今日 AI 领域迎来产品与模型的双重里程碑：OpenAI 发布 ChatGPT Work 超级应用与 GPT-5.6 三模型家族，Sol 在 Agents' Last Exam 上以 53.6 分超越 Claude Fable 5 达 13.1 分，并引入 Programmatic Tool Calling 等关键新特性。与此同时，SpaceXAI 发布 Grok 4.5，专为 Coding/Agent 场景训练，定价仅为 $2/$6 每百万 token，模型竞争从通用能力向 Agent 专用场景进一步分化。Meta 自研 AI 芯片 Iris 将于 9 月量产，算力目标翻倍至 14GW，芯片

[LLM推理蒸馏走向精细化]：今日多篇论文聚焦于如何高效地将大模型（LLM/VLM）的推理能力迁移到小模型。从Meta的SCOReD（学生感知的CoT轨迹优化）到PORTS（偏好优化对齐检索器与LLM），核心思路不再是简单的SFT，而是根据学生模型的能力动态裁剪、改写教师轨迹，或利用LLM的perplexity信号作为偏好标签，实现更精准、更高效的蒸馏。; [检索模型的理论基础与表达能力受关注]：学术界开始深入探究检索模型（尤其是Late-Interaction模型）的理论上限。UMass的论文

今日 AI 领域迎来多项重磅发布：OpenAI 推出 GPT-Live 全双工语音模型，实现真正自然对话；同时宣布 GPT-5.6 Sol 周四发布，用户使用量已达此前 5 倍。Cursor 与 SpaceXAI 合作训练 Grok 4.5，Cognition 发布 SWE-1.7 达 1000 tok/s。基础设施层面，MCP v2 协议重大变更走向无状态化，Hugging Face 发布 vLLM transformers 建模后端性能追平原生，NVIDIA Nemotron 在 LangChain 基准中以 10 倍低成本达开源最高准确率。Lilian Weng 发表 Harness E

生成式推荐进入工业深水区：今日多篇工业论文（快手、阿里、沃尔玛）将生成式推荐从概念验证推向生产部署。核心创新点不再是简单的“用生成替代检索”，而是聚焦于异构内容生成（同时推荐视频和作者）、库存感知（RAG动态改写广告查询）以及多token预测（替代低效的自回归生成），以解决实际业务中的效率与效果平衡问题。; 重排器价值再发现：从“后处理”到“训练信号”：Yandex的论文提出利用重排器（精排模型）的分数来指导召回嵌入的学习，打破了传统“召回-精排”的流水线隔离。这一趋势表明，工业界正试图将精排模

今日 AI 领域格局加速重塑：微软被曝在部分应用中用自研 AI 替代 OpenAI/Anthropic，标志产业从依赖外部转向内部自研的战略转向；同时中国 AI 模型在美国企业使用率突破 30%，DeepSeek 等以成本优势持续渗透。技术层面，NVIDIA 发布 Audex 统一音频 LLM 并开源，腾讯推出 295B MoE 开源模型 Hy3 挑战 GLM-5.2，Anthropic 发现 Claude 内部“全局工作空间”可干预推理过程。Agent 生态走向生产级——Google 扩展 Managed Agents 支持后台任务和远程 MCP，Perplexity 与 NVIDIA 合作

今日 AI 领域迎来多个里程碑：Anthropic 发现 Claude 内部存在类似意识的全局工作空间 J-space，标志着 LLM 可解释性重大突破；腾讯混元发布 295B MoE 开源模型 Hy3，Mistral 推出数学证明代理 Leanstral 1.5，两大模型均获 SGLang/vLLM 即日支持。同时，Fable 在 GPU 内核生成上创下 18.71X 加速纪录，Netflix 用 decoder-only transformer 端到端生成主页，阿尔伯塔省政府用 Claude 在 20 小时内扫描 4.66 亿行代码修复安全漏洞，AI 正从"能力展示"全面走向"生产级落地"

今日 AI 领域聚焦于效率与实用性的双重突破：Mistral 发布 Leanstral 1.5 数学证明模型，以 6B 激活参数在多项数学基准上达到 SOTA，每道题成本仅约 4 美元，标志着开源模型在专业推理领域的重大进展。与此同时，Simon Willison 用 Claude Fable 以 149 美元成本完成 sqlite-utils 4.0 的审查与修复，展示了 AI 编码 Agent 的实际工作流价值。产业层面，GenAI 经济体过去 12 个月创收 1100 亿美元，增速为移动/互联网浪潮的三倍，印证了 AI 商业化的强劲势头。此外，X 官方发布 XMCP 服务器，为社交平台

今日 AI 领域迎来多个重要动态：OpenAI 提议向美国政府捐赠 5% 股权，探索 AI 公司与国家资本关系的新模式；Anthropic 发布 Claude Science Workbench 并宣布亲自开发药物，AI for Science 战略全面升级。同时，研究揭示 RL 后训练改进高度集中于 Transformer 中间少数层，为优化训练策略提供了反直觉发现；Snowflake 发布 Cortex Sense 解决企业 Agent 因缺乏语义视图而查询失败的核心痛点。开源生态方面，开源 AI 差距地图 v0.1 发布，系统索引 421 个项目；MCP 服务器生态虽近 2 万注册量但噪

本周 AI 周报呈现出两条并行的主线：Agent 工程化正在从“能否运行”进入到“能否可靠规模化”阶段，同时推理基础设施的优化开始从通用框架走向针对特定硬件、特定模型的深度定制。 第一条主线体现在大量关于 Agent 循环、技能工程、多 Agent 协调的讨论中。AI Engineer World's Fair 上周结束后，Latent Space 连续发布了多篇深度报道，最引人注目的是“自主循环”（Loops）辩论——支持方认为软件工厂已经可行，质疑方则指出 token 成本和可靠性仍然是硬约束。与此同时，Apple 发表的研究直接挑战了一个流行的设计假设：让多个专家 Agent 自由协作反而会降低性能。这让本周的 Agent 话题有了清晰的对立面。 第二条主线来自 vLLM 0.24.0 的密集发布。一周内，vLLM 团队推出了 DeepSeek V4 的 DSpark 推测解码原生支持（~250 tok/s，接受长度 5），集成了百度 Unlimited-OCR（35% 快于 DeepSeek-OCR），还发布了 Omni TTS 的全面优化（吞吐提升 172%）。SGLang 也在本周展示了 Agent 辅助开发的工作流，多个 kernel 优化带来 71.4% 的吞吐提升。这些进展表明，推理框架的竞争正在从“跑通模型”转向“为一个模型做深度优化”。 以下是对本周四个主题的详细分析。

本周24篇论文中，4篇来自工业在线部署（Meta、Netflix、阿里巴巴、快手），覆盖召回、排序、重排、全链路生成阶段。核心技术密度的分布逻辑在变——生成式推荐从"能生成"走向"能推理"，召回从嵌入匹配转向导航式探索，排序阶段则在约束和解释之间寻找平衡。 生成式推荐进入"推理+强化学习"时代： GR2、ShopX和GenPage在同一周展示了三种不同的生成式架构走向。GR2在重排阶段首次引入推理链（CoT）和RL后训练，在工业流量上R@1提升18.7%。ShopX将生成式推荐从候选生成推向"意图到物品"的端到端执行，在淘宝Agent场景下复杂请求满足率提升55-75%。GenPage走得最远——用单Transformer替代Netflix整套多阶段主页流水线，核心指标+0.24%的同时延迟降低20%。三篇的共同指向是：生成式推荐的核心壁垒已从"能否生成"转向"能否在推理质量与部署效率之间找到工业可行解"。 召回从静态匹配走向动态图探索： Meta的硬负采样通过LLM聚类生成实时同簇负样本，在线召回率+8.5%、流行度偏差-12.3%。快手的IID-Nav将召回建模为自主图探索，支持间接无限深度遍历。Kuaishou的POEM利用多任务排序分数构建偏序序列，实现请求级别的实时兴趣更新。三条技术路径共享一个趋势：召回正从静态嵌入查询转向动态、上下文感知的行为建模。 约束优化与可解释性重回视野： Avito的PermR在5600万搜索查询上证明了相邻交换法能在生产延迟内逼近整数规划收益。KakaoBank的ChunkGroupSHAP用分组Shapley值弥合了词级解释与密集排序器之间的粒度鸿沟。这两个工作提醒行业：在大模型热潮中，渐进式工程优化和可解释性工具仍能产出具象收益。

LLM 驱动的个性化与可解释性：今日多篇论文聚焦于利用 LLM 提升推荐系统的个性化和可解释性。Bi-NAS 通过 NAS 搜索最优的 LLM 提示结构，CoPersona 则利用图协同信号补全稀疏用户画像，两者都旨在解决用户历史稀疏问题，提升 LLM 在推荐场景下的鲁棒性和解释质量。; 从静态检索到动态规划：传统推荐召回阶段多采用静态打分，而 `Planning over Matrix-Factorization MDPs` 一文将其建模为马尔可夫决策过程，通过单步前瞻即可显著提升召回效果。这

今日 AI 领域聚焦效率革命与 Agent 工程深化：vLLM 团队将 Qwen3-Omni 实时语音推理延迟降至 0.6s、吞吐提升 5.4 倍，标志多模态推理走向实用；Anthropic 与三星洽谈定制 AI 芯片，AI 巨头加速硬件自研；NVIDIA 推出 GPU 收入分成计划，降低初创公司算力门槛。同时，ZCode 以免费策略挑战 Cursor 和 Claude Code，Adobe 展示 'Agentic Site' 概念，预示 Agent 驱动 Web 体验的新范式。学术界方面，蚂蚁集团发布 Vera 框架系统性测试 LLM Agent 安全，Microsoft 推出首个 Offi