NVIDIA Newsroom3838NVIDIA 开源工具助力研究人员构建下一代 6G 网络
NVIDIA的开源Aerial和Sionna软件使全球开发者采用量增长10倍、下载量超100万次，被8000多个研究机构使用，支持目标语义通信使机器人任务完成时间缩短52.6%、AI接收器在干扰环境下提升60%上行吞吐量、需求预测系统降低45.6% RAN功耗、GPU加速模拟将仿真时间从3小时压缩至10-20分钟。
实时
#推理
- NVIDIA Newsroom3838
OpenRouter Blog6262OpenRouter 推出新一代 Auto 和 Auto Code 路由器
OpenRouter 发布新一代 Auto 和 Auto Code 路由器，性能提升 4 倍，路由步骤速度提升 3 倍（p90 0.65 秒 vs 1.96 秒），Auto Code 专为编码优化，与 Claude Opus 5.5 性能相当但成本降低 74%。新路由器通过评估 11 个请求因素并结合实时定价、提供商健康状态和缓存状态进行模型选择，支持任何模型集和治理策略。
vLLM Blog精选7272REINFORCE Zero：对齐 kernel 让异步 RL 在 lag 64 下稳定训练
NVIDIA Research 与 Inferact 的 REINFORCE Zero 提出先对齐 rollout 与训练 kernel，再用不裁剪的 token 级重要性采样修正权重滞后，在 16 张 GPU、12K 次更新下训练步吞吐为同步训练的 2.40 倍。
推荐理由: 论文把异步 RL 的 rollout 与训练差距拆成权重滞后和 kernel 不一致两项，并给出对齐后免裁剪重要性采样的做法。
Modal Blog6565Snorkel 如何用 Modal 运行真实智能体模拟
Snorkel 利用 Modal 的 GPU 和 CPU 沙盒每月运行数百万次智能体模拟，支持多种任务评估。通过 Modal 的内存突发功能，Snorkel 将沙盒成本降低了 20%，并提升了运行可靠性。Modal 的无服务器 GPU 和共享/专用推理端点使 Snorkel 能快速部署和测试自定义模型。
Hugging Face Daily Papers6565EvoMemState：为个人智能体演化的记忆状态框架
EvoMemState 框架通过关系状态和推理状态增强持久事实，提升长期对话和记忆使用基准测试的检索完整性和记忆响应准确率。该框架包含本体引导的记忆状态归纳、基于强化学习的状态演化和状态感知推理三个组件。
IT之家 · AI5050摩尔线程完成 3 万亿级参数 Kimi-K3.1 Pro 适配，支持文本与图片推理
摩尔线程基于 MTT S5000 智算卡及 MUSA 软件栈完成 Kimi-K3.1 Pro 模型 Day-0 适配，支持 100 万上下文，在 Terminal-Bench 4.0 得分 65.7%。该模型是迄今能力最强的 3 万亿级参数模型，在代码与 Agent 基准测试中表现达顶尖闭源模型水平。
Hugging Face Blog5858Hugging Face 发布 ToyBlocks：用于机器人学习与评估的受控世界框架
Hugging Face 发布 ToyBlocks 框架，为机器人学习与评估提供受控的模拟环境。该框架支持自动生成任务与训练演示，并包含衡量机器人行为随时间变化的指标，旨在研究模型如何随更多训练数据改进，以及如何结合高级推理与精确物理控制。
O'Reilly Radar5858Claude Code 如何在运行内部提供精细控制
Claude Code 通过 CLAUDE.md 指令、技能、子代理和钩子提供对代码实现过程的详细控制，钩子可解释拒绝操作或返回编译或策略失败，但外部生命周期控制仍需其他层。
Artificial Analysis Articles6565VIALS-AA：不同路径的科学图像推理
VIALS-AA 对 19 模型进行测试，发现 38.3% 的工具调用用于查看图像，47.3% 用于图像准备或测量，而 GPT-6 Astra 和 GPT-6.1 Sol 的图像测量调用率仅为 5-6%，Claude Opus 5.5 和 Claude Sonnet 5.5 则为 25-27%。
36氪 · AI美的全屋智能锚定A2A：家电互联正从「接口对接」走向「Agent对话」
美的全屋智能总经理尚喆博士指出，行业卡点在于异构设备数据孤岛、交互效果落差及部署门槛，传统API对接方案因成本指数级上涨难以普及。美的自研家庭智能体MevoX通过AI Agent直接对话实现跨品牌协作，已与奇瑞iCAR完成车家互联，支持模糊意图推理与长期记忆，并与华为、比亚迪等生态伙伴打通。美的作为首个实现家庭智能体A2A协同的家电企业，正推动行业从硬件规模转向Agent推理与跨生态协同效率竞争。
- Hugging Face Daily Papers6565
SLA：通过持续预训练扩展空间-语言-行动模型
SLA 模型通过持续预训练和后训练，将预训练的 VLA 策略与冻结的 3D 感知模型进行空间对齐，使用特征依赖门控和概率状态 dropout 提升跨不同机器人数据的空间理解能力，同时保留推理架构。
ByteDance Seed · Hugging Face 新模型ByteDance-Seed/Cola2 发布：连续潜语言模型 Cola2
Cola2 是一个连续潜语言模型，结合动态压缩 VAE、块因果扩散 Transformer (DiT) 和跨段因果 token 解码器，动态将文本分组为语义片段，用紧凑的连续潜表示每个片段，生成潜块并实现为离散 token。
- Hugging Face Daily Papers6565
解耦预测决策架构（DPDM）发布
解耦预测决策架构（DPDM）通过结合冻结的语言模型表示与一个共享的预训练条件预测器，提升了智能体决策的准确性。
- 36氪 · AI6565
英伟达拟将老旧电信机房改造成1吉瓦AI推理网络
英伟达向美国宽带运营商Brightspeed提交方案，计划将老旧电信机房改造成小型AI数据中心，组成覆盖美国20个州的推理网络，该网络预计拥有1吉瓦可用电力。
- IT之家 · AI
微软 GitHub 副总裁开源 GPU 任务管理器 gputaskman 工具
微软 GitHub 副总裁斯科特·汉塞尔曼开源 GPU 监控工具 gputaskman，按进程展示 GPU 使用率、显存占用、温度等数据，并识别 LLM 进程显示模型细节，支持 Windows、Linux、WSL 和 Apple Silicon Mac。
MarkTechPost精选同一件事 · 2 家7171Thinking Machines 发布 Inkling 2 Small：594B 总参数、17B 激活的 MoE 模型
Thinking Machines Lab 发布第二代 Inkling 的首个模型 Inkling 2 Small，为 594B 总参数、17B 激活参数的稀疏 MoE，支持文本与图像输入和可变推理强度，上下文 1M token。
- Hugging Face Daily Papers
VFlash：通过 Flash 基元解码实现快速、精确的视觉规划
VFlash 通过 Flash 基元解码实现快速、精确的视觉规划，其轻量级绘图器在单次前向传递中生成整个基元，在 3D 点运动预测任务中速度提升约 25 倍，并在 MolmoSpaces 四个任务套件上达到 70.2% 的平均成功率。
- IT之家 · AI同一件事 · 2 家5555
webAI 开源 TwIL-8B 推理模型：聚焦数学与编程，长板表现优于 Gemma 4 31B
webAI 推出 TwIL-8B 推理模型，基于 IBM Granite-4.2-8B 优化数学与代码任务，MATH-500 和 AIME 2025 测试成绩优于 Gemma 4 31B，LiveCodeBench 同组最佳，IFBench 与 Gemma 4 12B 持平。模型推理能力达前沿模型的 88~93%，降低 AI 使用成本但知识储备有限。
- IT之家 · AI
淘宝 MNN 团队开源 0.3B 手机模型 MNN-Pocket-0.3B
淘宝 MNN 团队开源 0.3B 手机模型 MNN-Pocket-0.3B，在 iPhone 18 Pro 真机离线跑出 350 token/s。模型峰值内存低于 300MB，解码吞吐超 200 token/s，INT4 部署文件 173MB，英文 IFEval 得分 73.20，中文指令遵循 IFEval-zh 得分 74.59。
Codex releases00GitHub Copilot rust-v0.169.0-alpha.1 发布
GitHub Copilot rust-v0.169.0-alpha.1 发布，该版本提供代码审查、协作等功能。
- IT之家 · AI同一件事 · 4 家
Ricursive Intelligence 发布 Ripple-65B Preview，称其在美国开放权重模型中智能体编程表现最佳
Ricursive Intelligence 发布 Ripple-65B Preview 模型，宣称在美国开放权重模型中拥有最佳智能体编程表现。
OpenAI NewsCult.fit 利用 Codex 提升运营效率
Cult.fit 正在运用 Codex 协助跨部门团队构建工具、加速工作流程并改变工作方式。
- IT之家 · AI
AMD Medusa Point APU 的 Geekbench 7 跑分首曝：10 核 20 线程
AMD 下一代移动 APU Medusa Point 在联想测试系统中跑出 Geekbench 7 单核 1560 分、多核 11575 分，配备 10 核 20 线程（4 Zen 6 性能核+6 Zen 6c 能效核），16MB 三级缓存，支持 AVX-512 等指令集。
- Artificial Analysis Articles精选同一件事 · 2 家7272
Thinking Machines 发布 Inkling 2 Small，Artificial Analysis 智能指数得分 31
Thinking Machines 发布 Inkling 2 Small，在 Artificial Analysis Intelligence Index v5.0.1 上得分 31，比 Inkling Small 高 18 分，与 Gemini 3.8 Flash (high) 持平。
- IT之家 · AI精选7878
蚂蚁百灵发布原生多模态模型 Ling-3.2-flash，三项基准超过 Claude Opus 5
蚂蚁百灵官方团队发布原生多模态模型 Ling-3.2-flash，拥有 560B 总参数、25B 激活参数和 1M 上下文窗口，支持图像、文本与视频输入。
推荐理由: 原文给出三项基准对比与 API 定价，读者可据此判断这款多模态模型的能力位置与调用成本。
- vLLM Blog
VeRL-Omni v0.3.0 发布：异步训练与更广泛的多模态后训练支持
VeRL-Omni v0.3.0 发布，将异步执行扩展到更多多模态强化学习工作负载，并将 V1 训练器设为默认选项，同时扩展了图像、视频、音频和多模态理解的后训练支持。
- IT之家 · AI
英伟达破局 AI 内存瓶颈：HBM 仅增约 3%，每美元智能体吞吐量最高提升 30 倍
英伟达提出“全栈协同设计”破解 AI 内存瓶颈，NVFP4 压缩模型权重和 KV 缓存，NVL72 系统分散权重至 72 颗 GPU，Vera CPU 提供缓冲，Dynamo 软件迁移上下文，RAG 索引保留在 CPU 与存储侧。
- IT之家 · AI同一件事 · 2 家
英伟达实测 Vera CPU，较最快 x86 CPU 每瓦多跑 60% 智能体
英伟达公布 Vera CPU 在智能体工作负载上的实测数据，每瓦可支持 1.6 倍数量的智能体，较最快 x86 CPU 每瓦多跑 60% 智能体；Perplexity 和 DeepInfra 等合作方测试显示，Vera 运行智能体编码任务比传统 CPU 快 1.5 倍，智能体编排任务快至多 2.2 倍。
同一件事 · 2 家 
Ollama releases6565Ollama 支持小米 MiMo V2.6 模型及 AutoTrust 决策模型
Ollama 现在支持小米 MiMo V2.6（9B 参数代码与智能体工作流模型），以及 AutoTrust 决策模型（包括 9B、35B 和 27B-VL 版本，35B 和 27B-VL 可处理图像）
- MarkTechPost同一件事 · 3 家6262
百度发布 ERNIE 5.5 Flash Base：一个 280B MoE 基础模型，每 token 激活 14B 参数
百度发布 ERNIE 5.5 Flash Base，一个 280B 参数稀疏 MoE 基础模型，每 token 激活 14B 参数，支持 128K 训练上下文和 1M 推理上下文。
- Codex releases00
GitHub Copilot 0.168.0-alpha.7 发布
GitHub Copilot 0.168.0-alpha.7 发布，未公布具体更新内容。
Browser UseClaude Code v2.1.159 发布
Claude Code v2.1.159 发布，支持 8k 上下文窗口，在 SWE-bench Verified 上表现优异； Anthropic 推出 Browser Use 开源库，让 AI 智能体通过 Chrome DevTools Protocol 控制浏览器，提供 Browser Use Cloud 和 Browser Use Agents 服务。
- NVIDIA Newsroom同一件事 · 2 家5858
NVIDIA Vera 发布：兼顾最高吞吐量与最快智能体性能
NVIDIA Vera 处理器在 100 兆瓦数据中心对比中超越最快和最节能的 x86 CPU，实现行业领先智能体速度并提升 1.6 倍每瓦智能体密度。Perplexity 和 DeepInfra 等早期采用者在生产测试中验证了 1.5 倍和 2.2 倍的智能体任务加速。
- Hugging Face Daily Papers
Halley：用于光学AI数据中心网络的预测控制平面
Halley框架通过预测故障和控制资源提升AI数据中心光学网络的有效吞吐量，减少容量需求，并具备形式化保证。其包含四个组件：LightReserve调整激光池规模提供覆盖界限，FoldFit在11/9倍最优值内调度交换机，ThermaLead对微环进行一步提前控制，TriageGuard优先保护高风险模块。
SemiAnalysis谷歌TPU以TPUv7铁木林在推理领域占据一席之地
Google TPUv7 Ironwood 在 Qwen 3.5 397B FP8 上单次推理性能每美元优于 B200 和 B300 50%，并在多模型 AgentX 基准中展现竞争力或最佳结果，支持 vLLM、SGLang 等生态，但 NVIDIA 对此反应激烈并加速研发。
The Decoder同一件事 · 3 家百度发布开源 ERNIE 5.5 Flash Base 大模型
百度发布 ERNIE-5.5-Flash-Base 开源基础模型，含 2800 亿参数，采用混合专家架构，单次输入激活 140 亿参数，预训练覆盖 3350 万亿 tokens，支持高达 128 万 tokens 的训练上下文，推理时上下文最长可达 100 万 tokens。
Apple Machine Learning Research苹果的摊销最大内积搜索加速检索
苹果在ICML 2026上提出的摊销最大内积搜索通过训练小神经网络学习支持函数，以固定成本理解典型查询匹配方式，实现推理时更快的精确检索。该方法利用ICNN学习支持函数，KeyNet直接输出最佳匹配键向量，均基于实际查询分布构建的监督数据集进行训练，显著提升RAG场景下的检索效率。
Databricks Blog5858Databricks 将 Delta Sharing 升级为 OpenSharing：扩展 AI 资产共享范围
Databricks 与 Linux Foundation 于 2026 年 6 月宣布 Delta Sharing 升级为 OpenSharing，将共享范围从 Delta Lake 表扩展至包含 Agent 技能。
Mastra BlogMastra 平台推出延迟指标追踪功能
Mastra 平台和 Studio 现支持追踪每个智能体和模型调用的延迟指标，可通过 TTFC（首次数据块时间）和 TTFT（首次 token 时间）过滤排序追踪、跨度及线程，识别慢速环节。
- Codex releases00
GitHub Copilot rust-v0.168.0-alpha.5 发布
GitHub Copilot rust-v0.168.0-alpha.5 发布，该版本提供代码审查、协作等功能。
