#推理

vLLM 为 Muse Spark Open 提供 Day 0 支持

vLLM 宣布在 Muse Spark Open 发布当天提供 Day 0 支持。该模型为 816B MoE，支持 1M 上下文和多模态输入，并包含 DSpark 投机解码、NVIDIA 与 AMD 部署、初步 TPU 支持以及 LoRA RL。

OpenAI 据报年底前发布一到两款新模型，旗舰仍需对齐工作

据 The Information 援引知情人士报道，OpenAI 员工称公司年底前可能发布一到两款新模型，但正在开发的重大升级旗舰是否在其中尚不清楚。该旗舰采用与 Astra 相同的循环 Transformer 技术，可提升数学和编码表现并降低成本，但会把部分思考移入人类审查者无法检查的内部数值表示，削弱思维链监控。

Google DeepMind 发布 Gemini 4 Argon 并公开安全防护细节

Google DeepMind 开始广泛推送 Gemini 4 Argon，并扩大 Fairwind Program 的受信任网络防御者范围。该模型在网络安全测试中解决了全部 12 个端到端模拟攻击场景，上一代为 5 个；在 Gray Swan 间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。

同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon 前沿模型》

vLLM 推出基于 push 的 NIXL 连接器，优化分离式推理的 TTFT 与 TPOT

vLLM 为分离式推理引入基于 push 的 NIXL 连接器，由 prefill 实例通过 RDMA 将 KV 直接写入 decode 内存，从而把 router 中转、decode 侧分配和传输建立移出 TTFT 关键路径。该方案旨在改善首 token 延迟（TTFT）与每 token 输出时间（TPOT）。

vLLM 提出无需置信头的自适应验证方法

vLLM 提出一种在线拟合的接受率估计器，让每个草稿模型投机解码都能使用自适应验证。该方法直接从草稿模型自身的 logits 预测目标模型的接受概率，并在服务过程中持续重新拟合，无需额外的置信头。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio 与 Gemini API 提供，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 使用。

如何在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体

AWS 官方博客介绍 Grok 4.7 已在 Amazon Bedrock 上线，并演示如何用它构建工具调用智能体。

Apple 首次从头预训练三模态掩码扩散模型 MDM，3B 规模验证统一设计

Apple 提出首个从头预训练的三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上统一训练，并系统分析多模态缩放规律、模态混合比例与噪声调度。其批次大小分析给出基于 SDE 的重参数化方法，将物理批次与逻辑批次解耦，免去最优批次调参。初步模型在 3B 规模（6.4T tokens）下于文本生成、T2I 和 T2S 任务均取得强劲结果。

Amazon SageMaker AI 上的 MoE 内核工程优化实践

针对 MoE 模型在解码阶段因 token 行数过薄导致的 GPU 利用率瓶颈，团队通过 Swap-AB 转置让专家维度 N=8192 进入 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 及更高版本。

Meta 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 与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。

Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审

Google DeepMind 的 AlphaProof Nexus 在 Science 发表的新研究中独立解决了数十个开放数学问题，包括 353 个 Erdős 问题中的 9 个，其中两个已悬置 56 年。

微软研究：清空对话历史可让 AI 智能体找到更好方案

微软研究院一项研究提出 Fork-and-Flush 方法，让长时运行的 AI 研究智能体在保留工作区文件的同时清空对话上下文并分叉出 K 条并行分支，从而跳出反复收敛到相似解的 idea basins。

Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，模型可自评自优化但存在共享盲点

Sakana AI 与 UC Berkeley 研究人员提出 Multi-Agent Self-Supervision（MASS），让同一个语言模型同时承担解题、优化工作流和评估结果三种角色，无需更强的教师模型。

用 Ray LLM Deep Learning Containers 在 Amazon EKS 上运行多节点推理负载

AWS 发布 Ray LLM Deep Learning Containers，可在 Amazon EKS 上把单个大语言模型跨两个 GPU 节点部署，将 prefill 与 decode 分离到不同节点并统一在一个 OpenAI 兼容端点后。

在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型

AWS 发布 llama.cpp 专用深度学习容器（DLC），可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管量化模型，并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。

Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空

Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图片和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理。

研究显示 AI 智能体团队耗费大量 token 却几乎不提升质量

评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和团队形式在 medium 与 maximum 两档推理强度下运行，团队成本是单智能体的 1.8 倍至 5.1 倍。

微软发布 Decision-1 决策模型，基于 Qwen3.5-9B

微软推出自研决策模型 Decision-1，用于分类、评估和路由决策，并称其有潜力引导和控制智能体应对复杂环境。该模型基于 Qwen3.5-9B，微软称其在覆盖近 15 万道题的 36 项基准测试中准确率最高，速度是第二名 H2O-Lightning-4B 的 2.5 倍；对比图中 Decision-1 以 83.5% 准确率和 85 ms 延迟领先 Jev 1.13.0。

Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna

Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称平均运行成本比 Haiku 4.5 低约 75%。

Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna

Anthropic 发布快速低成本模型 Claude Haiku 5.5，定价为每百万 token 输入 0.10 美元、输出 0.50 美元，与 OpenAI 上月发布的 GPT-6 Luna 相同，但超过 100,000 token 后涨价 5 倍至 0.50/2.50 美元。

Anthropic 发布 Claude Haiku 5.5，价格较 Haiku 4.5 平均降约 75%

Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%；对 10 万 token 以内的提示词降价最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。

Mistral 发布 Mistral Large 4 预览版 Le chonk

Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。

Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和生成-验证-精炼推理流程，在 IOI 2026 与 IMO 2026 两项竞赛中达到金牌水平。