📊 今日概览

🔥 趋势洞察

• 推理成本断崖式下降：GPT-5.6 sol 价格减半、token 效率翻倍，叠加 DeepSeek 降价和 1-bit 量化技术，推理成本正以季度为单位快速下降

• 端侧 AI 能力跃迁：Apple 洽谈 PrismML 的三值量化技术，可将 27B 模型压缩至 4GB 运行于 iPhone，端侧大模型从可能走向现实

• Agent 系统走向生产级：从 Anthropic 的 Agent 三层架构到 AWS 的 MCP 部署指南，行业焦点正从 Agent 能力转向其周围系统和基础设施

🐦 X 推文动态

📈 热点与趋势

• Sam Altman 称 OpenAI 代理产品一周使用量增长 2.5 倍，Codex 日增百万用户达 600 万，5.6 sol 价格减半且 token 效率为 fable 两倍 - Sam Altman（OpenAI CEO）称 Codex 和 ChatGPT work 使用量一周增 2.5 倍。swyx（独立投资人 / Latent Space 主播）补充 Codex 用户已达 600 万（日增 100 万），远超 Claude Code 的 200 万。Sam Altman另称 GPT-5.6 sol 价格减半、同任务 token 效率是 fable 约两倍，整体成本降至四分之一。增长迅猛可能带来短暂服务波动。 @sama | @sama | @sama | @swyx

• SpaceXAI 被曝在无工具调用时自动上传完整代码到云，Sam Altman 称令人担忧 - hrkrshnn（独立安全研究员）逆向 xAI 官方 Grok Build 二进制发现，在零工具调用的受控会话中，它将完整代码库上传至 xAI 存储，行为类似恶意软件后台收集器。Sam Altman 转发并评论"令人担忧"。 @sama

• GPT-5.6 sol 通过访问相册识别衣物并用 gpt-image 生成虚拟试衣，Sam Altman 称"这曾经能做一个创业公司" - 社区开发者 cdngdev 演示：5.6 sol 访问相机胶卷提取所有衣物照片，整理虚拟衣柜后指挥它搭配并渲染试衣效果。Sam Altman 转发展示能力。 @sama

🔧 工具与产品

• Perplexity Agent API 新增 Wide Research 功能，并发布 500 任务基准 WANDR - Perplexity（AI 搜索引擎）推出 Wide Research 预设，Search as Code 架构允许模型一次性设计搜索路径后确定性执行，避免上下文溢出。配套基准 WANDR 含 500 道真实知识工作题目，当前最强模型也难以全面覆盖。 @AravSrinivas（Aravind Srinivas，Perplexity CEO）

• 商汤发布 SenseNova Token 计划：免费 API 调用含新模型与办公技能套件 - 商汤科技（SenseTime）上线新定价计划，首月每 5 小时刷新 1500 次免费 API 调用。提供 SenseNova 6.7 Flash-Lite（原生多模态，比传统文本 agent 模型 token 节省约 60%）、SenseNova U1 Fast（加速信息图表模型）及办公自动化技能套件。 @SenseTime_AI

⚙️ 技术实践

• SGLang 在 8×B300 上服务 GLM5.2 NVFP4 达 500 tok/s，新 TopK-V2 kernel 加速 2.33 倍 - LMSYS Org（大模型评测组织）详解：通过 IndexShare 架构和 MTP 头配合，8 卡 NVIDIA B300 上实现 bs=1 时单用户 500+ tok/s。新 TopK-V2 kernel 在 80K ISL 快 2.33 倍，1M ISL 快 10.17 倍，交互体验在 1M 上下文内几乎平坦。 @lmsysorg

• 腾讯开源 295B Hy3 的 1-bit/4-bit 量化版：单 GPU 运行，SWE-Bench 达 75.4%，仅降 5% - 腾讯混元发布 Hy3 量化版本，1-bit 量化后 88 GB，可在 Macbook Max 上运行。Emad Mostaque（Stable Diffusion 创始人 / 认知科学研究者）评价这是今日最大新闻：从 16-bit 到 1-bit 仅损失约 5% 性能，对显存行业是利空。 @TencentHunyuan | @EMostaque

• vLLM 作为 NVIDIA NeMo Molt 框架的 rollout 引擎，支持 1T 级 MoE 训练 - vLLM（UC Berkeley 出品开源推理引擎）与 NVIDIA NeMo 团队合作：Molt 是一个约 9000 行 RL 代码的 agentic-first 框架，vLLM over Ray 负责 1T 级 MoE 的异步 rollout，RL 核心保持轻量可 Hack。 @vllm_project

• AMD MI355X 支持 vime RL 训练：Qwen3-8B 达 4100 tok/s/gpu，GRPO 端到端可用 - AMD 将 vLLM 后训练框架 vime 移植至 ROCm，在 MI355X 上验证 GRPO 训练、colocated 及异步 train/rollout，支持 Qwen3 密集和 MoE 模型。 @vllm_project

• vLLM 与 TileRT 实现 prefill/decode 分离：单用户解码 618 tok/s - TileRT（推理优化公司）通过 vLLM V1 的 connector 接口将 latency-optimized decode 引擎与原生 vLLM prefill 池对接。在 GLM-5.1-FP8（8×B200）上，MTP 下解码达 618 tok/s（峰值近 800 tok/s），切换无需 fork 或补丁。 @vllm_project

• Aleksa Gordic 发布深度博客：TPU/GPU 集群集体通信原理解析 - Aleksa Gordic（GPU/ML 系统工程师）撰写 40 余幅图的长文，覆盖 TPU 拓扑（pod/slice/DCN/ICI）、All-Gather/Reduce-Scatter/All-Reduce/All-to-All 算法、NVIDIA DGX 架构、节点内 ring/tree/SHARP 以及跨节点 InfiniBand 分级算法。 @iScienceLuvr

⭐ 精选内容

🎙️ 播客精选

Anthropic's Katelyn Lesse & Angela Jiang: Building an Ecosystem, not a Walled Garden

AI Optimism vs. AI Pessimism

📄 今日论文精选

Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning

ARDY: Autoregressive Diffusion with Hybrid Representation for Interactive Human Motion Generation

ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory

🐙 GitHub 热门项目