况下提速约 3 倍、成本降低 43%，现改用无推理的 GPT-5.5、websocket 模式和新版系统提示词。每轮并行工具调用从约 3 次增至约 8 次，搜索由约 15 轮缩至约 5 轮；内部测试耗时从 2 分钟降至 40 秒，成本从 $1.08 降至 $0.47。
匹配字段摘要
xAI 宣布 Grok 4.3 在 Amazon Bedrock 正式可用，开发者可通过 Bedrock 的推理引擎调用该模型。Grok 4.3 支持 100 万 token 上下文窗口，推理强度可配置为 none、low、medium、high，定价为输入 $1.25 / 百万 token、输出 $2.50 / 百万 token。xAI 称其在 Artificial Analysis Omniscience 基准上取得最低幻觉率，并在 Tau2 Telecom、Vals AI Case Law 与 Corporate Finance 基准上排名第一。
匹配字段摘要
Sakana AI 发布首个商用产品 Sakana Marlin，这是一款面向企业的自主型调研助手，输入调研主题后可自主研究最长约 8 小时，输出结构化摘要幻灯片和数十页调研报告。该产品基于长期推理技术，整合了 AB-MCTS 与 The AI Scientist 等研究成果，经过 2026 年 4 月启动的封闭测试、约 300 名来自金融机构、咨询公司和智库等行业的测试者参与打磨。产品提供按量付费及 Pro、Team、Enterprise 等套餐，面向企业战略、咨询、智库等日常调研岗位。
匹配字段摘要
Zyphra 发布 ZONOS2，一个 Apache 2.0 许可的实时文本转语音模型，具备高保真声音克隆能力，采用 9 亿激活参数、80 亿总参数的稀疏 MoE 架构，是首个开源 MoE TTS 模型。相比 Zonos-v0.1，训练数据从约 20 万小时扩展到超 600 万小时，模型规模从 1.6B 增至 8B，实时吞吐提升 4 倍，并支持最长一分钟的多语言与语码转换音频生成。模型权重已在 Hugging Face 发布，基于 SGLang 的推理代码在 GitHub 开源，同时上线 Zyphra Cloud 并提供 API，发布后促销期内免费。Zyphra 还提出新的 ZTTS1-Eval 评测基准，覆盖 9 种语言的 Clean 集与 17 种语言的 In-The-Wild 集。
匹配字段摘要
Redwood Research 发布新论文，测量 14 个前沿模型在 43 个基准上不输出任何 CoT 时的任务完成能力，发现无 CoT 时间跨度约每 373 天翻倍，token 跨度约每 437 天翻倍。GPT-5.5 的 50% 无 CoT 时间跨度为约 3 分钟，对应约 1500 个 o3-mini 推理 token。作者建议 AI 公司开始显式追踪无 CoT 时间跨度，以估计模型在不被 CoT 监控发现的情况下能进行多少推理。
匹配字段摘要
AWS 发布基于 Graviton5 的 EC2 M9g 和 M9gd 实例，通用计算性能较 Graviton4 提升最高 25%，Web 应用和机器学习推理提升最高 35%，数据库提升最高 30%。Graviton5 采用四 chiplet 架构，核心数从 96 翻倍至 192，配备 192MB L3 缓存，支持 DDR5-8800 内存和 PCIe gen6，并采用 3 纳米工艺。新实例还引入经形式化验证的 Nitro Isolation Engine，用于强化虚拟机隔离。
匹配字段摘要
Google DeepMind 发布 DiffusionGemma，一个采用 Apache 2.0 许可的 26B MoE 实验性开源模型，探索文本扩散生成，在 GPU 上文本生成速度最高提升 4 倍。该模型不再逐 token 顺序生成，而是同时生成整块文本，面向内联编辑、快速迭代等速度敏感的本地交互工作流。其加速优势主要体现在单加速器、低到中等批大小的本地低并发推理场景，高 QPS 云端服务下并行解码收益递减。
匹配字段摘要
Amazon Science 提出四种将 AI 智能体锚定物理世界的方法：物理引导深度学习、基于 UQ4CT 框架的不确定性感知推理、adapting-while-learning（AWL）框架和验证器增强锚定。其中 AWL 在物理科学数据集上准确率提升 29%，UQ4CT 在五个基准上保持高准确率并将预期校准误差（ECE）降低超过 25%。这些方法可单独或组合使用，旨在提升 AI 智能体在仓库、工厂等物理环境中的可靠性与安全性。
匹配字段摘要
亚马逊研究人员提出 Simple Strands Agent（SSA），一种可定制的单智能体 harness，用于缩小模型意图与 harness 执行之间的意图-执行差距，并在多个模型和基准上取得稳定性能提升。论文将这一瓶颈形式化为双向的意图-执行差距，指出工具接口、diff 文件反馈以及内部推理与外部交互的平衡是关键设计原则，并强调不同模型家族在工具使用偏好上存在差异，需要模型与 harness 协同设计。SSA 的智能体逻辑、工具、提示词和模型配置均已开源。
匹配字段摘要
Anthropic 发布新的 Swift 包，为 Apple 的 Foundation Models 框架提供 Claude 支持，开发者可在本地模型处理摘要、抽取等任务后，把需要多步推理、代码生成或联网搜索的请求交给 Claude。该包处理流式输出、工具调用和结构化响应，可直接回填到 SwiftUI 视图，需使用 Anthropic API key，支持 iOS 27、iPadOS 27、macOS 27、visionOS 27 和 watchOS 27。
匹配字段摘要
Redis 作者 antirez 提出用 AI 智能体做 QA 的新方法：编写一个 markdown 文件，让智能体扮演 QA 工程师，先检查新版本相对已发布版本的提交，再据此执行分布式推理、速度回归等手动测试。他在 DwarfStar 和 Redis Arrays 上实践了这一流程，认为自动 QA 有望提升新版本的质量门槛，部分抵消自动编程高速产出代码带来的质量下降。
匹配字段摘要
作者整理了 2026 年 1 月至 5 月收藏的 LLM 研究论文，并明确表示这不是完整收录，而是基于个人工作兴趣筛选的参考清单。内容侧重推理模型、强化学习和高效推理，同时涵盖 Agent 框架、工具使用、长上下文、扩散语言模型及服务基础设施。
匹配字段摘要
Prime Intellect 宣布其托管后训练平台 Lab 对 NVIDIA Nemotron 3 Ultra 提供 day-0 支持，可在 Blackwell B200/B300 上做托管 RL 训练，配合 vLLM 推理、NCCL 权重广播和 Prime-RL 训练器。平台提供 Environments Hub 中 2,500+ 个开放 RL 环境，并支持 SWE-bench Verified、BrowseComp、τ²-Bench Telecom、Terminal-Bench Hard、IFBench、AA-LCR、GPQA Diamond、RULER-1M 等评测，以及 LoRA 与全权重适配器的一键推理。文中称 Ramp 用 Lab 后训练 35B 检索子智能体 FastAsk，在自有财务表格工作流上达到 66.25% 精确匹配，高于 Claude Opus 4.6 的 61.88%。
匹配字段摘要
LMSYS 宣布 SGLang 与 Miles 在 Day 0 支持 NVIDIA Nemotron 3 Ultra，这是一款面向长时自主智能体的开源前沿推理模型，总参数 550B、激活参数 55B，上下文最长 1M tokens，支持 NVFP4 与 BF16。SGLang 提供高性能推理服务，Miles 支持在 128 张 H200 上以 GRPO 进行强化学习训练，并已验证 dapo-math-17k 上的端到端流程。官方称该模型在智能体生产力、指令遵循和长上下文任务上领先，成本最多节省 30%。
匹配字段摘要
微软宣布与 Mayo Clinic 战略合作，共同开发一款专为医疗健康设计的前沿 AI 模型，结合 Mayo Clinic 的临床数据与微软的 AI、云和工程能力。该模型将首先在 Mayo Clinic 内部署，用于临床推理等场景，模型本身归 Mayo Clinic 所有，验证后向全球机构开放。微软称其消费产品每天处理数千万条健康问题，对 50 万条 Copilot 对话的分析显示用户主要用于症状解读、检验结果解释和就医导航。
匹配字段摘要
Together AI 优化了 MiniMax M3 的生产级推理服务，使其支持 1M-Token 上下文、原生多模态与智能体工作流。MiniMax Sparse Attention 让预填充和解码分别提速超过 9 倍和 15 倍，其他优化使常见智能体流量下的性能提升 81%–125%。M3 开放权重发布后，Together AI 将提供开发者端点。
Together AI 优化了 MiniMax M3 的生产级推理服务，使其支持 1M-Token 上下文、原生多模态与智能体工作流。MiniMax Sparse Attention 让预填充和解码分别提速超过 9 倍和 15 倍，其他优化使常见智能体流量下的性能提升 81%–125%。M3 开放权重发布后，Together AI 将提供开发者端点。 · Together AI optimized production inference for MiniMax M3, enabling 1M-token context, native multimodality, and agentic workflows. MiniMax Sparse Attention delivered more than 9x faster prefill and 15x faster decoding, while broader optimizations improved performance by 81%–125% under common agentic traffic. Together AI
匹配字段摘要