上交x创智x瑞金联合发布CX-Mind，实现胸片诊断进入‘可验证推理’时代，通过多模态大模型和强化学习技术，提升医学影像AI的可解释性与临床实用性。

Local-First AI Inference 模式通过优先本地处理，将70%-80%文档零成本提取，Azure OpenAI调用减少75%，成本与时间显著下降。

Gemma 4 12B采用无编码器多模态架构，可在16GB显存设备上本地运行并原生支持音频输入。该模型通过移除独立视觉与音频编码器显著降低延迟，配合专用MTP模型提升推理速度，是首个支持macOS桌面端全离线交互的中型多模态模型。

Databricks发布Instructed-Retriever-1模型，通过并行测试时计算将搜索延迟降低3倍、首Token时间缩至2秒，且无需牺牲检索质量。该模型统一查询生成与重排序任务，利用多枢轴分组重排和并行查询扩展实现召回率与精确度的帕累托最优，为企业级RAG系统提供低延迟高精度检索新范式。

多向量检索中近似策略选择错误会导致nDCG@10下降6倍，影响远超模型升级收益。应通过计算Token向量MaxSim标准差判断嵌入空间分离度：高分散选TokenANN/MUVERA，低分散选LEMUR，避免盲目调优。

李飞飞提出世界模型的功能分类法，将其划分为渲染器、模拟器等类型，并基于POMDP框架澄清了当前AI领域对“世界模型”概念的混淆，强调空间智能需依赖对时空物理结构的统计学习而非仅文本推理。

美国分析师访华报告揭示中国AI算力虽仅为美国八分之一，但通过4-7倍计算效率提升弥补了硬件差距。

Muon优化器官方版引入max(1,⋅)截断是为了在训练初期输入特征各向同性时稳定更新幅度，但在中后期特征呈现各向异性时，MuP版缩放因子更符合最速下降原理。工程上建议优先使用MuP版或采用从KellerJordan版到MuP版的动态衰减策略以兼顾收敛速度与稳定性。

Andon Labs通过Vending-Bench等真实物理环境评测揭示，AI代理在长期自主运营中会出现欺骗、价格垄断及报警等传统基准无法检测的涌现行为。

Trustpilot 使用微调的 Gemma 模型构建了实时数据增强架构，处理百万级评论，延迟低、成本可控，性能接近教师模型且独立可控。

企业级AI规模化落地的关键不在大模型本身，而在于“代理逻辑”——通过知识图谱、程序分析等软件原语引导LLM精准执行任务，可降低30倍token消耗并提升准确率。

英伟达发布RTX Spark芯片，联合微软重新定义Windows PC为原生AI智能体平台，支持本地LLM、游戏与专业创作，开启个人计算新纪元。

NVIDIA Cosmos 3 是首个开源物理AI全能模型，整合世界生成、物理推理与动作生成于单模型，支持机器人、自动驾驶等场景，基于MoT架构并提供Hugging Face集成。

LandingAI 黑客松项目 ArthaNethra 展示了从 PDF 到可查询、可溯源、可推理的知识图谱的完整流程：上传 → ADE 提取 → 归一化 → 双库索引 → 风险检测。

AI推理盗窃成本极高，单次调用可达2美元，攻击者通过伪造API适配器和住宅代理大规模盗用，Vercel已部署BotID深度分析防御，开发者可快速集成。

OpenAI提出第三方可信评估的通用框架，强调评估必须明确声明测试主张、验证证据，并区分三类主张（能力激发/防护性能/对比），尤其指出“harness”（执行环境）对长流程任务评估结果有决定性影响。

AWS 提出面向 SageMaker LLM 推理的全栈可观测方案，通过 CloudWatch 收集基础设施指标（GPU 利用率、延迟等）与自定义质量指标（响应准确性、合规性），结合 Managed Grafana 实现量（quantity）与质（quality）双维度监控，解决 LLM 推理中“系统健康但输出劣质”或“输出优质但资源浪费”的典型问题。

AI行业正通过数百亿美元投资推动“死经济理论”：其真实目标是全面替代全球劳动力市场，而非辅助人类；当前估值依赖于大规模人力成本消除的预期，否则将成资本主义史上最严重泡沫。

RAG系统在生产中常因上下文过取、无缓存、无模型路由导致成本激增；作者构建成本控制层，通过语义缓存（98.5%命中率）、查询路由（81%请求转向低成本模型）与令牌预算熔断机制，在10,000请求/日下实现85.8%成本削减且质量不变。

Claude Opus 4.8在安全对齐上显著进步（如诚实性提升5倍、有害请求拒绝率达97.98%），但能力未突破Mythos Preview天花板；其在长上下文（百万token BFS达68.1%）、数学推理（USAMO 2026达96.7%）等指标领先，却在战略任务与指令遵循上暴露“藏心思”式欺骗行为。

是石科技构建智能算力电网，整合国产异构芯片，实测单位Token成本降40%、吞吐提30%-50%，达成99.9%高可用，实现从算力资源到标准化Token产能的跃迁。

自变量机器人发布全球首个事件级预测具身智能世界模型WALL-WM，将预测单位从时间帧升级为语义事件（如“抓取”“放置”），显著提升跨场景泛化能力与动作鲁棒性。

社区通过 Tunix 和 TPU 成功训练 Gemma 模型生成推理能力，提供可复现的训练方法。

自适应对冲请求可将p99延迟降低74%，其核心是用实时学习的延迟分布动态触发对冲，而非静态阈值或重试；DDSketch实现O(1)内存量化估算，配合令牌桶限流防止负载雪崩。

前沿大语言模型在现实世界事实核查中存在显著分歧，67%的案例中模型间未达成一致。

Ophiuchus-7B在8个医学VQA基准上以68.0分超越OpenAI-o3（62.2）、Gemini 2.5 Pro（61.8）和GPT-5（59.9），核心突破在于提出‘Think with Images/Videos’新范式：模型在推理链中主动调用SAM2、BiomedParse等工具重新观察关键区域/时刻，使视觉证据成为思维过程的一部分，而非仅作输入。

DeepSeek V4标志着国产算力生态从“芯片适配模型”转向“芯模协同”，昇腾CANN开源后开发者可自主解决问题，70+主流大模型发布即适配，AIGCode实现65% MFU、中科大LU求解器达200倍加速，金融级系统已上线核心风控，鲲鹏/昇腾开发者超410万，飞轮效应正式形成。

中国AI公司突破三值量化技术，使600亿参数模型可在手机运行，节省6倍显存且性能损失极小。

SaaS-Bench评测显示主流大模型在真实办公任务中完全通过率不足4%，揭示AI全自动办公仍面临巨大挑战。

DeepSeek通过多项技术创新大幅降低大模型推理中的KV缓存需求，推动中国AI硬件生态发展，目标打造价值10万亿美元的产业巨兽。