跳到正文
实时
#推理
10月29日周四
  1. IT之家 · AI42

    XHEART 新芯航途智驾大模型芯片 X7 Ultra 发布：700 TOPS 大模型算力，中国首发量产 Armv9 车规级 CPU

    XHEART 新芯航途发布大模型芯片 X7 Ultra，算力达 700 TOPS，量产模型实测 99.99% 对齐，内存带宽消耗下降 80%、能效提升 100%。芯片内置高精度算子加速引擎，原生支持 FP16/FP32 计算，中国首发量产 Armv9 车规级 CPU，性能提升 20%、能效提升 10%。

    同一件事 · 2 家
  6. Hugging Face Daily Papers65

    Sensorimotor Alignment：一种基于感知运动对齐的具身智能体成功代理指标

    Sensorimotor Alignment (S²) 指标发现具身智能体的视觉与运动表征对齐程度与其任务成功率正相关，验证了柏拉图表征假说在机器人领域的适用性。在模拟与真实机器人测试中，高 S² 的模型（如 Vision-Language-Action 和 World Action Models）表现更优，且能解释 VLA 模型忽略指令而依赖视觉特征的现象，可作为低成本离线代理指标。

  7. IT之家 · AI

    新芯航途 X7 Ultra 芯片中国首发量产 Armv9 车规级 CPU

    新芯航途发布 X7 Ultra 大模型芯片，内置高精度算子加速引擎，支持 10 倍参数量模型部署，NPU 计算利用率达 98.7%，内存带宽消耗下降 80%、能效提升 100%。该芯片中国首发量产 Armv9 车规级 CPU，性能提升 20%、能效提升 10%。

    同一件事 · 2 家
  9. 量子位

    分子之心MMDesign在AI制药领域取得突破性进展

    分子之心AI蛋白质从头设计平台MMDesign完成18个设计项目，成功率94.7%，其中六个GPCR靶点全部命中，最优亲和力达纳摩尔级；平台通过“生成-筛选-验证”工作流，在计算空间生成数万个候选分子后，仅测试9-50个即获成功，整体候选命中率30.7%，展现出高效精准的分子设计能力。

  10. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，工程能力一键复用让具身智能研发更高效

    逐际动力发布 FluxVLA Engine V2 技术报告，通过统一配置、模块解耦和系统优化，实现模型训练、评测与部署全链路复用，支持14种主流策略接入，推理路径频率提升2.31–9.64倍，在ALOHA、双臂Franka等6款真机验证闭环执行，在线强化学习使SmolVLA成功率提升10.0–15.4个百分点。

  11. 量子位

    逐际动力发布 FluxVLA Engine V2 技术报告，提升具身智能研发效率

    逐际动力更新了开源工程底座 FluxVLA Engine 的第二版技术报告，V2 在仿真侧支持 14 种策略接入 LIBERO 评测，推理端模型路径频率提升 2.31–9.64 倍，并在 ALOHA、双臂 Franka 等真机平台验证部署链路。在线强化学习使 SmolVLA 在 LIBERO-10 和 RoboTwin Clean 任务成功率分别提升 10.0 和 15.4 个百分点。

  14. ByteDance Seed · Hugging Face 新模型

    ByteDance-Seed/GenFirst 发布：一种用于稳定端到端潜在生成建模的生成前置重建方法

    ByteDance-Seed/GenFirst 训练一个潜在 VAE 并联合一个生成先验，避免通常使端到端训练不稳定的潜在崩溃。该方法的两个阶段计划用于先验和熵权重：第一阶段让先验塑造潜在几何形状，第二阶段将两者权重十倍降低，使解码器恢复细节。

  17. OpenRouter Blog

    OpenRouter 重构供应商路由算法提升推理性能与速度

    OpenRouter 发布全新供应商路由算法，通过实时评估价格、延迟、吞吐量和错误率，为每个请求选择最佳性价比方案，显著提升推理速度（TTFT提升16.9%）、吞吐量（提升16.3%）和可靠性（错误率降低67%），成本仅微增6.0%。该算法奖励提供高质量推理的供应商，无需用户修改代码即可持续获得更优体验。

  27. Artificial Analysis Articles85

    Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5

    Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项居首

    同一件事 · 5 家
10月28日周三
  4. Hugging Face Daily Papers

    SPOT通过提交顺序预测增强扩散语言模型的推测解码。

    SPOT 通过预测 token 生成顺序并行验证候选，将扩散语言模型的遍历次数减少高达 6.8 倍，同时保持精确解码。该 0.62M 参数模型读取目标输出分布，预测顺序并提出候选树，目标模型通过状态等式在单次遍历中验证。SPOT 在 SDAR-8B 上将目标遍历次数减少至标准解码的 1/6.8，吞吐量提升 3.4 倍，并在所有任务和预算下超越校准无训练基线。