Qwen3.8-Flash-Next 推理达 685 tokens/s
LightSeek Foundation 在 4× NVIDIA GB300 上用 NVFP4 运行 TokenSpeed，使 Qwen3.8-Flash-Next 达到每用户 685 output tokens/s。Qwen 官方对此表示祝贺，并期待社区进一步释放 Qwen 的推理潜力。
#推理
RadarAIAI 评分3636 RadarAIAI 评分3838 AlphaGo Zero：David Silver 详解 AI 如何摆脱人类数据、用强化学习自主发现知识
Ineffable Intelligence 联合创始人 David Silver 与 Lasse Espeholt 在 Sequoia Capital 播客 Training Data 中详解「超级学习器」路线：放弃人类数据与语言先验，用简单目标加复杂环境让 AI 自主发现知识。他们主张先在模拟中研究超级智能的安全与对齐，并预测一年内出现证据、三年实现超级智能。
RadarAIAI 评分2222 卡拉克第一定律与 LeCun 唱衰大语言模型
推文提出"卡拉克第一定律"：老权威说某事可能几乎肯定对，说不可能几乎肯定错，并以 Yann LeCun 多年否认大语言模型能实现真正智能为例。推文称在 LeCun 否认期间，语言模型已从预测下一个 token 发展到攻克 coding、解出大量人类解不出的数学难题。引用推文则质疑杨力坤、李飞飞等的大世界模型路径能否替代 LLM，认为语言即世界的抽象，语言模型就是世界模型。
RadarAI同新闻AI 评分8787 谷歌发布 Gemini 4 Argon，支持 100 万 token 输出并面向开发者开放
谷歌发布 Gemini 4 Argon，面向全球开发者和企业开放，可通过 AI Studio、Gemini 平台 API 使用，并支持 Google AI Ultra 与 Pro 订阅用户。
RadarAIAI 评分6262 实测评测：Gemini 4 Argon 让 Google 重回第一梯队，但 Antigravity 仍落后半年到一年
indigo 实测 Gemini 4 Argon 的写作与知识组合能力后认为，它让 Google 的模型重新追上第一梯队但未超越对手，而应用 Antigravity（Harness）落后对手半年到一年，拖累了模型表现。
RadarAIAI 评分2222 马斯克称分布式推理云是大事
马斯克在 X 上回应摩根士丹利分析师 Adam Jonas 的 SpaceX 研报，称分布式推理云"确实是件大事"。Jonas 在报告中称分布式推理云是 SpaceX 故事中增长潜力最大、却被投资者 largely 忽视的部分，并预计随着物理智能体密度提升，移动集群的智能能力将递增，建议投资者准备好在未来一年听到更多相关讨论。
RadarAIAI 评分6262 Dyna Robotics 联合创始人 Jason Ma 深谈 Dyna-2 world-action 模型与小时级自主机器人
Latent Space 发布对 Dyna Robotics 联合创始人兼首席科学家 Jason Ma 的现场访谈，解读其上月发布的 Dyna-2 world-action 模型与后续实体机器人智能体 Dyna-2.1。
RadarAI同新闻AI 评分7878 Google 向付费用户开放 Gemini 4 Argon，Vals AI 专业工作指数得分 68.90% 登顶
Google 将 Gemini 4 Argon 开放给付费客户，该模型在 Vals AI 按 GDP 加权的专业工作指数中以 68.90% 领先 Claude Sonnet 5.5 的 67.04% 和 Claude Opus 5.5 的 66.97%。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon》
RadarAIAI 评分3838 SanSi 让 Ouro-1.4B 循环 8 次，决策准确率升至 72%
论文提出 SanSi，让预训练为可复用层的 Ouro-1.4B 重复运行同一批层最多 8 次，并在每次循环后读取选项概率，使小模型在决策任务上大幅提准。在 10,027 条测试决策上，SanSi 得分 72.0%，同规模无循环模型为 58.4%，计算量为其 7.7 倍。
RadarAI精选AI 评分8282 Gemini 4 Argon 正式 GA，智能指数追平 GPT-6 Astra，每任务成本仅为其 60%
Google 的 Gemini 4 Argon 正式 GA，在 Artificial Analysis Intelligence Index 上与 GPT-6 Astra 排名持平，每任务成本仅为后者的 60%。
推荐理由：对比 Gemini 4 Argon 与 GPT-6 Astra 的智能指数和每任务成本，可用于评估同等智能水平下的性价比选择。
The Verge · AI同新闻AI 评分8282 Google 发布 Gemini 4 Argon 模型
Google 发布 Gemini 4 Argon，称其在编程、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
RadarAIAI 评分6262 Google 发布 Argon，提升空间推理与视觉编程能力
Google 发布 Argon，在空间推理、数学精度和视觉编程方面带来重大改进。在 @Antigravity 中使用多智能体循环，Argon 自主构建了整座宝塔建筑群，在 Blender 中从零开始雕刻建筑、植被和光照。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 团队在 Amazon Bedrock 上基于 Grok 4.7 构建工具调用智能体，在三个需要搜索而非查表验证的任务上跑了 72 次，答对 67 次，xhigh 档位 18 次全对。
推荐理由：通过 72 次可复现的智能体运行，量化了 Grok 4.7 各推理档位在正确率与 token 成本间的取舍。
AWS Machine Learning BlogAI 评分2929 Amazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在 decode 阶段 M 维过薄导致的 GPU 利用率瓶颈，团队通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置，在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及之后版本。
RadarAIAI 评分3636 Baseten 解析 Gradium TTS 如何实现快于人类响应的实时语音合成
Gradium TTS 在 Coval 基准（2026 年 5 月 4 日数据）上实现 155 ms 的 TTFA 中位数，四分位距仅 2 ms，达到快于人类语音响应的水平。
RadarAIAI 评分3535 小红书提出 AdaptEvo：面向规则约束情境决策的 Agent 学习框架
小红书 AllSpark 团队联合社区审核算法团队提出 Agent 学习框架 AdaptEvo，将置信度自适应强化学习 CA-GRPO 与决策知识、评价准则的演化交替进行，用于规则约束下的复杂情境决策。
RadarAIAI 评分3939 IBM Research 用开源模型与 llm-d 分布式推理降低 AI 芯片设计成本
IBM Research 演示用开源前沿模型结合 llm-d 分布式推理构建 agent factory，对量子纠错解码算法 Relay-BP 做 HLS 硬件优化，在 100 个假设预算下实现约 52 倍加速、推理成本约 26 美元。同预算下全专有模型配置成本 299 美元、加速 204 倍，为开源配置的 11.5 倍。该结果表明大幅硬件优化可在更小推理预算下实现，并得到面积最小的设计。
RadarAIAI 评分6060 ScaleDown 发布 Classify、Extract、Summarize 三个 Constrained Decoding Models
ScaleDown 发布 3 个面向单一任务的 Constrained Decoding Models，分别为 Classify、Extract 和 Summarize，不做逐 token 生成，只对输入做一次 prefill 并从原文中直接选出答案。
RadarAIAI 评分4747 Z.ai 发布法律模型 GLM-Legal，Harvey LAB 得分 19.17% 超越 Kimi K3 与 Claude Fable 5
Z.ai 发布法律领域模型 GLM-Legal，基于 GLM-5.3-Flash（320B 总参数、18B 激活、1M 上下文）构建，在 Harvey LAB 上取得 19.17% 全通过率，约为其基座模型 6.67% 的 3 倍，并超过 Kimi K3（12.92%）与 Claude Fable 5（11.25%）。
Latent Space精选AI 评分7878 Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，距该实验室成立约 14 个月。
推荐理由：汇总了 Meta Muse Wonder 系列的发布细节与多家第三方评测数据，可对照 Opus 5.5、GPT-6 等模型看前沿梯队变化。
RadarAIAI 评分4141 阿里 Qwen 推出 QwenGyre：面向超长时程智能体的弹性强化学习框架
阿里 Qwen 团队推出 QwenGyre，一个面向超长时程智能体训练的弹性强化学习框架，可在未经修改的黑盒 harness 中训练编码智能体，单次 rollout 处理近 1M tokens。
RadarAIAI 评分3131 丘成桐谈中国学术评价功利化、数学本质与 AI 对基础科学的冲击
数学家丘成桐在深度访谈中批评中国学术界长期存在的院士、帽子、职位等功利倾向，认为这种环境正消耗年轻人才的创造力。他强调数学是完全自由的国度，真正的原创在于创造新概念而非解题。对于 AI，他持审慎态度，认为 AI 可完成技术性证明，但缺乏跨学科能力。
RadarAIAI 评分7171 Meta 发布 Muse Wonder 系列 Agent 模型，作者解读四大能力支柱与泛化论证
Meta 发布面向个人与专业场景的 Agent 旗舰模型系列 Muse Wonder，定位为替用户做事而非通用聊天。作者梳理其四大能力支柱：领域专业知识（覆盖法律、金融、医疗与 Harvey 的 LAB 基准）、主动记忆、主动专注（配套自建 FocusBench 和 SWE-Marathon）与前沿编程。
RadarAIAI 评分4949 英特尔 "Crescent Island" 数据中心推理卡定名 Intel GPU D 系列，首款 D270 亮相
英特尔在 2026 OCP 全球峰会上将基于 "Xe3P" 架构的数据中心推理 GPU "Crescent Island" 定名为 Intel GPU D-series，首款产品为 Intel GPU D270。
RadarAIAI 评分2424 4 张英伟达 Tesla V100 集群 AI 推理跑赢 2 台 DGX Spark 与 M5 Ultra
YouTube 频道 Jun Yamog 将 4 张英伟达 Tesla V100 装在 NVLink 载板上，在 4-bit 量化 Qwen3.8-Flash-Next 基准中长提示处理速度较 2 台 DGX Spark 快 40%、较 M5 Ultra 快 230%。
GitHubAI 评分2525 trymirai/uzu：面向 AI 模型的高性能推理引擎
trymirai 在 GitHub 发布 uzu，一个面向 AI 模型的高性能推理引擎。项目定位为推理引擎，原文未披露支持的模型、性能数据或开源许可等细节。
Hacker NewsAI 评分2222 CS2680 Modern AI Systems：智能体与系统优化课程公布 Fall 2026 安排
哈佛 CS2680《Modern AI Systems: Agents and System Optimizations》Fall 2026 课程公布安排，容量增至 80 人，课堂时间为周一、周三 11:15–12:30，地点 SEC LL2.229。
Apple Machine Learning Research精选AI 评分6060 Apple 与约翰霍普金斯提出 SELFCOMPACT：让语言模型智能体自行压缩上下文
Apple 与约翰霍普金斯大学研究者提出 SELFCOMPACT，让模型自己决定何时以及如何压缩上下文，由模型调用的压缩工具和一份轻量 rubric 两部分组成，无需微调或外部监督。
推荐理由：论文提出让模型自行决定何时压缩上下文的脚手架，并给出六个基准、七个模型上的成本与效果对比。
Apple Machine Learning ResearchAI 评分3838 Minions：基于闲置 Apple Silicon 设备构建的动态分布式虚拟 GPU 云
Apple 研究团队提出 Minions，一个将多台 macOS 设备上闲置的 Apple Silicon GPU 聚合起来、执行大规模机器学习推理的动态分布式虚拟 GPU 云。系统支持灵活的 GPU 推理任务执行、容错和高效资源利用，让团队无需额外采购 GPU 即可复用现有硬件。研究称，在集中式 GPU 资源受限的环境中，闲置 macOS 设备可转化为实用的分布式 GPU 推理平台。
GitHubAI 评分6060 embodiOS 发布 v0.9.0，把量化 LLM 编进裸机内核并支持树莓派启动
embodiOS 发布 v0.9.0「Galvani」，将量化 LLM 直接编译进裸机 x86_64/aarch64 内核，单个 embodios.elf 文件同时是操作系统和模型，无需 Linux、libc 或用户态依赖。
GitHubAI 评分2222 OpenVINO Model Server：面向生成式 AI 与经典深度学习的高性能模型服务
OpenVINO Model Server（OVMS）是一款基于 OpenVINO、面向 Intel 硬件优化的 C++ 推理服务器，同时支持生成式 AI 与经典深度学习模型。
Hacker NewsAI 评分5858 Intel 发布 D270 数据中心 GPU，最高 480 GB LPDDR5X 显存
Intel 发布面向智能体 AI 推理的数据中心 GPU D270，单卡最高 480 GB LPDDR5X 显存，功耗 350 W，采用风冷与标准 PCIe 5.0 形态。
Hacker NewsAI 评分3838 Quail 如何用 Trie 树执行 AI.CLASSIFY 分类
Quail 是 AI-SQL 执行引擎，其 AI.CLASSIFY 算子支持三种实现：trie_decode 逐 token 贪心生成标签、trie_tree 一次请求为所有标签打分、letters 为每个标签打一个字母分。以 Qwen3-4B-fp8 为例，AI.CLASSIFY 接收文档与 2 至 255 个标签，始终返回其中一个标签，并可通过 probabilities 选项输出各标签概率。
量子位AI 评分6666 GPT-6 Astra 联手数学爱好者证明 57 年摆圆难题 N≤20 情形
数学爱好者 nor 用 GPT-6 Astra 严格证明了摆圆问题中 N=15、16、17、18 和 20 这 5 种情况，此前仅 N≤14 和 N=19 得到验证。
Hacker NewsAI 评分1515 自适应学习运行时的观察保持门控与语义：Lean 4.19.0 验证 21 条新定理
一篇匿名预印本为带优化器记忆、模型修订、请求队列和拒绝事件的自适应学习运行时给出集合值语义，并用 Lean 4.19.0 验证了 21 条新定理，同一步进与门控定义被编译进实时控制器。证据包括 45 项测试、124,064 次有界控制器对比、300 个生成事件和两个 NumPy/JAX 场景；编译器、JSON、Python 适配与数值内核仍属显式信任边界。
vLLM Blog精选AI 评分6262 vLLM 引入双向 KV 传输，多轮智能体负载 TTFT 最高降低 3.3 倍
vLLM 新增双向 KV 传输能力，让 decode 节点把已计算的 KV 块回传给 prefill 节点，避免多轮对话中重复计算历史上下文。在 1P1D 部署、Amazon EC2 P5en 加 AWS EFA 的测试中，最长提示下 Qwen3-32B 的 TTFT 降低约 1.6 倍，zai-org/GLM-5-FP8 降低约 3.3 倍。
推荐理由：原文给出双向 KV 传输的架构、可调参数与复现步骤，读者可据此评估多轮智能体场景下的 TTFT 收益。
Hacker NewsAI 评分6060 Elorian 与 Scale AI 发布 HSS 基准，测量多模态模型的直觉视觉推理
Elorian 与 Scale AI 联合发布 Humanity's Sixth Sense（HSS）基准，用 522 道开放式题目测量多模态模型对画面隐含信息的直觉视觉推理，含 288 张图片和 234 段短视频、共 17.6 小时视频。
Hacker NewsAI 评分3838 Lean 验证为何不等于证明正确：AI 时代数学证明的可信度问题
一篇讨论 Lean 形式化验证可信度的文章指出，"verified in Lean" 并不等于证明正确，并列举了六类失效情形：关键部分未被形式化、形式化证明与论文证明不一致、形式化陈述与原本意图不符、证明存在 sorry 或额外公理、利用内核 bug，以及编译链与硬件的信任问题。
TechCrunch · AI精选AI 评分8080 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是其首次尝试前沿模型。
推荐理由：Meta 首次发布前沿模型，给出与 Fable 5.1、GPT-6 Astra 的基准对比及 API 定价，可据此判断其定位。
Hacker NewsAI 评分2222 AI 挑战《杀戮尖塔》：GPT-6 Astra 在 Ascension 20 下的表现
GPT-6 Astra 在最高难度 Ascension 20 下以最大 effort 挑战《杀戮尖塔》五个 Act 1 场景，每个场景跑十局。测试覆盖 Ironclad、Silent、Defect、Watcher 四个角色，场景包括平均地图、诅咒局、陷阱路线、密集分叉地图和强制精英战，并记录分数、层数、游戏时长与成本。