[AINews] Cognition完成10亿美元D轮融资，估值达260亿美元

我们上一次报道认知实验室是在九月份的100亿美元C轮融资，当时Smol.ai也加入了认知实验室，而AINews最终被迁移到潜空间。八个月后，该实验室估值已增长2.5倍，正式成为AI领域最大的独立智能体实验室，这正是我们去年提出的核心论点。随着官方ARR（年度经常性收入）披露（目前预计到年底将超过10亿美元），我们可以看到其增长轨迹与2025年发生了什么图表惊人相似（这并非偶然）：

在企业SaaS业务中，ARR是滞后指标，反映了客户使用率，而一些最严苛/最具鉴别力的企业和初创生态系统客户的标志（包括上周报道的Exa和Modal）同样印证了这一点：

明天将在认知播客发布更多信息。

AI新闻2026年5月26日至5月27日。我们监测了12个子版块、544个推特账号和无Discord频道。AINews网站可搜索所有往期内容。提醒：AINews现为潜空间的一个版块。您可订阅/退订邮件推送频率！

推理效率、服务架构与成本曲线

• 推理优化正变得更具体系化，而非仅限于内核级：EAGLE 3.1通过稳定隐藏状态反馈和减少深层解码步骤中的注意力漂移，提升了推测式解码的鲁棒性，特别强调长上下文接受长度和现实世界服务可靠性；团队还提到与vLLM和TorchSpec的合作。在内核/系统层，Perplexity开源了重建的Unigram分词器，使CPU利用率降低5-6倍，处理514个标记时达到63微秒且零堆分配；通义千问3.5在TokenSpeed上的表现则通过阿里巴巴、LightSeek、NVIDIA、Mooncake和FlashAttention-4贡献者的联合优化，在代理工作负载中实现每秒580个标记。支持库也得到改进：MaxSim v2新增反向传播功能，在H200上提速10.33倍，在A100上提速11.94倍，远超原始PyTorch性能。

• 价格下调由结构性键值缓存和注意力机制变革支撑：多篇分析指出，中国实验室近期的API降价具有可持续性，因为它们反映了单标记服务成本下降，而非临时补贴。@kimmonismus总结了DeepSeek V4-Pro如何通过混合注意力机制（压缩稀疏注意力和高度压缩注意力）将100万标记的键值缓存容量降至V3.2版本的10%，单标记推理FLOPs减少至27%，同时仍能调用1.6万亿参数中的490亿活跃参数。小米的MiMo则通过SWA（滑动窗口聚合）和分层缓存管理减少缓存流量。@_LuoFuli证实，MiMo最深输入缓存命中带来的价格降幅源于5倍缓存容量提升、约80%的缓存成本降低，以及1:7全连接:SWA稀疏度比。总体结论：长上下文推理经济性正由注意力设计+缓存层次+路由策略共同推动，而不仅仅是硬件成本下降。

智能体、框架、记忆与持续学习

• 堆栈正在从“模型质量”转向“模型-框架-内存适配”：大量推文聚焦于实用代理工程实践。LangChain 发布了 Deep Agents v0.6，引入 Delta Channels 技术，将 200 轮编码会话的检查点存储需求从 5.3 GB 压缩至 129 MB，并推出了 Fleet 中的计算机使用功能 和 Context Hub（用于版本化代理上下文/技能）。LangSmith Engine 被定位为自动化评估→诊断→修复循环，多位从业者强调其价值在于将追踪反馈转化为可复用的在线/离线评估器。与此同时，@Vtrivedy10 提出了当日最清晰的观点：任务-框架适配与模型质量同等重要，定制化垂直系统通过缩小工具、提示和上下文范围，性能优于通用框架。

• 持续学习正重新成为产品类别，而不仅仅是研究课题：最大亮点是 Trajectory 的发布：一个利用 产品使用信号和代理追踪数据 对大型智能体模型进行持续后训练的平台，获得 1500 万美元融资，设计合作伙伴包括 Clay、Harvey、Decagon、Mercor 和 Rogo。Baseten 表示支持此类部署，提供 FP8/NVFP4 量化和自动扩展 H100 基础设施，其中包括一夜之间部署 3970 亿参数模型 的案例。开源工具方面，基于 LangChain/LangGraph 构建的 内存中心型代理 因明确分离检索/存储/推理/学习模块而受到开发者称赞；RLM 的极简训练框架 展示小型团队如今可在 8×A100 GPU 上一天内完成长上下文代理的强化学习调优。核心趋势是：“部署后学习”正从愿景变为基础设施。

基准测试、扩展定律与训练方法

• 新基准测试越来越关注长期、复杂、真实世界的流程：DeepSWE 被列为软件工程师/代理基准，包含 跨 5 种语言的 91 个仓库中的 113 项任务，采用极简主义 bash-only 框架和较短提示，但要求生成的代码量比 SWE-Bench Pro 多 5.5 倍，平均涉及 7 个文件。在企业运维领域，Artificial Analysis 和 IBM 推出 ITBench-AA，这是一个针对 Kubernetes 事件响应的 SRE 基准测试，所有前沿模型得分均低于 50%；Claude Opus 4.7 领先（47%），GPT-5.5 紧随其后（46%），GLM-5.1 Reasoning 在开源权重中表现最佳（40%）。另一个可靠性视角来自 AgingBench，该基准将部署代理的性能退化视为生命周期问题，归因于压缩、干扰和内存更新的影响。

• 训练效率研究在理论和系统层面持续活跃：Sakana AI 的 DiffusionBlocks 是最具技术突破性的成果之一：它将前向传播重新解释为扩散式去噪步骤，使深度网络能够 逐块训练，显著降低内存消耗，同时在 ViT、DiT、掩码扩散、自回归变换器和递归深度变换器 等架构上保持端到端性能。在强化学习系统方面，Snowflake 推出 ZoRRo，声称通过消除冗余回滚计算，实现 长达 3.2 倍的上下文窗口 和 最高 3.5 倍的长上下文 RL 加速，并发布了面向企业的专用 Arctic-Text2SQL-R2 SQL 模型。理论研究方面，Tiberiu Musat 的预印本 认为，在固定精度网络中，最小神经权重范数与最小程序长度在对数因子范围内匹配；Unified Neural Scaling Law 则提出多变量函数形式，旨在更准确地外推神经网络扩展行为，超越现有拟合方法。

模型与模态发布：生物学、视觉、OCR 及嵌入式 AI

• 蛋白质建模迎来高光时刻：ESMFold2 被宣布为开放科学引擎，用于蛋白质结构预测与设计，在 蛋白质相互作用和抗体 方面取得显著成果，并附带 68 亿蛋白质图谱 和 11 亿预测结构 数据集。该发布强调了实际应用成果——针对五个治疗靶点的迷你蛋白结合剂和单链抗体——以及关于新兴蛋白质表示的机制可解释性发现。这一成果得到 @proteinrosh 和 @cgeorgiaw 的呼应，后者指出其图谱规模已超过 AlphaFold 数据库。

• 一波规模较小但实用的多模态/开源发布落地：Google DeepMind 发布了 Gemini Embedding 2 的白皮书，该模型被描述为支持文本、图像、音频和视频统一表示的原生多模态嵌入模型。NVIDIA 的 LocateAnything 结合了 Qwen2.5-3B + Moon-ViT，实现高速定位任务，声称在密集目标检测中速度提升 10×。Hugging Face 集成了 Roboflow 的 RF-DETR，将其定位为实时检测/分割系统，性能优于 YOLO 类型架构。文档处理方面，Surya OCR 2 是一个 6.5亿参数 模型，达到 OLMOCR 基准83.3%、内部91种语言基准87%，并在 RTX 5090 上实现 每秒5页 处理速度；LiteParse v2 用 Rust 重写解析器，实现 最高100×加速，并通过 WASM 支持边缘/浏览器部署。设备端 AI 方面，Google 推出新 Coral 开发板，用于本地语音、视觉和控制演示。

开发者平台、企业级控制与编码代理产品化

• 编码代理正整合为企业级全栈产品：OpenAI 继续收紧 Codex 的产品线：GPT-5.2 和 GPT-5.3-Codex 将被 GPT-5.5 取代，同时新增企业功能包括 仅限外网 HTTPS 的私有 MCP 连接、工作负载身份联合认证 和扩展的 Admin API 控制（如支出警报、允许列表、保留策略及托管工具管理）。OpenAI 还发布了使用 Codex 构建自改进税务代理的具体案例研究，重点展示如何将评审修正反馈回评估和修复流程。

• 编码代理竞争聚焦可靠性、工作流广度与企业采用：Claude Code 更新了可靠性和性能指标，并简化了 bug 报告流程；GitHub 则通过 Copilot Dev Days 和 MCP 定位 加速“代理化 IDE”方向。最大商业信号来自 Cognition：以260亿美元估值筹集超过10亿美元资金，年营收达4.92亿美元，企业客户年度增长超10倍，并获得 Exa 等用户的积极背书。其他基础设施/产品动态显示生态扩展：Cua Driver for Windows 将后台计算引入 Windows 代理；Cloudflare 的代理平台因“分时计算”经济性获好评；Grok Build 的 worktree 支持则瞄准仓库级多代理代码协作。

高互动推文精选

• Cognition 规模扩张：Cognition 公布 超10亿美元融资、260亿美元估值 和 4.92亿美元年营收，成为编码代理向大型企业业务转型的明确信号。

• Claude Code 可靠性强化：Anthropic 的 ClaudeDevs 发布响应速度、可靠性优化及反馈收集机制升级，表明产品质量与信任已成为核心竞争领域。

• Sakana AI 的 DiffusionBlocks：@hardmaru 展示块状训练方法，可在大幅降低内存需求的同时匹配端到端扩散模型性能。

• ESMFold2 发布：@alexrives 推出当日最具影响力的科学成果之一——开源蛋白质建模工具 ESMFold2，具备治疗设计潜力。

• OpenAI 企业级控制 + MCP：@OpenAIDevs 关于私有 MCP 和安全/管理功能的更新，反映前沿 API 在争夺大型组织采用方面的竞争焦点。

• PrismML 发布 Binary/Ternary Bonsai Image 4B：PrismML 推出 1-bit/三值量化 文本到图像扩散变换器变体，模型大小约 3GB，Apache-2.0 许可，支持 WebGPU 浏览器运行（HF 集合、演示）。与 FLUX.2 Klein 4B（约16GB）对比，评论区指出其本质为量化/微调版本，未充分标注原始模型来源。争议集中在品牌归属：有评论认为 PrismML 重新包装量化模型作为“Bonsai”系列，类似将 Qwen 量化版标榜为新模型。

• 一位评论者声称PrismML的“Bonsai-Image”并非重新训练的基础模型，而是对FLUX.2 Klein 4B进行二值/三值量化并附加后训练以恢复质量的结果。他们指出该项目的Hugging Face演示页面/模型页面和GitHub仓库未明确标注原始FLUX模型/团队的贡献，仅在白皮书中提及原始模型。

• 技术可用性说明指出浏览器/WebGPU版本的模型需要下载约~2 GB，这与1位元/三值压缩声明形成对比，但对纯本地推理仍具相关性。另一用户询问该模型是否能在16 GB RAM CPU上运行，但讨论中未提供具体基准测试或兼容性答案。

• [受够了4GB GPU的内存溢出问题。用Rust编写自定义裸机引擎，在RTX 3050上实现4B模型（BitNet 1.58b）66.8 TPS](https://www.reddit.com/r/LocalLLM/comments/1to6enj/got_tired_of_oom_errors_on_my_4gb_gpu_wrote_a/)（活跃度：390）：作者声称自研Rust/C++大语言模型推理引擎Cluaiz可运行prism-ml/Bonsai-4B-gguf模型，通过1.58-bit量化在4GB RTX 3050上达到66.8 token/s，并报告通过动态KV缓存管理使Gemma/Qwen 4B变体在不发生OOM的情况下实现~30–33 TPS。帖子尚未提供可复现的代码库或基准测试工件；评论者指出了项目链接（GitHub、官网），质疑模糊表述如“直接访问硅片级硬件”，认为这可能仅指提前编译生成本地代码而非特殊GPU驱动机制。附带的Reddit视频因HTTP 403限制无法独立验证。顶级评论强烈质疑，认为文档和代码库语言具有伪技术性/AI生成特征，声称的成果实质仅为基本本地编译加单机演示。评论者还挑战了Apache 2.0许可下的版权措辞，并要求披露所谓低级硬件访问的具体实现细节。

• 评论者质疑关联代码库（github.com/cluaiz/cluaiz、cluaiz.com）的技术主张，认为“直接访问硅片级硬件”“裸机引擎”“Apache许可的版权软件”等表述属于营销话术或LLM生成的伪技术语言。有评论者询问“直接访问硅片级硬件”是否仅指Rust的提前本地编译，而非超出常规CUDA/驱动API的底层GPU编程。

• 多位评论者认为，宣称的成果应与现有工具（如llama.cpp）对比，后者已支持消费级GPU上的低内存推理和量化模型。批评观点指出，4GB RTX 3050的OOM问题通常可通过合理配置llama.cpp解决，无需开发新引擎，因此需提供可复现的基准测试和配置详情才能证明66.8 TPS（4B BitNet 1.58b模型）的实际意义。

• [Qwen3.5 35B A3B非审查版异端Native MTP Preserved发布，包含完整785个MTP张量，支持Safetensors、GGUF、NVFP4、NVFP4 GGUF及GPTQ-Int4格式](https://www.reddit.com/r/LocalLLaMA/comments/1tnzalm/qwen35_35b_a3b_uncensored_heretic_native_mtp/)（活跃度：602）：llmfan46发布了Qwen3.5-35B-A3B-uncensored-heretic-v2-Native-MTP-Preserved，这是基于Qwen/Qwen3.5-35B-A3B使用Heretic v1.3.0/Magnitude-Preserving Orthogonal Ablation方法修改的非审查版本，针对attn.o_proj、attn.out_proj和mlp.down_proj模块进行编辑，同时保留全部785个原生MTP张量。模型卡显示拒绝率从92/100降至14/100，KL散度0.0487（相对于基线），MMLU分数在7,021道题中仅从84.12%微降至83.72%；发布版本包括Safetensors、GGUF、NVFP4、NVFP4 GGUF和GPTQ-Int4格式。作者指出Qwen3.5和Qwen3.6均采用qwen35架构，但分别针对通用辅助（3.5）和代理/编码任务（3.6）调优，强调不同家族间消融KL/质量行为存在显著差异。评论者赞赏了NVFP4 GGUF版本的罕见性，有人表示：“我实在找不到其他类似发布，甚至Unsloth也没有。” 另一测试者认同作者的观点，认为Qwen3.6更接近“3.5 coder+”而非全面升级版。

• 一位评论者强调NVFP4 GGUF构建的实际价值，指出该格式难以在其他地方找到：“我实在找不到其他人做这个，连Unsloth都没有。” 这对目标NVIDIA平台低精度推理流程的用户具有技术意义，因其依赖GGUF运行时。

• 测试者比较Qwen3.5与Qwen3.6，认为3.6更像是“3.5 coder+”而非简单升级。他们推测短时间内连续发布不太可能带来广泛能力飞跃，暗示3.6可能更专注于编码领域而非作为3.5的全面继任者。

• [Okay 27B made me a believer](https://www.reddit.com/r/LocalLLaMA/comments/1to73op/okay_27b_made_me_a_believer/) (活跃度：541)：原帖作者报告称，通过Opencode调用的Qwen家族`27B`模型仅凭三份参考文件（描述控制台API、手柄控制和TypeScript着色器）一次性生成了一个近乎完整的HTML5 Breakout风格游戏。输出结果可立即运行，包含完整控制、音效、元数据，并集成了存档/状态/心跳API，仅需一次后续定制和一个漏洞修复；一位评论者建议启用MTP/推测性解码并设置2-3个草稿标记以提升速度。另一位重度用户指出该模型在64K以下上下文表现最佳，超过64K后性能明显下降，超过128K后“显著恶化”，推荐对长期代理编码任务进行定期文件摘要和会话重置。 评论者认为密集型27B在本地编码方面异常强大——单次生成Web应用时接近Sonnet级别性能——但有用户发现35B A3B尽管具备规模/路由优势却能力较弱。主要警告是长时间上下文代理运行可能导致循环或“愚蠢行为”，因此用户需积极管理上下文。

• 一位评论者建议启用多令牌预测/推测性解码以提高吞吐量，推荐使用2或3作为实际的速度/质量折中值。这是部署级优化而非模型质量声明，适用于本地运行27B模型的用户。

• 一名用户报告称，27B模型的有效推理质量随上下文长度显著下降：64K以下最佳，超过64K后性能下降，超过128K后“显著恶化”。他们针对长期代理任务的解决方案是定期将状态摘要到文件，重启框架/会话并重新加载摘要，以恢复模型质量和避免循环。

• 一位基准测试人员表示，Qwen 27B的表现如此突出以至于他们复核了方法论，在排名中将其定位于与GPT-5.2或Sonnet 4.5相当，同时指出其在大上下文场景下存在局限性，这可能是由于参数量限制所致。他们提供了数据链接：gertlabs.com/rankings。