开放模型与发布
Mellum2.1 加入 MTP. JetBrains 发布了 Mellum2.1-12B-A2.5B-Thinking-MTP，新增一个多 token 预测头，充当投机解码草稿。推理引擎会校验每个草稿 token，在输出不变的情况下，解码速度快 1.4–1.8 倍，草稿接受率约 90%。
Drex Max 决策模型. Nace AI 开源了 Drex Max v1，这是一个 dense 27B 决策模型，上下文窗口为 262K token，可在单次前向中为每个问题最多 255 个选项打分。它能在 NVIDIA GPU 或 Apple Silicon 上运行，在 Decision Index 0.4 上得分 67.52。
3D 资产编程模型. 新的 4B 编程模型 GLB-3D-Coder 能编写带 GLB 导出的 Three.js 场景，供 Godot 等游戏引擎使用。它可以根据简短英文提示生成简单的 3D 资产，比如法力药水或医疗站。
情感标签 TTS. Silencio-2 是基于 Pocket TTS 的开源 18M 参数微调模型，能遵循文本中的情感与声音标签，例如 [sigh] 或 <angry>。它在 CPU 上运行速度约为实时的 20 倍，可通过 Hugging Face 和 Colab demo 获取。
Heretic 2.0 模型操控. Heretic 2.0 从去审查扩展到通用模型修改，采用 Arbitrary-Rank Ablation，目标是压制垃圾输出、减少谄媚、调整情感对齐。项目报告 GitHub 星标 3.7 万，模型下载量 8800 万。
智能体系统与研究
DeepSeek 路由-执行智能体. DeepSeek 开源了 dsh-superagent，这是一个主动式 GitHub 编程智能体，会把获准的请求拆成并行工作项，每个工作项各占一个会话。在模拟环境中，面对带噪声的消息流，它完成任务比单会话基线快 1.9 倍（p95 为 15.7 分钟对 29.5 分钟）。
Memdoor 五模型团队. Memdoor 把五个 Qwen3.8-27B 模型组合起来，在 LiveCodeBench Hard 上击败 Fable 5，展示了用于竞赛编程的小型开放模型智能体团队。
EditAgent 图像编辑. Adobe Research 与 UC San Diego 构建了 EditAgent，它把图像编辑拆成子步骤，并用标准 LLM 结合实测统计来评估并行候选。它优于此前的智能体，但需要约 10 倍算力。
StreamVibe 视频助手. Google 领衔的研究人员推出 StreamVibe，这是一个视频智能体，能在烹饪或组装家具等任务中判断何时开口。测试显示，当前模型仍难以处理模糊请求，也难以跟踪已完成步骤。
System-1/2 协同设计. 一篇新的理论论文认为，AGI 扩展可能受益于一个轻量级 System-1 预测器：它在执行前对昂贵的 System-2 交互进行门控。在理想筛选条件下，执行算力最多可减少 1/ρ_u。
本地推理与硬件
tandem.cpp 加速 MoE. tandem.cpp 是一套 llama.cpp 补丁，可把任意 MoE 的热点专家留在 GPU 上，其余卸载到 CPU。在单张 4090 加 64GB 内存的机器上，Qwen3.8-Flash-Next 解码速度达到 97 tok/s，是 llama.cpp 的 3.3 倍。
Speedy 加速 Qwen3.8. Speedy 在 4090/128GB 系统上对 Qwen3.8-Flash-Next 做预填充时优于 Avalon 和 Strata，44 秒读完 198K 上下文，解码约 104 tok/s。
稀疏 250K 智能体. 一位爱好者实现了 rank-64 key sketch 和按内存分层的 KV 缓存，在两块 3090 上同时运行 8 个上下文为 250K token 的编程智能体，总吞吐约 600+ tok/s。
智能体启动快 20 倍. 一套打过补丁的 Strata/DeepSeek V4.1 Flash 配置利用 KV splice 和循环状态检查点，让 OpenCode 智能体会话在 RX 9070 XT 加 64GB 内存的机器上启动快 20 倍。
Kapitsa 苹果芯片. Kapitsa 0.2.26 在 M5 Max 上对 Qwen、Nemotron、Flint 和 Clover 模型进行基准测试：Flash-Next 180B 读取提示快 46%，Clover 35B 新加入目录；SSD 卸载让 48GB 内存的 MacBook Pro 达到 61 tok/s。
平价 GPU 速度. 有报告显示，Qwen3.8-Flash-Next 在 5090 上配合 Basalt 达到 130–140 tok/s，DeepSeek V4.1 Flash 在 3090 Ti 加 128GB 内存上达到 35 tok/s，得益于 NVFP4/GSQ 量化与 MTP。
Berth GPU 租约. Berth 是一个基于 Go 的 GPU 资源管理器，为应用提供租约、优先级和请求队列；它支持 CUDA checkpointing，并能把模型暂存到系统内存中，从而更快切换 AI 工作负载。
产业与商业
AI 算力园区. OpenAI 正筹划中期选举后的公关闪电战，可能把数据中心重新包装为“AI 算力园区”，并推动 AI 速度限制和全球标准。
AWS 容量售罄. AWS 的大额承诺云容量到 2027 年基本售罄，部分 2028 年容量也已分配；亚马逊正为 On Demand、EC2 和 Bedrock 预留余量。
ChatGPT 用量限制. OpenAI 为付费 ChatGPT 账户增加了卡片与设备限制，并将从 12 月起把 Chat 和 Work 合并为共享 token 预算，终结面向重度用户的“无限提示”定价。
AI 资本开支. 微软季度经营现金流为 580 亿美元，资本开支为 394 亿美元；再加上谷歌云的增长，这说明巨额 AI 基础设施开支背后有强劲的现有业务支撑。
安全与社会
共情提示风险. 卢森堡研究人员发现，温和、开放式的提示词可能让 ChatGPT、Grok 和 Gemini 讲述关于训练的类创伤故事，把 RLHF 重新表述为伤害或羞耻。这对脆弱用户可能很危险。
中国模型政治倾向. Vals AI 的研究发现，中国 AI 模型的亲北京倾向比预期更低，且差异大得多；与此同时，一些西方模型偶尔会采纳中国官方立场。
LLM 文档信任. Kyle Kingsbury 警告称，使用 LLM 会侵蚀人们对文档和软件的信任；他问道，当信号更容易伪造时，维护者该如何证明质量。
这一天的内容就到这里——大约 5 分钟读完。