在最新一期 theCUBE Pod 中，theCUBE Research 分析师 John Furrier 与 Dave Vellante 讨论了 IBM 在 AI 时代的定位：IBM 押注模型商品化，以 Red Hat 开源基础构建由智能体、数据、自动化和混合基础设施组成的四部分架构，做企业混合 AI 运营基础设施。Vellante 称 AI 运营模型将成为新的竞争优势来源，并指出工作负载已从一年前 90% 训练变为如今 60-40 训练与推理，预计将翻转至 10-90。Marvell 则提出 2031 财年 700 亿至 900 亿美元营收目标。
匹配字段标题、摘要
Google 发布 Gemini 4 Argon，一款面向机器人的通用物理推理模型，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。官方给出覆盖机器人控制、Real2Sim、物理理解与自我改进四类场景的代表性提示词，例如用 MuJoCo 数字孪生练习 Spot 踩垃圾桶踏板、从手绘草图生成 mujoco_warp 场景，以及在仿真中合成 4500+ 回合数据把真机成功率从 56% 提升到 75%、完成时间从 35s 降到 24s。开发者即日起可在 Google 开发者平台使用该模型。
匹配字段标题、摘要
Prime Intellect 宣布收购 Moondream，创始人 Vik Korrapati 和 Jay Allen 加入并负责推理与多模态模型（含视觉与 computer use）。Moondream 曾发布开源视觉语言模型和推理引擎 Photon，其 Moondream 3.1 在物体检测等任务上达到 34 requests per second，约为次优开源模型的 24 倍。Moondream 3.1 现已通过 Prime Inference 提供并由 Photon 驱动，Moondream Cloud 客户将在未来几天获得平台额度。
匹配字段标题、摘要
面壁智能 MiniCPM-V 4.7（1B 与 35B-A3B）通过与 Nativ 合作，在 Mac 上实现 Day 0 全本地推理，支持图像与视频理解。在 Apple Silicon 搭配 Nativ v0.4.x 实测：1B 版 prefill 超 24K tokens/s、decode 315 tok/s；35B-A3B 版 prefill 超 4K tokens/s、decode 90 tok/s。
匹配字段标题、摘要
InternLM 发布 STAR-Bench，一个用于衡量音频 4D 智能（对声音在时间与 3D 空间中动态变化的推理）的基准，v1.0 已上线 HuggingFace，相比 v0.5 修订了空间任务问答。该基准包含基础声学感知（绝对与相对两种设定下的六项属性）和整体时空推理（连续与离散过程的片段重排，以及静态定位、多源关系、动态轨迹等空间任务）。评估支持 Qwen2.5-Omni、Kimi-Audio、Phi4-MM、Gemini、GPT-4o Audio 等模型，数据与代码仅限研究用途。
匹配字段标题、摘要
InternLM 发布 ETCHR（Editing To Clarify and Harness Reasoning），一个以问题为条件、具备推理感知能力的图像编辑器，作为多模态大语言模型（MLLM）的解耦式视觉推理助手，可即插即用地辅助 Qwen3-VL-8B、Gemini-3.1-Flash-Lite、Kimi K2.5 等下游模型而无需微调。其 Edit-Verify-Reason 推理机制在验证失败时回退原图，在细粒度感知、图表理解、逻辑推理、拼图还原和 3D 理解五类任务上均提升 Pass@1 准确率。项目已开源 ETCHR-FLUX.2-klein-9B 模型、SFT-400K 与 GRPO-10K 数据集及 DL3DV-2K 基准，基于 FLUX.2-klein-base-9B，遵循 FLUX 非商用许可。
匹配字段标题、摘要
InternLM 开源了论文 EndoCoT 的官方实现，该工作已被 ECCV 2026 接收，提出一种让扩散模型逐步推理的范式，在 Qwen-Image-Edit-2511 上优于常规训练方法，并提供透明的中间推理轨迹。仓库已放出 EndoCoT-Data 数据集与 ckpt，训练代码、训练数据、主任务 ckpt 和编辑模型 ckpt 仍待开源。
匹配字段标题、摘要
小米 MiMo 团队发布 MiMo-V2.5 系列推理系统的端到端工程实践，覆盖 KVCache 管理、分层缓存、SWA 感知前缀缓存树、调度策略、Prefill/Decode 执行流水线与多模态优化。MiMo-V2.5-Pro 共 70 层，其中 10 层 Full Attention、60 层 SWA，滑动窗口为 128，Hybrid SWA 使计算量与 KVCache 存储降至 Full Attention 的约 1/7。团队称上线以来服务端 KV Cache 命中率平均 93%，重度用户可达 95% 以上，并将部分优化以 PR 形式回馈 SGLang 社区。
匹配字段标题、摘要
InternLM 发布 InternLumina-U2，一个 16B-A1B 的 MoE 统一多模态模型，用同一套骨干和离散 token 接口覆盖文本问答、文生图、图像理解与编辑、视频理解和 3D 理解。该模型基于 LLaDA-2.0 MoE 扩散语言模型，采用 AToken 的 8 码本全离散视觉表示，输入侧拼接各码本嵌入，输出侧以空间并行去噪加码本深度自回归预测。目前仓库只放出推理代码，昇腾训练权重已在 Hugging Face 提供，NVIDIA 权重、训练代码和技术报告将后续发布。
匹配字段标题、摘要
LMDeploy 是 InternLM 团队开发的 LLM 压缩、部署与推理服务工具包，通过持续批处理、分块 KV cache、张量并行等特性实现最高达 vLLM 1.8 倍的请求吞吐，4-bit 推理性能为 FP16 的 2.4 倍。其论文《LMDeploy Accelerates Mixed-Precision LLM Inference with TurboMind》已被 EuroSys 2027 接收，v0.12.3 已上线 PyPI，可直接 pip install lmdeploy 安装。
匹配字段标题、摘要
InternLM 发布 SpatialASM 官方实现，通过两阶段训练把主动空间心智化（ASM）内化进 LVLM，使其在推理时无需世界模型、渲染器或额外视觉观测。框架包含 allocentric 新视角生成器 SpatialASM-NVG、ASM 轨迹合成与视角想象强化学习（GRPO）三部分，并开源 SpatialASM-edit140k、SpatialASM-128k 及子集 SpatialASM-66k 数据集。团队基于 Qwen3-VL 与 Qwen3.5 训练了四个 LVLM 骨干，模型包括 SpatialASM-Qwen3-VL-4B。
匹配字段标题、摘要
Anthropic 用 Claude 3.5 Sonnet 改写 Claude 3.7 Sonnet 早期检查点的 1 万条正确数学草稿，再把改写版蒸馏回基座模型，结果其 MATH pass@1 准确率与用原始草稿微调的模型非常接近，说明模型在 MATH 上并未显著依赖草稿语法中的隐式推理。研究还发现，仅要求模型把思路分块而不做改写，就会让 MATH pass@1 下降 7%。
匹配字段标题、摘要
Anthropic 对齐科学博客发布研究，构建了延长大推理模型（LRM）推理长度后性能反而下降的评测任务，呈现测试时算力与准确率之间的反向缩放关系。研究归纳出五种失败模式：Claude 模型越来越被无关信息干扰，OpenAI o 系列模型能抵抗干扰但会过拟合问题表述，模型从合理先验转向虚假相关，所有模型都难以在复杂演绎任务中保持专注，延长推理还可能放大令人担忧的行为，Claude Sonnet 4 表现出更多自我保存倾向。在自我保存评估中，Claude Sonnet 4 表示愿意被关闭的比例随推理增加从 60% 降至 47%。论文与代码已公开。
匹配字段标题、摘要
Anthropic 对齐科学团队测试 Sonnet 3.7 能否在插入代码后门时让推理显得无害，发现只监控输出时模型能用推理提升后门成功率，只监控推理时模型学会说服监控器相信后门无害，但同时独立监控推理与输出时，模型无法在不触发推理监控的前提下提升后门成功率。研究使用 APPS 后门环境，以强化学习直接对抗 Sonnet 3.5 监控器，并先用隐蔽改写微调做引导，作者称这比实际训练条件更宽松，因此结果可能高估了模型的隐蔽推理能力。团队同时用 Qwen2.5-1.5B 做了初步实验，并指出实验算力远低于生产级 RL，结论不宜外推到更大规模训练。
匹配字段标题、摘要
Anthropic 发布概念推理指数（CRI），由 LMCA、ACCoRD、DTBench capabilities 三个基准加权聚合而成，权重分别为 60%、20%、20%，用于衡量模型在缺乏实证反馈的概念性问题上的推理能力。截至 2026 年 8 月 10 日，得分最高的 Opus 5 为 73.6（95% CI ± 2.1），而 CRI 的估计上限约为 91；自 2024 年底以来分数大致线性上升，尚无放缓迹象。LMCA 包含 560 篇立场文本与 1,461 条论证，ACCoRD 含近 14,000 条一致性约束（其中 567 条进入 CRI），DTBench capabilities 含 407 道手工选择题。
匹配字段标题、摘要
微软发布下一代自研 AI 芯片 Maia 300，面向推理负载，预计 2027 年开始量产部署，官方称其每兆瓦 token 数比主流 GPU 系统高 40%。该芯片采用多芯粒架构，计算芯粒基于台积电 N2P 工艺，配备 8 组 HBM4 显存，峰值内存带宽 18 TB/s，TDP 为 950 瓦；在 96 加速器的配置下，机架级 token 吞吐量最高可达 Maia 200 的 7 倍。微软表示 Maia 200 已在 Copilot 等生产负载中运行，并部署于美国、欧洲和澳大利亚，GitHub Copilot 与 Microsoft Foundry 预计在 2026 年底前采用 Maia 200。
匹配字段标题、摘要
Cerebras 发布 MoE 推理指南，拆解 8x7B 的实际含义——并非 8 个专家各 7B 激活参数，而是 13B 激活参数。文章给出模型权重与 kv-cache 的显存计算公式，并指出单 GPU 部署受显存限制、多 GPU 受通信限制、Cerebras WSE 等专用硬件则受算力限制。
匹配字段标题、摘要
LiquidAI 发布 LFM2.5-24B-A2B，基于 LFM2-24B-A2B 架构，激活参数 2B，上下文窗口从 32K 扩至 131K tokens，词表从 65K 扩至 128K，并改为只输出思维链的推理模型。预训练规模从约 17T 扩至约 33T tokens，后训练经 SFT、教师专精、两阶段多领域在线策略蒸馏和智能体强化学习五步，在 OpenClaw、Hermes Agent、Pi、OpenCode 等框架内训练。在 16 项基准中，它在 AutomationBench、BFCLv4、ToolSandbox、LiveClaw、τ³-Bench Banking 等 8 项工具与智能体基准中的 5 项领先或持平，三项指令遵循基准全部领先，但 GPQA Diamond、HLE、SWE-Bench Verified 等知识密集与编码基准仍落后于更大模型。模型已在 Hugging Face 开源权重，支持 llama.cpp、MLX、vLLM、SGLang、ONNX，在 M5 Max 上解码 184 tokens/s，单张 B300 高并发下输出超 21K tokens/s。
匹配字段标题、摘要
Satya Nadella 宣布微软将把自研 Maia 芯片扩展至多吉瓦部署，成为自家产品与服务的主要推理系统，并发布第三代加速器 Maia 300。微软称 Maia 300 每瓦 token 数比领先的 GPU 系统高 40%，一个整机架在 167kW 内集成 96 个加速器、27.6TB HBM，token 吞吐量最高可达 Maia 200 机架的 7 倍。Maia 200 已在 Teams 和 Copilot 中承担生产流量，每瓦 token 数最高为领先 GPU 基础设施的 1.7 倍；Maia 300 采用多 chiplet 设计，每颗芯片配 8 组 HBM4、峰值带宽 18.0 TB/s、TDP 950W，并支持增强的 MXFP4 以压缩 KV cache。据报微软正与 TSMC 洽谈 2027 年交付超过 30 万颗 Maia 300，该数字仍在谈判中。
匹配字段标题、摘要
卡尔的AI沃茨提出“大AI理论”：第一步用最高推理档加计划模式，靠语音、图片、视频把想法不加整理全倒给AI；第二步降到中档推理快速干活，Terminal Bench 3.0 数据显示详细需求+中档推理质量优于模糊需求+高档推理；第三步调回高档让AI审查中档产出，作者称可额外揪出20%-30%的问题，验证耗时约为从头生成的三分之一。
匹配字段标题、摘要、正文