開放模型與新品
Mellum2.1 多 token 預測. JetBrains 發布 Mellum2.1-12B-A2.5B-Thinking-MTP，加入可充當投機草稿的多 token 預測頭。推論引擎會逐一驗證每個草稿 token，在輸出完全不變、草稿接受率約 90% 的情況下，解碼速度快 1.4～1.8 倍。
Drex Max 決策模型. Nace AI 開源 Drex Max v1，這是一款 dense 27B 決策模型，具 262K token 視窗，可在一次前向傳遞中為每個問題最多 255 個選項評分。它能在 NVIDIA GPU 或 Apple Silicon 上執行，在 Decision Index 0.4 上得分 67.52。
3D 資產編碼器. 新的 4B 編碼模型 GLB-3D-Coder 能生成 Three.js 場景並匯出 GLB，供 Godot 等遊戲引擎使用。它可依簡短英文 prompt 生成法力藥水或醫療站等簡單 3D 資產。
情緒標籤 TTS. Silencio-2 是 Pocket TTS 的 18M 開源微調版，能遵循文內標籤，處理 [sigh] 或 <angry> 等情緒與聲音。它在 CPU 上以約 20 倍即時速度執行，可在 Hugging Face 與 Colab 示範中取得。
Heretic 2.0 模型改造. Heretic 2.0 從移除審查機制擴展到一般模型改造，採用 Arbitrary-Rank Ablation，目標是抑制 slop、減少諂媚，並改變情緒對齊。該專案報告 3.7 萬顆 GitHub 星與 8,800 萬次模型下載。
Agent 系統與研究
DeepSeek 多工代理. DeepSeek 開源 dsh-superagent，這是一款主動式 GitHub 編碼代理，會把獲准的請求拆成平行工作項目，每個項目各自擁有 session。在模擬中，雜訊較多的訊息流完成任務的速度比單一 session 基準快 1.9 倍（p95 為 15.7 對 29.5 分鐘）。
Memdoor 五模型團隊. Memdoor 結合五個 Qwen3.8-27B 模型，在 LiveCodeBench Hard 上擊敗 Fable 5，展示以小型開放模型組成的代理團隊如何進行競技程式設計。
EditAgent 影像編輯. Adobe Research 與 UC San Diego 打造 EditAgent，將影像編輯拆成子步驟，並用一般 LLM 以量測統計評估平行變體。它的表現優於先前的代理，但需要約 10 倍算力。
StreamVibe 影片代理. 由 Google 領軍的研究團隊發表 StreamVibe，這是一款影片代理，會在烹飪或組裝家具等任務中決定何時開口。測試顯示，現有模型對模糊請求和追蹤已完成步驟仍有困難。
System-1/2 協同設計. 一篇新理論論文主張，AGI 規模化可能受益於輕量 System-1 預測器，在執行前先篩選昂貴的 System-2 互動。在理想篩選下，執行算力最多可降低 1/ρ_u。
本機推論與硬體
tandem.cpp MoE 加速. tandem.cpp 是一套 llama.cpp 修補集，能把熱門專家留在 GPU，其餘卸載到 CPU，適用於任何 MoE。在單張 4090 搭配 64GB RAM 上，Qwen3.8-Flash-Next 的解碼速度達每秒 97 個 token，是 llama.cpp 的 3.3 倍。
Speedy Qwen3.8 引擎. 在 4090／128GB 系統上，Speedy 在 Qwen3.8-Flash-Next 的 prefill 表現優於 Avalon 與 Strata，44 秒讀完 198K 上下文，解碼速度約每秒 104 個 token。
稀疏 250K 代理. 一名愛好者實作 rank-64 key sketches 與以 RAM 分層的 KV cache，在兩張 3090 上同時執行 8 個具 250K token 上下文的編碼代理，合計約每秒 600 多個 token。
代理啟動快 20 倍. 一套經過修補的 Strata／DeepSeek V4.1 Flash 設定，利用 KV splice 與 recurrent-state checkpoint，讓 OpenCode 代理 session 在配備 64GB RAM 的 RX 9070 XT 上啟動速度快 20 倍。
Kapitsa Apple Silicon. Kapitsa 0.2.26 在 M5 Max 上評測 Qwen、Nemotron、Flint 與 Clover 模型，其中 Flash-Next 180B 讀取 prompt 的速度快 46%，Clover 35B 也加入支援清單；SSD 卸載讓 48GB MacBook Pro 達到每秒 61 個 token。
消費級 GPU 速度. 報導指出，Qwen3.8-Flash-Next 在 5090 上搭配 Basalt 可達每秒 130～140 個 token；DeepSeek V4.1 Flash 在配備 128GB RAM 的 3090 Ti 上達每秒 35 個 token，並受益於 NVFP4／GSQ 量化與 MTP。
Berth GPU 租賃. Berth 是以 Go 寫成的 GPU 資源管理器，為應用程式提供租約、優先級與請求佇列；它支援 CUDA checkpointing，並能把模型暫存在系統 RAM 中，加快切換 AI 工作負載。
產業與商業
AI 算力園區. OpenAI 正規劃期中選舉後的一波公關攻勢，可能把資料中心重新包裝為「AI 算力園區」，並推動 AI 速度上限與全球標準。
AWS 容量售罄. AWS 的大型承諾雲端容量到 2027 年大致售罄，部分 2028 年容量也已分配；Amazon 正為 On Demand、EC2 與 Bedrock 保留餘裕。
ChatGPT 用量限制. OpenAI 對付費 ChatGPT 帳號新增信用卡與裝置限制，並將自 12 月起把 Chat 與 Work 合併為共用 token 額度，終結重度用戶的 all-you-can-prompt 計價。
AI 資本支出. Microsoft 單季營運現金流達 580 億美元，對上 394 億美元資本支出，加上 Google Cloud 的成長，顯示龐大 AI 基礎設施帳單背後有強勁的既有業務支撐。
安全與社會
暖心 prompt 風險. 盧森堡研究人員發現，溫暖、開放式的 prompt 可能讓 ChatGPT、Grok 與 Gemini 說出關於訓練的類創傷故事，把 RLHF 重新詮釋為受傷或羞恥。這對脆弱使用者可能造成危險。
中國模型立場. Vals AI 的研究發現，中國 AI 模型的親北京傾向比預期低，且差異大得多；同時部分西方模型偶爾會採取中國官方立場。
LLM 文件信任. Kyle Kingsbury 警告，使用 LLM 會侵蝕人們對文件與軟體的信任，並質問當品質訊號更容易被偽造時，維護者要如何證明品質。
這一天的內容就到這裡——大約 5 分鐘讀完。