“a6-editorial”分类下的公开内容。
字节 Seed 正式发布 SeedRealtime，一个原生音视频全双工 LLM，用统一架构原生融合音频、视频和文本，支持连续多模态流上的实时交互。官方称其实现音视频联合理解、主动交互和自然对话节奏三项突破，端到端人工评测显示相比级联模型，音视频对话节奏问题减少一半。目前 SeedRealtime 已全面上线，官方称这是音视频全双工技术的大规模部署。
推荐理由字节 Seed 发布原生音视频全双工模型，并给出与级联方案在对话节奏上的端到端人工评测对比。
字节 Seed 团队正式发布新一代视频创作模型 Seedance 2.5，单次可生成 30 秒音视频片段并支持多轮续写，单次最多可输入 30 张图片、10 段视频和 10 段音频作为参考素材。模型新增时间戳级编辑能力，并强化绿幕、镜头视角和参考编辑等功能，已在即梦 AI、豆包 Pro 等平台上线，API 将通过 BytePlus ModelArk 提供。
推荐理由官方给出单次生成时长、参考素材上限与时间戳编辑等具体能力，读者可据此判断视频生成工作流的变化。
字节 Seed 正式发布多模态图像创作模型 Seedream 5.0 Pro，在图文对齐、结构一致性、文字渲染和视觉美感等基础能力上全面提升。该模型带来四项核心突破：复杂信息可视化、交互式精准编辑、写实影像与人物质感，以及原生多语言输入与生成，支持法语、德语、俄语、日语、韩语、西班牙语、阿拉伯语等十余种语言。官方称其在复杂信息图生成和交互式精准编辑上取得突破，但更细粒度的文字渲染与像素级编辑一致性仍有提升空间。
推荐理由官方给出 Seedream 5.0 Pro 的四项能力突破与信息图、局部编辑等示例，可据此判断它在专业设计流程中的可用边界。
OpenAI 新模型 GPT-5.3-Codex-Spark 由 Cerebras 提供算力，已进入研究预览，这是双方合作的首个发布。该模型基于 Cerebras Wafer-Scale Engine，运行速度超过 1,000 tokens/s，面向需要即时反馈的实时软件开发，是 Codex 为快速推理优化的小型版本，在 SWE-Bench Pro 和 Terminal-Bench 2.0 等基准上响应能力优于 GPT-5.1-Codex-mini 且耗时更短。它正面向 ChatGPT Pro 用户在 Codex app、CLI 和 VS Code 扩展中推出，API 访问将向部分设计合作伙伴开放。
推荐理由Cerebras 与 OpenAI 首次合作的模型细节公开，读者可了解超快推理在实时编码场景中的定位与开放范围。
G42 旗下 Inception、MBZUAI 基础模型研究所与 Cerebras 联合发布阿拉伯语大模型 Jais 2，包含 8B 和 70B 两个版本，并在 Hugging Face 开放权重。Jais 2 70B 在阿拉伯语榜单 AraGen 上取得该榜单阿拉伯语模型的最优表现，同时在翻译、摘要、金融分析以及诗歌、宗教、饮食、解梦等阿拉伯文化相关任务上表现突出。Jais 2 70B 部署在 Cerebras CS-3 集群上，配合推测解码实现 2000 tokens/秒的输出速度，官方称比 GPT-5、Claude 等前沿模型在真实负载上快 20 倍以上。
推荐理由Jais 2 给出 8B 与 70B 两个开源阿拉伯语模型，并披露在 Cerebras 硬件上的训练与推理路径，可对照其效率取舍。
Cerebras 发布 GLM 4.7 迁移指南，称其为 Z.AI 最新开源模型，在 LiveCodeBench 上超过 Anthropic 和 OpenAI 模型、仅次于 Gemini 3，并在 GPQA 和 AIME 上超过 Claude Sonnet 4.5。指南给出 10 条使用规则，包括把强制指令放在系统提示词最前、使用 MUST 等明确措辞、显式指定回复语言、为智能体设定角色，以及把任务拆成小步骤以弥补其不支持交错思考。在 Cerebras 上 GLM 4.7 支持约 131K 上下文和最多约 40k 输出 token，可通过 disable_reasoning 和 clear_thinking 控制推理，推荐 temperature=1、top_p=0.95，并兼容 OpenAI Python SDK。
推荐理由Cerebras 给出的 10 条迁移规则覆盖提示词、推理开关与多智能体分工，可直接用于 GLM 4.7 的落地调优。
Cerebras 发文介绍 Codex 订阅中的 GPT-5.6 三款模型 Sol、Terra、Luna，三者独立训练与部署并带推理档位，用于在速度、成本和智能之间取舍。价格上 Terra 为 Sol 的一半，Luna 为 Sol 的五分之一，短上下文和长上下文均如此。文中建议多数任务先用 Luna，进展受阻时再升级到 Terra 或 Sol，Sol 在 Cerebras 上可达 750 tokens/s，并给出 Codex 中 Light 到 Ultra 五档推理级别的用法。
推荐理由原文给出 GPT-5.6 三档模型与五级推理档位的选择方法，读者可据此在速度、成本与智能之间做取舍。
Cerebras 宣布 AWS 将在其数据中心部署 Cerebras CS-3 系统，并通过 AWS Bedrock 提供推理服务，运行领先的开源 LLM 和 Amazon Nova 模型。双方还在合作一种解耦架构，把 AWS Trainium 与 Cerebras WSE 配对，在相同硬件占用下提供 5 倍的高速 token 容量。该架构中 Trainium 负责 prefill 并计算 KV cache，经 Amazon EFA 传给 WSE 专做 decode，Cerebras 称其可每秒生成数千个输出 token，而 GPU 为数百个。AWS 与 Cerebras 将同时支持聚合与解耦两种配置，预计多数客户会按负载在两者间路由。
推荐理由Cerebras 与 AWS 把推理拆成 prefill 和 decode 两段分别用专用芯片，读者可了解高速推理的硬件分工思路。
Cerebras 与 OpenAI 公布 Ultrafast Mode 服务层级，首先在 OpenAI API 上线并由 Cerebras 提供算力，初期面向部分客户开放，运行 GPT-5.6 Sol 时输出速度最高 750 tokens/s。Cerebras 称其速度比 Fable 5 快 11 倍、比 Opus 4.8 Fast 模式快 5 倍，并在 HLE 的 2500 道题上以 11 小时 11 分钟完成作答，Claude Fable 5 则耗时 78 小时 27 分钟。该服务基于 Cerebras 的 Wafer-Scale Engine，每颗晶圆级芯片集成 44 GB SRAM，让权重留在片上以减少数据搬运。
推荐理由Cerebras 与 OpenAI 合作推出 Ultrafast 服务层级，读者可了解其速度数据与 Wafer-Scale Engine 的技术取舍。
推荐理由黄仁勋以签署方身份说明该协议的核心原则与监督机制，读者可据此了解行业自律框架的责任划分。
Fireworks AI 发布 FireRouter with Opus，这是其首个缓存感知路由器，已在 CLI 上线并首次以独立路由模型形式提供，任何 Fireworks 账号都可将其作为 serverless endpoint 调用。该路由器在 Claude Opus 5.5、GLM 5.3 和 GLM 5.3 Flash 之间按任务适配度、模型成本与缓存命中损失进行路由。经过一个多月内部 A/B 测试，编码任务准确率为单独使用 Opus 的 98.1%，每次会话成本从 15.36 美元降至 6.63 美元，降幅 57%（±19 ppts），缓存命中率为 94.2%，单独使用 Opus 时为 97.8%。
推荐理由原文给出内部 A/B 测试的成本与准确率数据，读者可据此判断缓存感知路由在编码任务中的取舍。
Fireworks 对 DeepSeek-V4.1-Flash 做了完整基准测试，在 DeepSWE 上达到 GPT-6 Astra 级别的编码精度，单任务成本 0.43 美元，比 Gemini 3.8 Flash 低 5.5 倍、比 GPT-6 Astra 低 15 倍、比 Claude Opus 5 低 28 倍。该模型为 552B 参数 MoE，采用编码器-解码器分离架构，输入 8B、输出 16B 激活参数，KV Cache 相比 DeepSeek V4 仅占 1/4 HBM 和 1/8 SSD 存储，本次运行 99.6% 输入 token 命中缓存。在 HLE 上它单独运行得 34.52%，落后于 Astra 的 50.40%，但与 Astra 组成 oracle router 后达到 54.80%，高于 Astra 单独运行。
推荐理由Fireworks 用 DeepSWE、Terminal-Bench 2.1 和 HLE 三组实测数据，展示 DeepSeek-V4.1-Flash 在编码任务上的成本优势与推理短板。
DeepSeek 本周发布并开源 DeepSeek-V4.1-Flash，这是一个 552B 参数、8B 激活参数用于 prefill、16B 用于 decode 的多模态 MoE 模型，支持 1M token 上下文窗口，已上线 HuggingFace 与 Baseten Model APIs。它采用 Causal Encoder-Decoder 架构，prefill 只跑 20 层编码器，decode 跑完整模型，官方称全局 KV cache 内存仅为 V4-Flash 的四分之一。在编码与智能体基准上，V4.1-Flash 以约三分之一的总参数量超过 V4-Pro，长程智能体任务提升达两位数，但 Automation-Bench 得分 54.8，复杂工作流仍有约一半失败。
推荐理由Baseten 从架构与部署角度拆解 V4.1-Flash 的非对称 prefill/decode 与 KV cache 缩减，读者可据此判断编码智能体的成本变化。
Fireworks 用 SWE-Bench Verified、LiveCodeBench v6、Aider Polyglot v1 和 Terminal-Bench 2.1 四组基准测试 DeepSeek V4 Pro 0813，其在 SWE-Bench 上每解决一个任务花费 $0.309，Fable 5 为 $0.808，LiveCodeBench 上为 $0.040 对 $0.225。在 409 个任务的合并样本上，DeepSeek V4 Pro 与 Fable 5 的 oracle 路由达到 92.4% 准确率，高于单用 Fable 5 的 86.6%，每任务成本 $0.279 对 $4.510，其中 86.3% 的任务路由到 V4 Pro。该模型在 Aider Polyglot 的 Java 子集上仅 48.9%，明显低于 Fable 5 的 74.5%，Fireworks 认为 Java 为主的代码库更适合多模型路由；DeepSeek V4 Pro 的训练已在 Fireworks 上线，支持 SFT、DPO 和 RFT。
推荐理由Fireworks 用同一套评测对比 DeepSeek V4 Pro 与 Fable 5，给出每任务成本与路由收益的具体数字，可据此判断多模型路由的取舍。
Harvey 发布首个模型 Tenet，与 Fireworks 合作基于 Kimi K3 用异步强化学习在 Fireworks Training API 上后训练，面向长时程法律工作。Tenet 在 LAB 上的 all-pass 为 19.7%，高于 base Kimi K3 的 10.8%，LAB Contracts 为 11.3% 对 9.3%，完成近两倍的留出 LAB 任务。其提升还迁移到训练中未见的 Mercor Apex Agents（Corporate Law）58.8% 到 74.0% 和 Crosby Redline Bench 49.3% 到 55.5%，每项 LAB 任务成本 5.92 美元对 5.62 美元基本持平。
推荐理由Fireworks 与 Harvey 披露了长时程法律智能体的后训练细节，读者可了解异步强化学习在真实沙箱任务中的训练与成本取舍。
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。
推荐理由Fireworks AI 上线 Meta 的 Muse Glimmer 30B，并给出面向智能体的部署配置与推理强度设置，可供选型参考。
Fireworks 在 Kimi K3 开源当天提供 Day-0 推理与训练支持，称其为全球最强开源模型，并推出仅限美国区域的 Serverless 端点和零数据保留。Kimi K3 是首个达到 2.8 万亿参数的开源模型，采用 Kimi Delta Attention 与 Stable Latent MoE，激活 896 个专家中的 16 个，扩展效率是 Kimi K2 的 2.5 倍。Fireworks 称自托管需 64 个以上加速器超级节点，其 Serverless 推理默认速率限制提升 10 倍以上，Serverless Training 进入私有预览。
推荐理由Fireworks 在 Kimi K3 开源当天上线推理与训练服务，并给出成本与部署对比，可据此判断自建与托管的选择。