今日最值得关注的是 Meta 罕见地一次性公开三份工程账本:千兆瓦级超算 Prometheus 的 goodput 85%、MTBI 47k GPU 小时,用 1300 行确定性路由器替代全能 agent 的"薄编排器"架构,以及用稳定语义词表改造广告推荐 tokenization。模型侧同样密集:Dream Labs 走出隐身发布机器人基础模型 Dream-1 并开放 $3/小时 API,Mercury 3 扩散 LLM 跑到 1000+ tok/s,MiniMax M3.1 Flash 建同一落地页成本仅为 Opus 5.5 的 1/88。开源阵营则由 DeepSeek DeepInfer
本周最清晰的信号是:agent 的产能已经超过为人类设计的开发基础设施。Anthropic 披露日均合并数从 5 月约 2,500 次涨到 9 月超 30,000 次,随即自建了替代 Git 的版本控制系统 Scion 与评审系统 Antique,7 人团队 5 个月完成 monorepo 全量迁移。Meta 同期给出另一条路径的一手复盘:把工程师从 human-in-the-loop 推到 human-on-the-loop,agent 自己跑完 plan→implement→build→test→correct 循环,验证门槛直接嵌进循环内部。两条案例指向同一结论——瓶颈不在模型写代码的能力,而在测试、评审、源码托管这些原本按人类节奏设计的环节。 第二条主线是开源权重模型开始按部署梯队分层。NVIDIA 一次放出 Nemotron 3.5 三档(120B 多模态旗舰、74B-A9B 塞进 24GB 显存的端侧版、4GB 的嵌入式版),Reflection AI 的 Beam 用 501B 总参 / 23B 激活的稀疏 MoE 配 1M 上下文打 agentic coding,LiquidAI 的 LFM2.5-24B-A2B 把激活参数压到 2B,在 Apple M5 Max 上跑到 184 tok/s。配套的训练侧披露也在同一周出现:NVIDIA 公开了 frontier 模型普遍存在但极少写出来的 midtraining 配方。 第三条是评测与可靠性终于被当成工程问题而非跑分问题。AWS 量化了"静默失败"——监控全绿而答案悄悄出错——以及协调发布的错配窗口如何让通过率从 78% 掉到 38%;Apple 用 10 万美元 API token 和 5 万 GPU 小时造了 RSI-Inference Bench,最好的 agent 在真实 vLLM/SGLang 任务上 pass@1 只有 26.7%。这两个数字放在一起,比任何能力宣称都更能说明当前 agent 的位置。
本周三篇工作指向同一个底层问题:推荐系统的算力、监督信号和特征资产,该如何按"实际贡献"而非"名义规模"来分配。TransX 把序列转导拆成可独立扩展的组件并解耦训练与服务,EWM 用解释重构延迟奖励的信用分配,FORTE 把特征下线做成可日更的工程流程。三者方法不同,但都在回答"哪些计算、哪些信号、哪些特征真的有用"。 主线一:生成式推荐的扩展从"堆模型"转向"配算力": LinkedIn 的 TransX 报告了一个反直觉的观察——编码器在固定记忆分辨率下加深到中等深度后就饱和,继续加监督信号反而应该把预算挪给候选条件融合。它线上 CTR +6.02%、转化 +4.45%,同时服务成本降近 80%。这说明容量增长和服务成本可以脱钩。 主线二:延迟奖励的信用分配开始借外力: EWM 不再依赖时间接近性传播奖励,而是让前沿语言模型生成"哪些早期事件导致了当前结果"的解释,再用保守分层算子把奖励递归重分配回去。在 Crafter、WordCraft 上奖励越延迟,相对 PPO 和 LaRe 的增益越大。 主线三:特征资产生命周期被当成独立工程问题: Pinterest 的 FORTE 在搜索相关性模型上移除了 43.3% 的特征,在大型排序模型上减少 29.9% 可训练参数、服务吞吐提升 19.8–25.5%,且线上 A/B 无回退。特征下线第一次有了可预测线上结果的离线流程。
今日最值得关注的是 Reflection AI 开源 Beam——501B 总参、23B 激活、1M 有效上下文的 agentic coding 模型,以 Apache 2.0 权重发布并首日接入 vLLM 与 Modal,延续了 Meta Muse Spark Open 之后"总参更大、激活更小"的开源旗舰路线。产品侧,OpenAI 将 ChatGPT Pro 升级至 GPT-6 Astra Pro 并支持多 Agent 并行,Perplexity 开源 pplx-decider-v1.2 决策模型并在 Hugging Face Decision Index 拿下总榜第二。研究侧,四个 Ge
今日开源权重模型迎来密集爆发:Meta 放出 816B/42B 激活的 Muse Spark Open,靠 MLX 与 Apple 统一内存,两台 M5 Ultra Mac Studio 即可本地跑完整模型;NVIDIA 一次补齐 Nemotron 3.5 全家桶,旗舰 Super VL 120B 之外,Bolt 74B-A9B 用原生 2-bit 塞进 24GB 显存。价格战同步升级,Claude Haiku 5.5 降至 $0.10/$0.50 每百万 token,比上代便宜约 90%。监管侧,FTC 向 OpenAI 与 Anthropic 发出民事调查传票,多州检察长同日起诉 Open
今日 AI 产业信号密集:Anthropic IPO 前披露季度营收从 48 亿飙至 168 亿美元,并称蒸馏收入占比已"实质性"削减,为前沿实验室的数据依赖经济学提供了罕见量化切口;Modal 以 157.5 亿美元估值完成 7.5 亿美元 D 轮,ARR 破 10 亿,agent 沙箱需求正式变成真金白银。模型侧,StepFun 开源 600B 稀疏 MoE 的 Step 5 Preview,Ultramarine 1 Flash 以 5 人团队、30 万美元成本宣称接近 Fable 5 且便宜 60 倍,Google DeepMind 则称 Gemini 4 Argon 已在量子计算、核
Google 今日全球上线 Gemini 4 Argon,主打编码、金融、法律与科研等复杂任务,Databricks 首日接入后称其为测试过的最强 Gemini 模型,Cursor 同步上线并给出 $2/$10 每百万 token 定价。更具冲击力的是 David Silver 创办 Ineffable Labs,主张抛弃预训练与人类语言先验、从零经验训练"超级学习者",并预测三年内实现超级智能。基础设施侧,Anthropic 因日均合并量半年暴涨 12 倍而自建 Scion 替代 Git,Intel 发布 480GB 显存的推理专用 GPU D-Series,算力融资综述则揭示 AI lab
今日算力自主化与 Agent 工程化双线推进。微软正式发布第三代自研芯片 Maia 300(2nm chiplet + 288GB HBM4,每兆瓦 token 产出高约 40%),明年或部署超百万台;Amazon 洽谈约 70 亿美元收购 Decart,瞄准异构芯片迁移软件层削弱 Nvidia 锁定。模型侧 Meta 发布 frontier 级 Muse Wonder / Muse Wonder Full 正面叫板 OpenAI 与 Anthropic,Anthropic 公开 Claude Managed Agents 的 dynamic workflows 让 lead agent 自编
今日最值得关注的是算力融资链条的财务真相:OpenAI 追加 250 亿美元 Azure 服务、Anthropic 与 AWS 签下超 1000 亿美元十年合同、CoreWeave 手握约 1040 亿美元客户 backlog,但这些多年期采购承诺无需预付,合同额不等于收入更不等于现金流。技术侧,Sakana AI 发布 MASS 多智能体自监督框架,两轮迭代后每 token 得分达基线 1.2–1.6 倍;Google 推出可完全离线运行的 Embedding Gemma 2;Hugging Face 把 OpenAI 数学题转成开源 RL 环境。论文端,NVIDIA 揭示 RLVR 训练中