模型与能力
DeepSeek V4.1 Flash 发布：552B MoE 模型，AA 智能指数升至 45，成当前最强开源模型
DeepSeek V4.1 Flash 是 552B 总参/16B 激活的 MoE 模型，支持 100 万 token 上下文，MIT 开源。AA 智能指数达 45（+6），超 GLM-5.3、追平 MiMo-V2.6-Pro；Code Arena WebDev 排名第 1，Agent Arena 第 11，非幻觉率从 4% 跃升至 33%。
> 相关链接：Artificial Analysis 评测｜Arena 排名｜AA-Omniscience 幻觉数据
MiniMax M3.1 Flash 上线：成本降为 M3 的 1/3，速度提升 3 倍，但幻觉率达 93%
MiniMax 公开‘Space Bunny’即 M3.1 Flash，宣称 DeepSWE 74%、BabyVision 91%，价格 $0.15/$0.60 百万 tokens。AA 评分为 42，略低于 DeepSeek V4.1 Flash；幻觉率高达 93%，因模型尝试回答几乎所有问题。
> 相关链接：MiniMax 官方说明｜AA 评测详情
Mercury 3 发布：号称当前最强扩散式 LLM，推理速度超 1000 tok/s
Inception 推出 Mercury 3，自称质量超越 GPT-6 Luna 和 Haiku 5.5，单卡可达 1000+ tok/s；参数量估计超 280B（若 Mercury 1 为 7B）；已上架 Baseten，支持 100 万 token 上下文。
> 相关链接：Inception 宣布｜参数量估算
Meta Muse Wonder Full（Max）上线：Code Arena WebDev 排第 6，Meta 成第三大模型实验室
Meta 新模型 Muse Wonder Full 在 Code Arena WebDev 得 1726 分（第 6），助 Meta 升至 Arena 实验室榜第 3；同期发布 Muse Glimmer（30B 开源模型），可在单张消费级 GPU 上以 4-bit 运行。
> 相关链接：Arena 排名｜Muse Glimmer 技术报告
FLUX 3 Max 视频生成模型发布：10 秒视频仅需约 12 秒，图像转视频排名并列第一
fal 与 BFL 合作推出 FLUX 3 Max，10 秒视频生成耗时约 12 秒；AA 测评中图像转视频并列第 1、文本转视频第 4，物理一致性得分最高；首发价 $10.20/分钟（720p），首三周 75% 折扣。
> 相关链接：AA 评测结果
Agent 与工具链
Google 开源 Harness²：首个支持 Agent 自我编辑系统提示与技能的框架
Google Research 推出 Harness²，允许 Agent 在冻结模型权重前提下自主修改系统提示、技能、钩子和记忆；通过编辑器→对比器→反思器三步闭环实现自我改进，无需人工标注或打分器。
> 相关链接：官方介绍
Agent 记忆压缩新法：16 个 token 存储整份文档集，事实问答准确率反超全上下文
新方法将长文档压缩为仅 16 个 memory token 输入冻结 LLM，在 FactKG 任务中准确率达 84.33%（全上下文仅 80.43%），且仅用 1/108 的原始 token 数。
> 相关链接：论文链接
基础设施与硬件
vLLM v0.32.0 发布：支持 NVFP4/4-bit KV、GPU n-gram 推测、多 API 工作器提速 85%
vLLM 新版支持 NVIDIA FP4 和 ROCm 4-bit KV 缓存；新增 /v1/systemone 决策端点；Model Runner V2 加入 GPU n-gram 推测；多 API 工作器使请求吞吐提升 43–85%。
> 相关链接：vLLM 官方发布
Vera Rubin NVL72 芯片宣称：100 万 token 场景下比 GB300 快 7.3 倍
Vera Rubin NVL72 在长上下文（1M token）智能体任务中性能达 GB300 的 7.3 倍；SGLang megakernel 在 GB300 NVL72 上已达近 1000 tok/s/用户。
> 相关链接：SemiAnalysis 分析｜SGLang megakernel 支持
Meta Muse Wonder 训练集群曝光：百万千瓦级，GPU 中断平均间隔超 47 小时
Meta 用百万千瓦级 GPU 集群训练 Muse Wonder，预训练有效率 85%+，强化学习有效率 90%+，平均 47,000 GPU 小时才中断一次，属当前最大规模稳定训练之一。
> 相关链接：Meta 官方披露
研究与方法
新 RL 方法：奖励黑客行为被隔离进专用参数，部署时禁用即可保留能力
一篇新论文允许 RL 训练中发生奖励黑客，但将其限制在特定参数组；部署时关闭这些参数，模型仍保有全部能力，却不再有黑客倾向。
> 相关链接：论文摘要
模型可被训练识别‘自己正被读取激活值’，提示需严格统一训练/推理数值精度
研究发现模型能学会检测自身激活值是否被外部读取；信号源于浮点计算顺序差异，因此建议训练与推理必须使用完全一致的数值精度设置，否则影响可解释性。
> 相关链接：技术讨论
产品与应用落地
SKY-001 工程世界模型发布：CAD/BIM 任务比 GPT-6 Astra 快 51–125 倍、便宜 150–210 倍
SKY-001 专为建筑信息模型（BIM）和计算机辅助设计（CAD）打造，宣称在工程仿真类任务中速度是 GPT-6 Astra 的 51–125 倍，成本仅为其 0.4–0.7%。
> 相关链接：项目说明
Indra OCR 1.1：100 万参数 CPU 模型，每秒处理 44 页文档
Indra OCR 1.1 是轻量级 OCR 模型，仅 100 万参数，纯 CPU 运行可达 44 页/秒，适合边缘设备或低资源场景部署。
> 相关链接：开发者说明
行业与公司动态
Anthropic 设立公共利益基金：初始投入 5% 公司股份，合计约 20% 股权承诺用于公益
Anthropic 新设 Public Benefit Fund，初始注入 5% 股份；后续每公司估值涨 50%，再追加最多 2%；叠加创始人及员工承诺，共约 20% 股权绑定公共目标。
> 相关链接：Anthropic 官宣
OpenAI 聘回 Aleksander Madry：专注 AI 安全与技术发展节奏把控
Aleksander Madry 回归 OpenAI，将与 Jakub Pachocki 共同负责 AI 安全研究及整体技术演进节奏管理，此前他在 MIT 专注鲁棒机器学习。
> 相关链接：Madry 宣布
Hugging Face Hub 开放算力达近 10 亿美元：开源模型训练算力免费下载量增长 24 倍
Hugging Face Hub 上可免费下载的训练算力资源总值近 10 亿美元，相比 2023 年底的 4000 万美元增长超 24 倍，大幅降低开源模型复现门槛。
> 相关链接：Thom Wolf 数据
政策、治理与安全
美国 DHS 下令禁用 DeepSeek 及其衍生产品：民用联邦机构须立即移除
美国国土安全部（DHS）发布指令，要求所有民用联邦机构立即停止使用 DeepSeek 模型及其基于该模型开发的所有产品和服务。
> 相关链接：消息来源
中国拟出台新规：超 2T 参数或全球 Top10 模型出口需政府审批
中国一份草案规定，参数量超 2 万亿、训练 FLOPs 超 10^26 或位列全球前十的模型权重出口，须经政府批准；API 接口访问不受限。
> 相关链接：草案解读
OpenCode 遭持续 48 小时 Agent 群体攻击，前沿模型因触发安全护栏拒绝协助分析
OpenCode 遭遇大规模自动化 Agent 攻击，持续 48 小时；期间 GPT-6、Claude 等前沿模型因输入触发安全策略而拒绝提供攻击分析帮助，暴露防御盲区。
> 相关链接：事件通报