SpaceX 在 S-1 上市申请里写明了这笔交易的价码：Anthropic 每月要付 12.5 亿美元，一直付到 2029 年 5 月，用来使用位于孟菲斯的 Colossus I 和 Colossus II 两座 AI 训练中心。一年算下来就是 150 亿美元，这个数字快赶上 SpaceX 2025 年全年 187 亿美元收入的两倍了。合同里还藏了一...

腾讯放出了 Hy-MT2 系列翻译模型，有 1.8B、7B 和 30B-A3B 三个尺寸，支持 33 种语言互译。1.8B 小模型用上 AngelSlim 1.25-bit 量化后，存储占用压到 440MB，推理速度还快了 1.5 倍，适合本地跑。不过 Reddit 原帖被屏蔽了，正文没披露具体翻译质量评测和更多技术细节，这点先别太激动。

腾讯放出了 Hy-MT2 多语言翻译模型，支持 33 种语言互译。7B 和 30B-A3B 两个版本在开源模型里翻译质量最好，比很多参数大几十倍的模型还强。更实用的是 1.8B 轻量版，用 AngelSlim 1.25-bit 量化技术把体积压到 440MB，主流手机芯片就能本地跑，推理速度比上一代快 1.5 倍。官方说这个轻量版性能超过了微软等商业翻...

OpenAI 公布了一个内部通用推理模型（外界猜是 GPT 5.6）的成果：它找到了平面单位距离问题的新构造族，推翻了 1946 年 Erdős 提出的一个猜想。这个模型不是专门为数学训练的，就是普通的语言模型，但推理过程生成了约 125 页的总结。有外部观察者推测，这次运行只用了不到 32 小时，成本不到 1000 美元。数学家 Timothy Go...

这篇论文正文被微信环境验证挡住了，看不到具体技术细节。从标题和已知信息看，他们提出了一种叫 DeG 的 3D 生成方法，核心思路是让模型自己学会在物体细节丰富的地方多放高斯点、在平坦区域少放点，而不是均匀撒点。这样能用不到一半的高斯点数量，达到跟 TRELLIS 差不多的画面质量。相当于用更少的算力跑出同级别的 3D 模型，对做实时渲染或者要在手机上跑...

智谱把自研的 ZCube 通信方案用到了 GLM-5.1 的线上推理集群里，规模是千卡级别。它替换了原来的 ROFT 组网方式，但没动 GPU、软件栈和业务代码。效果上，吞吐量提升了超过 15%，首 token 延迟的 P99 下降了 40.6%，交换机加光模块的成本省了三分之一。正文没披露具体是怎么做到省硬件成本的，也没给更细的测试条件，所以这个 1...

根据一份证券文件，Anthropic 跟马斯克的 SpaceX 签了份大单：未来三年支付差不多 450 亿美元，换取计算资源来支撑它的 Claude 模型。这笔钱摊下来每年约 150 亿美元，说明头部 AI 公司抢算力的成本已经拉到天文数字级别。不过正文被 Bloomberg 的机器人验证挡住了，具体是租 GPU 还是包数据中心、交付节奏和退出条款都没披露。

Anthropic 租下了 xAI 在孟菲斯 Colossus 1 数据中心的全部算力，每月账单 12.5 亿美元，合同签到 2029 年 5 月。头两个月有折扣，因为 xAI 那边还在爬坡。这笔钱来自 SpaceX 的上市文件，xAI 自己说这是在把闲置算力变现。说白了，Grok 用户量最近掉得厉害，服务器空出来了，正好租给竞争对手回血。不过正文没披...

Cohere 的 Nick Frosst 在 Reddit 上发帖，正式推出了 Command A+。这是他们第一个混合专家（MoE）模型，用 Apache 2.0 协议开源。帖子里说，这个模型最大的卖点是效率，做了很极限的量化工作，在 1 到 2 张消费级 GPU 上就能跑得很流畅，对个人开发者和小团队比较友好。不过他也直说，模型的顶尖性能还有待打磨...

英伟达刚发了 2026 财年第一季度的财报，每股收益 1.87 美元，比华尔街预期的 1.77 美元高出一截。公司对截至 7 月的当季营收指引是 910 亿美元，也明显高于市场预估的 874 亿左右。这条视频本身是彭博的报道片段，正文没披露各业务线的具体表现和毛利率细节，所以没法判断增长是数据中心业务继续拉动的，还是有别的板块在补位。

英伟达 2027 财年第一财季（截止到 2026 年 4 月 26 日）总收入 816.15 亿美元，净利润 583.21 亿美元，同比直接翻了两倍多。增长主要靠数据中心业务，单这一块就进账 752 亿美元，同比涨了 92%。毛利率也拉到了 75% 左右，比去年同期高了 14 个百分点。公司预计下个季度收入能到 910 亿美元，上下浮动 2%。另外，董...

Meta这次不是单纯砍成本，而是把人力往AI方向挪。计划裁掉约8000个岗位，同时把约7000名员工调到AI相关职位，资源集中砸在AI基础设施、基础模型开发和商业化上，想打通从模型训练、产品落地到赚钱的整条链路。

Perplexity 把一项叫“查询感知压缩”的技术用到了线上。它能在搜索时把喂给模型的上下文 token 最多减少 70%，同时回答质量还提升了。核心逻辑是“更好的上下文优于更多的上下文”，也就是先理解你问什么，再挑最相关的信息塞进窗口，而不是一股脑全丢进去。正文没披露具体测试基准和压缩方法细节，所以实际效果我会先打个折，但能省下这么多 token ...

阿里平头哥的真武 M890 AI 芯片首次公开，主打 Agent 场景的算力底座。配套的 128 卡超节点服务器，卡间直连延迟低于 150 纳秒，机架带宽达到 Pb/s 级别。这套硬件已经在阿里云百炼平台跑起来了，支持通义千问、DeepSeek 和 Kimi 等模型。不过正文因为环境验证问题没加载出来，具体的芯片架构、制程、显存规格和实测性能数据暂时看...

摩尔线程放出了自家 GPU 生态 MUSA 的最新进展。SDK 5.1.0 把兼容目标拉到了 CUDA 12.8，覆盖了 761 个驱动和运行时接口，意思是跑 CUDA 代码时能认的指令更多了。推理框架 SGLang 的主线代码已经合并了 MUSA 的支持，硬件支持排期在 2026 年第二季度。另外还提了一个叫 MUSACODE 的工具，能自动把库迁移...

一个 Reddit 用户用 4 张 RTX 2080 Ti 显卡（总预算不到 2500 美元）在本地跑起了 DeepSeek-V4-Flash 模型。模型总参数 2840 亿，每次推理激活 130 亿参数。他用了 W8A8 量化（把权重和激活值都压到 8 位精度）来省显存，还自己写了适配老 Turing 架构的 CUDA 算子。机器配了 1TB 的 D...

Tomasz Tunguz 对比了 Google、OpenAI 和 Anthropic 三家最新旗舰模型的 API 定价，发现补贴正在退潮。Google Gemini 3.1 Pro 最便宜，输入每百万 token 2 美元、输出 12 美元；OpenAI GPT-5.5 短暂补贴后涨到输入 5 美元、输出 30 美元；Anthropic Claude...

谷歌在 I/O 大会上直接发布了 Gemini 3.5 Flash，跳过预览阶段。输入价格涨到每百万 token 1.5 美元，输出 9 美元，分别是上一代 Flash 预览版的 3 倍和 Flash-Lite 的 6 倍，已经快追上自家的 Pro 型号了。涨价不是谷歌一家的事，OpenAI 和 Anthropic 的新模型也都在提价，各家似乎都在试探...

OpenAI 上线 Guaranteed Capacity 服务，让客户提前锁定长期算力，避免高峰期排队。官方说法是帮企业在算力紧张时也能跑关键任务。但公告没披露价格、合同年限、最低配额，也没说锁的是哪种 GPU。我会先打个折——这更像给大客户吃定心丸，小团队暂时不用激动。

Google 发布了 Tensor ML SDK 的公开测试版，开发者现在能把 PyTorch 或 TFLite 模型转换、编译后，直接调用 Pixel 10 系列手机里的 TPU 芯片来跑推理。整个流程通过 LiteRT 这个统一框架完成，不用再分别对接底层硬件驱动。官方还提供了一个模型库，里面有超过 100 个现成的经典模型和生成式 AI 模型，包...

英伟达发了 Nemotron-Labs-Diffusion 系列，包含 3B、8B 和 14B 三个稠密模型。这组模型同时支持传统的自回归解码和新的扩散并行解码，还带了一种叫 self-speculation 的加速技巧。最抓眼球的是 8B 版本在 GB200 上单并发能跑到每秒 850 个 token，作为对比，同样条件下自回归解码是 253 tok...

Google 在 I/O 后开放了 Gemini 3.5 Flash，产品端和 API 都能用。官方说它在多数基准测试上比 3.1 Pro 强，编程能力提升明显，每秒吐 token 的速度是其他前沿模型的 4 倍。不过帖子没给具体跑分数字和测试条件，这点先别太激动。

谷歌在 I/O 大会上推出了 Gemini 3.5 Flash，官方说它在很多基准测试里比自家 3.1 Pro 强。最直观的卖点是快：输出速度达到每秒 289 个 token，对比的是 Claude Opus 4.7 和 GPT-5.5 xhigh，快了大约四倍。谷歌内部还用 Antigravity 工具做了个实验，让 93 个子智能体协作，12 小时...

Anbeeld 用一张 RTX 3090 跑 Qwen 3.6 27B，在 64k 和 128k 上下文长度下测了 KV 缓存量化。先说结论：q4_0 在尾部 token 上的 KLD 比 q5_0 差了 32%，精度掉得明显；turbo4 比普通 q4_0 还慢 17%，显存却没省下多少，有点名不副实。q5_0 在精度和压缩率之间平衡得不错，但正文没...

谷歌在 I/O 大会上放出了 Antigravity 2.0 平台，已经对全球用户开放。现场演示里，他们让智能体从零构建了一个能跑起来的操作系统，只用了 12 小时。具体做法是同时跑 93 个子智能体，总共调了超过 1.5 万次模型、处理了 26 亿个 token，最后算下来 API 成本不到 1000 美元。平台本身集成了新的智能体系统和自然语音交互...

Google 推出了 Gemini 3.5 Flash，官方说法是它在快速、高效完成任务上目前最强。定位是处理日常任务和多步骤创意项目，强调能应对现实世界的复杂情况。不过正文没披露价格、上下文窗口大小、跑分成绩和 API 可用条件，这些关键信息得等后续公布。

一位用户在 RTX 3060 笔记本（6GB 显存）上拿 VoiceFlow 1.6.0 测了两款小模型，看谁能在本地把一段 4 分钟的会议转成纪要。Qwen3.5 0.8B 在 16K 上下文窗口下花了 57 秒完成总结，结果可用。Granite 4 350M 速度很快，0.6 到 2.8 秒就出稿，但会凭空捏造内容，比如编出币安和《星际迷航》的情节...

NVIDIA 把 LongLive 2.0 整套训练和推理代码都放出来了，主打 FP4 量化加并行加速，在 50 亿参数的模型上能跑到每秒 45.7 帧，比很多短视频方案还快。它支持真实视频训练、蒸馏、多镜头生成、序列并行、KV 缓存优化和异步解码部署，专门解决以前长视频生成要么慢到没法用、要么只能做几秒片段的毛病。正文没披露具体显存占用和最长能生成多...

Forge 是一个 Python 框架，专门给自部署的大模型做工具调用和多步骤智能体流程。它给 Ministral 8B 这个开源小模型套了五层护栏，在 18 个多步骤智能体场景里把任务成功率从 53% 直接提到 99.3%。作者说这背后有篇被 ACM CAIS ’26 录用的论文撑腰，覆盖了 97 种模型和后端组合，每个场景跑了 50 次。不过正文没...

地平线机器人实验室把一个人形机器人全身控制模型 HoloMotion-1 开源了，参数规模 4 亿，他们管它叫“机器人小脑”。这个模型用了 MoE 稀疏激活和 KV-cache 推理，把单步推理开销压下来，在端侧能跑到约 300FPS，比常见的 50Hz 控制频率高出一大截。训练数据来源比较杂，包括互联网视频、光学动捕、VR 遥操作和惯性动捕，经过统一...

Vlad Feinberg 写了一篇求职笔记，把进前沿实验室的门槛讲得很直白：核心能力是底层性能调优，也就是能动手改内核（kernel），让模型训练真的跑得动。他给了一道具体的面试题——先推导 Chinchilla 缩放定律，并比较它在稠密模型和 MoE（混合专家）架构下的区别；然后用 JAX 从零实现，最后写一个 Pallas 内核，要求在专家维度 ...

摩尔线程推出了 MT Lambda 仿真平台，把物理引擎、渲染和 AI 模型训练整合到一起，用自家的 GPU 跑通了从模拟到真机的完整流程。现场演示的机器狗“小飞”在仿真里学会走路后，直接迁移到实物上就能跑。不过正文因为需要验证码没能完整抓取，具体的技术参数、训练时长和成功率数据都没披露，这点先别太激动。

Odyssey 发布了一个叫 Agora-1 的世界模型，主打实时生成可玩的 FPS 场景，最多支持四个真人或 AI 玩家在同一张图里对战。它把物理模拟和画面渲染拆开跑，训练数据用的是《黄金眼》游戏内部状态，不是单纯看视频学样子。正文没披露具体延迟和硬件成本，所以实际跑起来卡不卡、贵不贵还不清楚。我会先打个折：多人联机听着很酷，但没看到公开可测的版本，...

这篇文章是机器之心翻译的 Sebastian Raschka 博客，盘点了几款新模型的架构改动，核心都在想办法降低长上下文的显存开销。Gemma 4 的 E2B 方案在 128K 上下文、bfloat16 精度下，KV 缓存能省大约 2.7GB，这个数字挺实在的。另外还提到了 Laguna XS.2 和 ZAYA1-8B，但正文因为微信环境验证拦截，具...

FT 这篇报道的正文被安全验证页挡住了，只从现有摘要能看出：一家黑石投资的 AI 云厂商拿到了 50 亿美元投资，计划明年上线 500 兆瓦的数据中心容量。标题里提到 Google 在推芯片，但正文没披露用的是 TPU 还是自研 Arm 芯片、以什么形式合作——是租算力、联合部署还是单纯采购。这点先别太激动，等看到全文再判断。

谷歌要把自家的 TPU 芯片拿出来对外卖算力了，这次拉上了管钱的黑石。新公司名字还没公布，黑石先投 50 亿美元股权，算上杠杆总盘子预计 250 亿美元。目标是 2027 年让 500 兆瓦的数据中心跑起来，这个电量够一座中等城市用。他们手里已经锁了一批在建的数据中心，后续容量还会扩。这基本是冲着 CoreWeave 这类 AI 算力服务商去的，也会让...

Google 和 Blackstone 打算成立一家新的 AI 云计算公司，专门用 Google 自己设计的芯片（也就是 TPU）来提供算力，目标是对标 CoreWeave 这类 GPU 云服务商。目前消息来自华尔街日报，Bloomberg 做了跟进。正文没披露这家新公司的股权结构、双方各投多少钱、具体什么时候上线，也没说会用哪一代 TPU。所以现在只...

Meta 在路易斯安那州 Richland Parish 搞了一个 AI 数据中心，钱不是自己全掏，而是通过一笔 2000 亿美元的私募融资来支撑。这个园区的总电力需求最高能到 7.5 吉瓦，其中 5 吉瓦专门给计算设备用。为了喂饱这些机器，他们计划新建 10 座天然气发电厂来供电。这个规模非常夸张，相当于把未来几年的算力扩张押注在化石能源上。不过视频...

英伟达 CEO 黄仁勋在跟特朗普一起参加完中国峰会后放话，说中国最终会允许进口美国 AI 芯片。这话听着更像是一种表态而非承诺——正文没披露任何具体时间点，也没说依据是什么。考虑到现在出口管制卡得很严，他这番话可能更多是在向市场喊话，别急着把英伟达的中国生意从账本上划掉。

llama.cpp 在 PR #22673 里正式合并了 MTP（多 token 预测）投机解码支持。实测 Qwen3.6 27B 用 Q8_0 量化，在 Strix Halo 上从 7.4 tok/s 提到 18.1 tok/s，速度翻了 2.44 倍；双 RTX 3090 的 Q8_0 方案也从 25.7 tok/s 涨到 55.9 tok/s，约...