全网 AI 情报，每天一站看全

阿里云于 2026 年 8 月 23 日宣布视频生成模型 Wan3.0 在阿里云百炼与 Qwen Cloud 平台正式上线公测，并推出限时折扣与按秒阶梯计价方案，为生成式视频 API 的商业化成本核算提供了具体的参考样本。

• 计费标准与接入渠道：根据阿里云官方账号于 2026 年 8 月 23 日发布的公告，Wan3.0 以 API 形式向开发者开放，标准画质定价分别为 480p 每秒 0.05 美元、720p 每秒 0.10 美元、1080p 每秒 0.20 美元。
• 促销方案：在 2026 年 8 月 23 日至 9 月 23 日期间，用户在阿里云百炼（Model Studio）和 Qwen Cloud 平台调用 Wan3.0 标准版享受 30% 费用优惠。
• 输入格式与功能支持：该模型支持文本、图像、音频、视频及文档等多模态输入，支持单次生成最长 30 秒的视频片段，主要面向角色一致性与镜头动态控制等应用需求。
• 影响/看点：Wan3.0 的按秒计费定价与多模态输入支持，可能为下游内容制作和自动化视频生成降低技术试错门槛，其实际商业落地成效取决于高分辨率生成下的画质稳定性以及在高并发场景下的推理延迟与成本控制。
• 资料依据：
• 1. 阿里云官方 X 账号（2026 年 8 月 23 日）：https://x.com/alibaba_cloud/status/2091759111851667735
• 2. 阿里云百炼平台（Model Studio）：https://click.alibabacloud.com/m/20000002609/
• 3. Qwen Cloud 官网：https://click.qwencloud.com/m/20000002601/

本内容由 AI 生成，仅供参考，请注意甄别

微软研究院（Microsoft Research）发布了面向计算化学的深度学习交换关联泛函模型 Skala 1.1，其关注价值在于将深度学习引入密度泛函理论（DFT），在保持近似半局域计算速度的同时提升了量子化学计算的基准精度。

• 基准表现提升：在量子化学标准测试集 GMTKN55 上，Skala 1.1 的加权平均误差降低至 2.8 kcal/mol，在多项分子热化学能量预测指标上接近或超过部分传统杂化泛函。
• 架构与训练优化：该模型基于微软高精度化学数据集（数据量较前代扩大 2.5 倍）进行训练，利用图消息传递与非局域层直接从电子密度中学习能量特征，避免了昂贵的精确交换项计算。
• 软件生态集成：Skala 1.1 提供了 Python 开源包，并已支持接入常用计算化学软件 CP2K、PySCF 和 ASE，扩展了其在材料与分子模拟工作流中的可用性。
• 影响/看点：该研究可能推动大尺度复杂分子和凝聚态体系的从头算模拟效率提升，其在工业级材料研发中发挥效用的前提是泛函对非周期性分子体系与复杂周期性晶体均具备足够的泛化稳定性。
• 资料依据：
• Microsoft Research 官方发布 https://x.com/MSFTResearch/status/2091918455301628355

本内容由 AI 生成，仅供参考，请注意甄别

具身智能初创公司 Generalist AI 于 2026 年 8 月 19 日发布机器人基础模型 GEN-1.5，重点优化了从物理示范输入到机器人动作生成的执行链条。

• 该模型采用 “物理提示”（Physical Prompting）机制，将 3 至 12 秒的短视频及本体感知等示范数据输入其 30 秒上下文窗口，即可直接生成 100Hz 的动作控制轨迹。
• 官方内部测试数据显示，在 10 项短程物体操作任务中，GEN-1.5 在完全不更新模型权重条件下的零样本单次成功率为 59%。
• 当提供约 5 分钟的操作示范数据并进行 10 步梯度微调更新后，任务执行成功率提升至 83%，缩短了机械臂适应新任务所需的配置周期。
• 影响/看点：快速物理提示与少样本微调机制可能降低工业与服务场景中机器人技能编排的时间成本，但其泛化能力仍需在多变光照、未建模接触力矩等复杂物理环境下进一步验证。
• 资料依据：
• 1. Generalist AI 官方发布（2026-08-19）：https://x.com/GeneralistAI/status/2091896899892883550

本内容由 AI 生成，仅供参考，请注意甄别

小红书旗下的 AI 研究机构 dots studio 于 2026 年 8 月 14 日发布开源多模态模型 dots3-note 预览版，旨在提升智能体在长周期任务中的多模态理解与环境适应能力。

• 模型采用混合专家（MoE）架构，总参数量为 280B，前向推理激活参数为 16B，原生支持 512K 长度的上下文窗口。
• 模型具备文本、图像、视频与音频的多模态输入理解能力，并在 Apache 2.0 开源协议下向社区开放模型权重与技术规格。
• 该模型引入了名为 TEMPO 的强化学习策略，使智能体在执行持续数小时乃至更长周期的任务时，能够进行自我状态评估与方案调整，应对目标和约束的变化。
• 影响/看点：开源大容量 MoE 多模态模型的推出为社区探索长周期复杂任务提供了基础底座，其在实际生产中的部署表现将取决于长序列推理时的显存占用优化与推理加速框架的适配程度。
• 资料依据：
• 1. dots.ai 官方发布（2026-08-14）：https://dots.ai/
• 2. Hugging Face 权重仓库（2026-08）：https://huggingface.co/dotsstudio/dots3-note-preview
• 3. X 平台发布：https://x.com/rohanpaul_ai/status/2091886743171813732

本内容由 AI 生成，仅供参考，请注意甄别

Meta 工程博客于 2026 年 8 月 24 日公布了专为大规模 AI 工作负载设计的 RDMA 传输协议 MetaRoCE，并通过开放计算项目（OCP）开源其规范与测试套件，旨在解决百万级 GPU 集群在商用以太网上的通信瓶颈。

• 端点智能架构：改变传统网络依赖交换机保证保序与无损的做法，将调度逻辑下放至网卡端点，通过实时监测每条路径的往返时延（RTT）、ECN 状态与利用率实施细粒度路径分解。
• 原生乱序传输：支持数据包跨多路径直接喷洒并在端点完成乱序重组，摆脱对传统优先流控制（PFC）保序机制的强依赖。
• 优化长尾时延：针对分布式训练中的 All-Reduce、All-to-All 等集合通信及长上下文推理任务，降低尾部延迟并减少计算单元闲置。
• 影响/看点：MetaRoCE 的开源可能推动商用以太网在大规模 AI 集群中替代专有网络互联协议，但其在行业的大规模落地仍取决于各大硬件网卡厂商对端点乱序重组与遥测规范的适配支持。
• 资料依据：
• 1. Meta Engineering Blog (2026-08-24): https://engineering.fb.com/2026/08/24/networking-traffic/metaroce-rdma-transport-ai-ethernet/

本内容由 AI 生成，仅供参考，请注意甄别

Meta 工程博客于 2026 年 8 月 24 日披露了首款专为推荐与排序模型训练优化的自研芯片 MTIA 300，重点通过板载集成网卡与通信卸载引擎解决推荐系统高并发通信的瓶颈问题。

• 板载网卡封装集成：芯片封装内集成了 2 个网络小芯片（chiplet），共包含 12 个定制 800 Gbps RDMA 网卡，提供 1.2 TB/s 的总 I/O 带宽，消除了经由 PCIe 总线与主机 CPU 转发的时延瓶颈。
• 软硬协同设计：配合硬件同步研发了专用通信库 HCCL，将集合通信算子卸载至专用引擎，降低通信任务对通用计算核心的资源占用。
• 适配推荐负载特征：针对推荐模型中嵌入表（Embedding Table）参数占比超 99% 的结构特征，专门优化横跨数百颗加速器的 AllReduce 与 AllToAll 集合通信吞吐。
• 影响/看点：MTIA 300 表明网络通信能力的片上集成正成为专用训练芯片的重要演进方向，其长期能效收益主要取决于推荐模型规模的增长速度与芯片自研量产良率。
• 资料依据：
• 1. Meta Engineering Blog (2026-08-24): https://engineering.fb.com/2026/08/24/networking-traffic/mtia-300-meta-training-chip-built-in-nics/

本内容由 AI 生成，仅供参考，请注意甄别

英伟达在2026年1月5日发布的Vera Rubin平台基础介绍及后续技术博客中，将Rubin与Blackwell的比较重点从单卡峰值性能扩展到智能体工作负载下的单位功耗产出，关注价值在于推理请求变长、调用次数增加后，数据中心成本不再只由GPU数量决定。

• NVIDIA Technical Blog《Inside the NVIDIA Vera Rubin Platform》称，Rubin平台采用Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4和Spectrum-6等组件协同设计，试图把机架而非单个芯片作为计算单元。
• 该文于2026年1月5日发布，并给出特定测试条件下的指标：训练部分MoE模型所需GPU数量可降至Blackwell的四分之一，推理吞吐和每 token 成本分别声称最高达到10倍和十分之一。
• NVIDIA Technical Blog《Inside NVIDIA Rubin GPU Architecture》于2026年7月21日发布，列出Rubin单GPU最高50 PFLOPS的NVFP4推理性能、288GB HBM4和22TB/s显存带宽，并称智能体吞吐每单位能耗最高可达Blackwell的10倍。
• 这些数字来自英伟达自有平台和特定模型、精度、并发及交互速率条件，不能直接等同于所有模型或云服务的实际成本优势；同时，整机功耗、冷却、网络和软件调度会影响最终结果。
• 影响/看点：若第三方在相同模型、精度、服务质量和总拥有成本口径下复现相关结果，Rubin可能降低长上下文推理的基础设施门槛；其成立取决于供应、部署规模和软件栈能否持续达到测试条件。
• 资料依据: NVIDIA Technical Blog《Inside the NVIDIA Vera Rubin Platform: Six New Chips, One AI Supercomputer》（2026年1月5日），https://developer.nvidia.com/blog/?p=111036；NVIDIA Technical Blog《Inside NVIDIA Rubin GPU Architecture: Powering the Era of Agentic AI》（2026年7月21日），https://developer.nvidia.com/blog/inside-nvidia-rubin-gpu-architecture-powering-the-era-of-agentic-ai/；输入原文，https://developer.nvidia.com/blog/nvidia-vera-rubin-and-blackwell-set-a-new-standard-for-agentic-ai-performance-per-watt/

本内容由 AI 生成，仅供参考，请注意甄别

英伟达在2026年3月16日发布的技术博客中介绍Groq 3 LPX与Vera Rubin NVL72的异构推理组合，重点解决长上下文和多轮智能体场景中“吞吐量高但交互延迟难以下降”的矛盾，关注价值在于它把推理服务的优化目标从单一吞吐扩展到用户可感知的持续响应速度。

• NVIDIA Technical Blog《Inside NVIDIA Groq 3 LPX》称，LPX由256个Groq 3 LPU组成，使用片上SRAM、编译器调度和显式数据移动来降低每 token 延迟波动。
• 架构上，Rubin GPU负责长上下文预填充、KV缓存注意力和高并发任务，LPX主要处理解码阶段的FFN或MoE计算；NVIDIA Dynamo负责请求分类、路由和两类处理器之间的协同。
• 文章给出的比较是在2万亿参数MoE模型、40万输入上下文、约400 tokens/秒/用户等特定设置下进行，称Rubin加LPX的每兆瓦吞吐最高达到GB200 NVL72的35倍，并推算收入机会最高可达10倍。
• 这种设计适合编码助手、实时语音和多智能体等对尾延迟敏感的服务，但对批处理、嵌入和高并发长上下文吞吐任务，文章仍建议主要使用Rubin GPU；异构调度也会增加系统软件和运维复杂度。
• 影响/看点：若服务商能稳定利用不同引擎的分工，LPX可能改善长链路智能体的交互体验并提高高价服务的单位机架产出；实际收益取决于模型结构、请求分布、调度开销和LPX供货情况。
• 资料依据: NVIDIA Technical Blog《Inside NVIDIA Groq 3 LPX: The Low-Latency Inference Accelerator for the NVIDIA Vera Rubin Platform》（2026年3月16日），https://developer.nvidia.com/blog/inside-nvidia-groq-3-lpx-the-low-latency-inference-accelerator-for-the-nvidia-vera-rubin-platform；输入原文，https://developer.nvidia.com/blog/how-nvidia-groq-3-lpx-unlocks-ultrafast-interactivity-at-long-context-on-nvidia-vera-rubin/；NVIDIA Technical Blog《Inside NVIDIA Rubin GPU Architecture》，https://developer.nvidia.com/blog/inside-nvidia-rubin-gpu-architecture-powering-the-era-of-agentic-ai/

本内容由 AI 生成，仅供参考，请注意甄别

OpenAI 宣布将 GPT-5.6 系列模型引入软件工程智能体 Kiro，通过规范驱动开发模式提升模型在长程编程任务中的单位成本产出效率。

• 全系列模型接入：Kiro 接入了包含 Sol、Terra 和 Luna 在内的 GPT-5.6 家族，覆盖从需求拆解、架构设计到代码审查与测试验证的软件开发全流程。
• 规范驱动开发：利用规范驱动（spec-driven）机制将高层需求转化为结构化任务设计，并结合基于属性的测试（property-based testing）校验代码实现的正确性。
• 成本优化数据：根据 OpenAI 与 AWS 的联合测试，在 Terminal-Bench 2.1 基准上，GPT-5.6 Terra 在 Kiro 环境中完成任务的成本降低了约 82%。
• 影响/看点：该整合可能降低复杂软件工程场景中编程智能体的单任务调用开销，但其在实际业务代码库中的有效性仍取决于团队规范的完备度及模型对非标架构的理解能力。
• 资料依据：
• 1. OpenAI News: https://openai.com/index/gpt-5-6-in-kiro

本内容由 AI 生成，仅供参考，请注意甄别

Anthropic 官方开发者账号宣布面向 Claude 团队版与企业版正式上线模型上下文协议（MCP）企业级托管认证功能，简化了企业内部智能体与外部工具及数据的连接流程。

• 集中身份提供商管控：企业管理员可通过现有的企业身份提供商（IdP）统一配置与下发数据源授权策略，替代原先分散的手动管理方式。
• 终端用户免密接入：最终用户在使用智能体调用外部工具时无需进行逐项单独的 OAuth 授权，实现无缝直接调用。
• 主流工具生态支持：首批覆盖包括 Slack、Notion、Figma、Linear、Datadog、Atlassian、Asana 等主流办公协作平台，并支持第三方连接器集成该认证协议。
• 影响/看点：托管认证机制消除了企业在部署 MCP 工具链时的合规与多点配置摩擦，可能加快智能体在办公协同场景的集成进度，其普及程度受限于企业对数据访问权限审计颗粒度的具体要求。
• 资料依据：
• 1. Claude Devs (@ClaudeDevs): https://x.com/ClaudeDevs/status/2091953609185657251

本内容由 AI 生成，仅供参考，请注意甄别

英伟达于2026年5月31日发布Vera CPU技术说明，主张在智能体和强化学习系统中，CPU不再只是为GPU提供基础服务，而是直接参与工具调用、沙箱执行、数据处理、调度和结果回传，因此CPU延迟可能成为多步骤推理链路的瓶颈，关注价值在于评估AI集群时需要把CPU侧执行纳入整体吞吐和成本分析。

• NVIDIA Technical Blog《NVIDIA Vera CPU Sets a New Standard for Agentic Workloads in AI Factories》指出，智能体每增加一次工具调用或环境交互，CPU执行时间就会叠加，并可能影响GPU利用率、响应时间和每瓦产出。
• 该文将AI工厂CPU的设计目标概括为高并发、高单核性能和高效内存带宽，而不是传统云计算中单纯追求核心数或每核心价格。
• NVIDIA随后于2026年7月7日发布的《NVIDIA Vera CPU Boosts AI Factory Throughput》给出英伟达测试数据：88个Olympus核心、满载持续单核性能最高约为基准CPU的1.8倍，峰值加载延迟降低40%，单核心内存带宽超过传统x86方案的3倍。
• 这些比较针对强化学习环境、沙箱和工具执行等分支密集型任务，不能直接推导出Vera在通用数据库、虚拟机或所有推理服务中的优势；CPU加速还要看工作流是否确实受串行步骤限制。
• 影响/看点：随着智能体从一次问答转向多次执行，Vera可能提高GPU集群的有效利用率并减少缓存失效带来的重复计算；这一判断成立的条件是CPU执行在实际业务中占据显著关键路径，且平台整合成本低于由此节省的算力成本。
• 资料依据: NVIDIA Technical Blog《NVIDIA Vera CPU Sets a New Standard for Agentic Workloads in AI Factories》（2026年5月31日），https://developer.nvidia.com/blog/nvidia-vera-cpu-sets-a-new-standard-for-agentic-workloads-in-ai-factories/；NVIDIA Technical Blog《NVIDIA Vera CPU Boosts AI Factory Throughput to Accelerate Agentic Workloads》（2026年7月7日），https://developer.nvidia.com/blog/nvidia-vera-cpu-boosts-ai-factory-throughput-to-accelerate-agentic-workloads/；输入原文，https://developer.nvidia.com/blog/solving-agentic-ai-fleet-challenges-with-nvidia-vera-cpu/

本内容由 AI 生成，仅供参考，请注意甄别

视频生成平台 Runway 官方发布针对视频后期的 AI 模型 Ruby，支持将多种模型生成的视频素材直接转换为 16-bit EXR、ProRes（10 位与 12 位）及 HEVC 等影视工业交付格式，其关注价值在于将生成式 AI 视频与专业后期制作工作流进行格式层面的标准化对接。

• 规格升级能力：Ruby 能够将标准动态范围（SDR）视频转换为 16-bit HDR，并输出最高至 ProRes 4444 以及 16-bit EXR 序列帧等专业交付标准。
• 跨模型兼容设计：该工具不仅支持 Runway 自研的 Gen-4.5 模型，亦兼容第三方视频生成模型（如字节跳动的 Seedance 2.5 以及 MiniMax H3），具备模型不可知的工具属性。
• 处理规格边界：系统当前支持处理时长在 30 至 40 秒以内、单边分辨率低于 4K 的视频片段，重点面向短片制作与后期调色管线。
• 影响/看点：该功能的推出可能降低 AI 生成内容接入传统影视与广告工业后期管线的工程门槛，但其实际应用深度取决于模型在格式转换过程中对色彩动态范围扩展与细节还原的保真度。
• 资料依据：
• Runway 官方发布 https://x.com/runwayml/status/2091872521318814183

本内容由 AI 生成，仅供参考，请注意甄别

OpenRouter 官方于 2026 年 8 月披露，以低调模式上线的前沿模型 Ox Alpha 在该平台运行 5 天后，日均 Token 处理量已达 8 万亿（8T），引发广泛开发者关注。

• 吞吐水平：该模型上线 5 天内维持了日均 8T Token 的高负荷调用，成为平台近期活跃度最高的基础底座之一。
• 社区讨论：OpenRouter 官方整理了 Discord 社区超过 3000 条反馈，用户在测试中涉及的上下文与讨论累计超过 16.6 万亿 Token。
• 场景验证：高调用量反映出开发者对具备大上下文承载能力与持续工具调用稳定性的智能体底层模型存在实际需求。
• 影响/看点：若 Ox Alpha 在持续高并发与超长上下文负载下能保持低错误率与稳定响应，可能推动行业模型评测重心从传统学术基准向真实 Agent 生产负载转移。
• 资料依据：
• 1. X：OpenRouter（2026年8月）：https://x.com/OpenRouter/status/2092004452287058377

本内容由 AI 生成，仅供参考，请注意甄别

Mistral AI 宣布与沙特人工智能机构 HUMAIN 达成战略合作，双方将在中东地区共建算力基础设施并联合研发本地化前沿多模态大模型。

• 算力与基础设施共建：双方计划在沙特阿拉伯部署先进 AI 算力与基础设施解决方案，支持中东区域主权 AI 体系的搭建。
• 核心模型研发方向：联合研发重点聚焦于阿拉伯语自然语言处理、语音识别交互以及网络安全等专业领域的前沿模型。
• 区域政企应用落地：依托本地部署的算力基础设施与定制化模型体系，推动该地区公共事业与企业级智能化场景的应用落地。
• 影响/看点：该合作反映出欧洲前沿 AI 机构通过技术出海获取区域算力资本与本地化市场的商业路径，其实际成效将取决于中东本土高质量语料的整合深度与模型落地的工程进度。
• 资料依据：
• 1. Mistral AI (@MistralAI): https://x.com/MistralAI/status/2091964930715013224
• 2. Mistral AI News: https://mistral.ai/news/mistral-x-humain/

本内容由 AI 生成，仅供参考，请注意甄别

彭博社于 2026 年 8 月 24 日报道，苹果公司对其 Vision Pro、Siri 以及智能系统体验（Intelligent Systems Experiences）团队进行人员优化与业务重组，将研发资源转向新型硬件形态与人工智能基础设施，显示出消费电子企业在技术演进期的架构调整。

• 彭博科技记者 Mark Gurman 披露，本次团队缩减涉及头显硬件与现有语音系统业务线，核心目标是围绕新一代 AI 架构重塑 Siri 的底层运行机制。
• 苹果正在调整现有软硬件开发团队的配置，将工程资源倾斜至端侧生成式模型与自研云端服务器集群的协同部署。
• 报道提及苹果同时在推进折叠屏 iPhone 等新型硬件形态的研发，以应对关键区域市场的换机竞争压力。
• 此次调整表明苹果正在改变以往分散式的智能功能开发模式，转向集中式的核心大模型与交互基础设施建设。
• 影响/看点：若 Siri 底层架构重构与新型交互顺利落地，苹果有望在端侧智能体验上缩小与竞品的差距；但组织变动短期内可能带来部分现有产品线交付周期的波动，成效取决于其新一代系统的工程整合质量。
• 资料依据：
• 1. Bloomberg Technology（2026 年 8 月 24 日）：https://www.bloomberg.com/news/videos/2026-08-24/apple-cuts-jobs-as-it-reprioritizes-around-ai-video

本内容由 AI 生成，仅供参考，请注意甄别

半导体与算力研究机构 SemiAnalysis 于 2026 年 8 月 24 日发布预测，指出全球 AI 基础设施累计资本支出与债务融资规模将创历史新高，揭示出算力扩张对全球固定收益与资本市场结构的深远渗透。

• SemiAnalysis 预测全球累计 AI 资本支出将在今年年底接近 3 万亿美元，并预计在 2020 年代末达到 11 万亿美元以上。
• 预测指出未偿 AI 相关债务规模将突破 7 万亿美元，到 2026 年 AI 债务融资预计将成为仅次于美国住宅抵押贷款的第二大资产相关债务类别。
• 2026 年预计将成为 AI 相关债务发行量占美国固定收益总发行量低于 10% 的最后一年，意味着资本市场对算力资产证券化与举债扩建的依赖程度迅速上升。
• 该预测基于各大云服务商对自建数据中心、电力设施和先进算力芯片采购订单的持续增长假设。
• 影响/看点：若下游商业化收入增速未能匹配庞大的折旧与利息支出，巨额债务可能增加基础设施运营商的资产负债表脆弱性；资本扩张的持续性取决于算力变现能力与能源供应瓶颈的缓解速度。
• 资料依据：
• 1. X 平台 SemiAnalysis (@SemiAnalysis_) 报告（2026 年 8 月 24 日）：https://x.com/SemiAnalysis_/status/2091934010318471562

本内容由 AI 生成，仅供参考，请注意甄别

彭博科技于 2026 年 8 月 24 日报道，软银与阿里巴巴近期相继完成百亿美元级融资以加大 AI 投资，与此同时英伟达正面临系统涨价及财报考验，反映出全球大模型算力竞逐进入更高资本密度阶段。

• 软银集团计划发行创纪录的 63 亿美元零售债券，所筹资金将直接用于兑现其对 OpenAI 的投资与算力支持承诺。
• 阿里巴巴在香港完成 102 亿美元的再融资（Follow-on Offering），创下港股同类融资规模纪录，资金重点投向云与人工智能基础设施。
• 报道披露英伟达已向部分客户通报了新一代系统产品的涨价计划，市场正密切关注其本周财报对高价位算力需求持续性的指引。
• 亚洲头部科技集团与投资机构通过多元化资本工具加码底层技术，进一步推高了算力集群建设的资本门槛。
• 影响/看点：巨头加速融资买入算力巩固了上游芯片厂商的定价权与短期业绩；但长期商业回报能否支撑庞大的财务杠杆，关键在于大模型端侧商业化与云业务收入能否如期兑现。
• 资料依据：
• 1. Bloomberg Technology（2026 年 8 月 24 日）：https://www.bloomberg.com/news/videos/2026-08-24/bloomberg-tech-8-24-2026-video

本内容由 AI 生成，仅供参考，请注意甄别

Perplexity 首席执行官 Aravind Srinivas 宣布聘请纽约大学副教授 Andrew Gordon Wilson 担任研究负责人（Head of Research），其关注价值在于表明该搜索与问答公司正从单纯的工程集成向基础模型强化学习与持续学习等前沿科研领域加深投入。

• 汇报与组织架构：Wilson 加入 Perplexity 后向联合创始人兼首席技术官 Denis Yarats 汇报，并将统筹组建相关核心前沿研究团队。
• 重点研究方向：其科研主攻方向确立为持续学习（Continual Learning）、高质量合成数据生成、长视距强化学习（Long-horizon RL）环境及模型架构优化。
• 学术与产业背景：Wilson 在贝叶斯深度学习、不确定性量化与强化学习领域拥有深厚学术积累，此前曾与 Yarats 共同发表过多项强化学习论文。
• 影响/看点：这一人事布局表明 Perplexity 试图通过强化推理和动态知识更新来构筑自研算法基础，但长程强化学习与持续学习在实际生产环境中的工程转化效果，仍需观察其对搜索准确率与幻觉抑制的实际提升幅度。
• 资料依据：
• Perplexity CEO Aravind Srinivas 发布 https://x.com/AravSrinivas/status/2091909869796520394

本内容由 AI 生成，仅供参考，请注意甄别

Runway 官方于 2026 年 8 月宣布将于 9 月 30 日在旧金山举办为期一天的线下黑客松，旨在推动开发者利用其 API 构建智能体应用与自动化创意工作流。

• 活动定于旧金山 Masonic 场馆举行，与 Runway AI 峰会同期开展，设置 2.5 万美元现金及 20 万平台积分作为奖励池。
• 赛事采取快速交付机制，免去前期演示文档编写与审批流程，要求参赛团队在当天下午 5 点前提交可实际运行的演示系统。
• 竞赛方向主要面向基于 Runway 接口的智能体、应用软件与创意生产管线，鼓励多模态生成能力的工程化落地。
• 影响/看点：活动反映出视频生成厂商通过开发者生态加速推进 API 调用的商业化策略，其后续效应取决于参赛项目能否从短期原型转化为具备实际留存率的生产工具。
• 资料依据：
• 1. Runway 官方 X 账号 (2026-08) https://x.com/runwayml/status/2091967292276125714

本内容由 AI 生成，仅供参考，请注意甄别

Marin 社区在2026年8月启动名为 Hero Run 的535B-A23B模型训练计划，目标处理约18.75万亿 Token，并在 GitHub 公开配置、扩展计划和训练跟踪信息，关注价值在于它把大模型训练的硬件、数据和实验过程置于公开协作环境中。

• Marin GitHub 项目在2026年8月18日创建 issue，记录535B-A23B MoE模型的训练扩展阶梯、模型规格和性能跟踪安排。
• 项目说明把训练分为预训练和中期训练，并计划进行长上下文扩展；公开信息还涉及专家并行实现、Token 丢弃率和不同序列长度下的训练风险。
• 外部报道提到计划使用11个 GB200 NVL72 集群、约3个月完成训练，并估算总计算量约为2.7×10²⁴ FLOPs；这些属于项目计划和估算，不等于最终完成结果。
• Marin的开放价值主要在于代码、配置、训练曲线和实验记录可供复核，而不是仅凭模型规模证明训练质量或最终能力。
• 影响/看点：若训练过程、数据处理和评测结果持续公开，Marin可能为开放模型研究提供较完整的可复现实验样本；其影响取决于最终训练是否按计划完成、数据与权重能否公开，以及外部研究者能否复现关键结论。
• 资料依据: Marin GitHub《Hero Run: 535B-A23B on 18T tokens》2026年8月18日，https://github.com/marin-community/marin/issues/8435；HuggingNews《Marin Starts Training 535B AI Model on 18.75T Tokens in Biggest Open Run》2026年8月21日，https://huggingnews.com/ai/marin-starts-training-535b-ai-model-on-1875t-token-hero-run-ff328597

本内容由 AI 生成，仅供参考，请注意甄别

苹果研究团队于 2026 年 8 月在 arXiv 预印本平台及官方研究网站发布论文，提出名为「内化视觉思考」（Internalized Visual Thinking，简称 IVT）的后训练框架，其关注价值在于探索了通过训练期隐空间表征建模消除推理期中间图像生成开销的技术路径。

• 针对推理延迟瓶颈：多模态大模型在执行主动视频推理时，传统视觉思维链（Visual CoT）依赖在推理阶段逐步生成或重新编码未来图像作为视觉前瞻依据，带来较高的计算负荷与时延，限制了实时场景应用。
• 隐空间特征联合优化：根据 arXiv 论文（arXiv:2608.15869）记述，IVT 在后训练阶段利用无标注视频，联合优化文本预测与未来帧的隐空间特征嵌入（next-embedding）预测，使模型内部学习物理运动与物体状态转变规律。
• 推理阶段免除像素生成：在实际推理阶段，模型保持与文本模型一致的推理路径，无需在像素空间合成或编码中间图像，实验数据显示其端到端推理延迟较标准 Visual CoT 降低 5 倍以上，并保持了同等或更优的推理准确度。
• 影响/看点：该方法意味着对物理世界的预判能力可通过隐层特征内化而无需依赖显式图像生成，可能为具身智能与低延迟视频交互系统提供更高效的推理结构，其实际效益取决于模型在复杂开放长视频环境中的特征泛化能力。
• 资料依据：
• Apple Machine Learning Research（https://machinelearning.apple.com/research/internalized-visual-thinking）
• arXiv 预印本（https://arxiv.org/abs/2608.15869）

本内容由 AI 生成，仅供参考，请注意甄别

SemiAnalysis 于2026年8月23日发布 AgentX 推理基准，试图把多轮对话、长上下文、子智能体和 KV Cache 等真实智能体负载纳入芯片与推理软件比较，关注价值在于单轮、固定长度基准难以反映智能体系统的整体开销。

• SemiAnalysis称，AgentX数据集来自约3个月的内部 Claude Code、Codex 等使用轨迹，并以离线回放方式测试不同并发配置。
• 其公开说明显示，数据集输入长度中位数约为14万 Token，输出长度中位数约为396 Token，假设无限缓存时的缓存命中率中位数为99.2%。
• 数据还包含子智能体、动态工作流、工具调用和用户思考时间，因此测试对象不只是 GPU 算力，也包括路由、调度、KV Cache 转移与卸载。
• GB300 NVL72、B200、AMD MI355 等硬件的对比结果仍需结合具体模型、推理框架、精度、并发和缓存策略解读，不能直接等同于通用性能排名。
• 影响/看点：如果 AgentX 的流量分布能代表实际编码和知识工作负载，评测重点可能从峰值吞吐转向长上下文成本、缓存管理和端到端延迟；这一判断成立的前提是数据集具有足够代表性，并且测试配置和结果可被独立复现。
• 资料依据: SemiAnalysis《AgentX - InferenceXv3: Does CUDA Moat Hold up in Agentic Inferencing?》2026年8月23日，https://newsletter.semianalysis.com/p/agentx-inferencexv3-does-cuda-moat

本内容由 AI 生成，仅供参考，请注意甄别

研究团队在 arXiv 预印本平台发布论文《Prime Agent: A Self-Improving RLM Harness》（arXiv:2608.23552），提出了一个面向长程任务与代码智能体的开源评测与运行框架 Prime Agent。

• 持久交互运行环境：利用持久化 IPython REPL 实现递归语言模型（RLM）抽象，支持跨步骤的程序化上下文处理与测试时算力扩展。
• 跨轨迹持续记忆：通过 Continual Harness 机制在多轮交互中持续保留历史记录、记忆、技能库、提示词及子智能体配置，防止框架层丢失上下文。
• 多任务基准评测：实验表明该框架将 ARC-AGI-3 RHAE Best@1 指标从 30% 提升至 95.5%，并在长上下文编码、GPU 核函数生成及 Factorio 自动化推进等任务中表现稳定。
• 影响/看点：该研究表明执行框架的架构设计直接决定了复杂长程任务中模型能力的释放程度，其工程化推广取决于状态持久化管理在多租户环境下的系统资源开销与安全隔离机制。
• 资料依据：
• 1. arXiv (2026-08): https://arxiv.org/abs/2608.23552
• 2. Prime Intellect GitHub: https://github.com/PrimeIntellect-ai/prime-agent

本内容由 AI 生成，仅供参考，请注意甄别

研究团队在 arXiv 预印本平台发布论文《Same Agent, Different Answers》（arXiv:2608.22856），揭示了检索增强问答（RAG）系统在扩展知识库时出现的答案漂移现象，并提出了快照兼容性审计方法。

• 知识扩充引发答案漂移：在模型版本、提示词、检索策略等参数完全锁定的情况下，仅将语料分片由 1 扩充至 7，会导致系统产生与总体准确率无关的答案变动（accuracy-blind answer churn）。
• 提出兼容性审计框架：设计了 Snapshot Compatibility Audit 方法，通过扣除同版本内的随机方差，量化评估知识库更新带来的净答案漂移程度。
• 实证测试数据：在 400 题 Natural Questions 评测中，标准化精确匹配与语义层面的超额漂移率分别达到 6.44% 与 10.25%，在 TriviaQA 与 DeepSeek 模型复现中亦观察到一致趋势。
• 影响/看点：该审计方法表明知识库扩展可能在总体指标看似持平的情况下破坏下游依赖的答案一致性，意味着企业在升级检索知识库时需要将版本兼容性审计纳入标准化发布流程中。
• 资料依据：
• 1. arXiv (2026-08): https://arxiv.org/abs/2608.22856

本内容由 AI 生成，仅供参考，请注意甄别

研究团队于 2026 年 8 月 24 日在 arXiv 发布论文《Apodex 1.1: Scaling Agentic Intelligence for Complex Work》，提出通过环境扩展与多智能体协作扩展来增强长周期复杂任务的完成能力与可靠性。

• 论文将智能体工作能力定义为在真实目标下持续、可验证的推进过程，从「环境扩展」与「协作扩展」两个维度进行系统设计。
• 环境扩展增加了可执行文件、信息检索与代码运行环境的多样性与验证机制；协作扩展则训练模型分解长程任务、分派并行子任务并异步整合重规划。
• 系统构建了统一的执行框架与 AgentOS，用于在工具与多智能体之间维护任务状态和执行溯源链条。
• 评估显示该系统在金融、科研、数学、编码等复杂专业任务中达到前沿表现，同时开源了 35B 参数的 Apodex 1.1 Mini 模型以支持本地端侧部署。
• 影响/看点：该方法通过架构和轨迹数据优化显著提升了中等规模模型在长周期任务中的鲁棒性；其在生产环境落地的关键在于执行沙箱的安全性以及对非确定性外部环境报错的恢复成功率。
• 资料依据：
• 1. arXiv 论文预印本（2026 年 8 月 24 日）：https://arxiv.org/abs/2608.23283

本内容由 AI 生成，仅供参考，请注意甄别

研究机构 Epoch AI 于 2026 年 8 月 24 日发布分析报告指出，现行美国国内生产总值（GDP）核算体系遗漏了英伟达的大部分经济增值贡献，导致过去一年美国实际 GDP 年化增速被低估约 0.3 个百分点。

• 报告分析指出，英伟达芯片在美国本土完成研发设计，但在境外进行晶圆制造、封装测试并组装成服务器后再进口至美国。
• 在现行海关与国民经济核算规则下，服务器按包含设计溢价的总价计入进口（扣减 GDP），而本土研发的高附加值由于没有实体货物离境或直接的 IP 出口交易而未被计入出口。
• 美国经济分析局（BEA）在受访中证实，现行统计制度缺乏对无厂制造企业在境外加工转让过程中本土设计增值的跟踪数据。
• 国际货币基金组织与联合国 2025 年发布的新准则建议将此类无厂制造商重新归类为本土制造业，但相关统计调整通常需要数年时间落地。
• 影响/看点：该统计盲区表明以传统跨境实物贸易为核心的统计工具难以完全捕捉无厂高科技企业的价值创造；在核算体系更新前，宏观经济数据可能持续低估 AI 硬件设计对本土经济增长的实际拉动。
• 资料依据：
• 1. X 平台 Epoch AI (@EpochAIResearch) 分析（2026 年 8 月 24 日）：https://x.com/EpochAIResearch/status/2091959069980688660

本内容由 AI 生成，仅供参考，请注意甄别

研究人员于 2026 年 8 月 24 日在 arXiv 发布论文《ReWorld: An Interactive World Model with Long-Horizon Memory》，提出了能够在实时交互中保持长程时空记忆的交互式世界模型架构。

• 该工作解决了交互式世界模型中控制指令需要短响应窗口与场景记忆需要长程视野之间的结构性冲突。
• 在训练端采用混合注意力机制（多数注意力头关注近期上下文，少量全局头覆盖完整历史），并结合随机丢块训练以适应稀疏历史。
• 在推理端利用固定大小的 KV 缓存与基于位姿索引的地标库（landmark bank），实现根据当前位姿快速检索历史地标视点。
• 引入度量尺度对齐的数据引擎与 LoRA 蒸馏技术，将采样压缩至 4 步，支持以 704x1280 分辨率在 64 秒以上漫游中稳定重现已访问过的起始场景。
• 影响/看点：固定推理预算下的长程记忆机制为可交互虚拟环境与具身智能仿真提供了高效方案；但在高度动态交互或剧烈光影变化的复杂开放场景中，地标检索与画质一致性仍需进一步验证。
• 资料依据：
• 1. arXiv 论文预印本（2026 年 8 月 24 日）：https://arxiv.org/abs/2608.23565

本内容由 AI 生成，仅供参考，请注意甄别

东京大学 Agent4Science 团队于 2026 年 8 月 24 日在 arXiv 发布论文《Task-CoEvolve: Efficient Harness Optimization via Adaptive Validation Task Selection》，提出一种通过自适应选择验证任务来降低大模型 Harness 优化成本的新算法。

• Harness 优化通过在迭代中重写外部脚手架代码来提升模型能力，无需修改底层模型权重，但传统方法每次迭代全量运行验证集带来了高昂的评测开销。
• 该研究发现候选 Harness 之间存在争议的任务对区分方案优劣最具信息量，而全部通过或全部失败的任务区分度较低。
• Task-CoEvolve 采用基于历史表现方差的加权采样策略，将评测动态聚焦在能力边界附近的验证任务上，并通过采样概率反向估算全集表现以保持迭代间分数可比性。
• 在在线文本分类与 Terminal-Bench 2.1 基准测试中，该方法在保持最终优化效果与全量搜索一致的前提下，将评测任务数量减少了 80%。
• 影响/看点：该方法有效缓解了大模型脚手架自动化搜索过程中的算力开销瓶颈；其在工业级复杂系统推广的效果取决于任务分布方差建模在动态环境中的泛化稳定性。
• 资料依据：
• 1. arXiv 论文预印本（2026 年 8 月 24 日）：https://arxiv.org/abs/2608.20169
• 2. GitHub Agent4Science-UTokyo/Task-CoEvolve 仓库：https://github.com/Agent4Science-UTokyo/Task-CoEvolve

本内容由 AI 生成，仅供参考，请注意甄别

软件工程师 Fabien Sanglard 发布个人技术博客，分享了在智能体辅助编程中使用 agent.md 配置文件来约束大模型生成代码质量与风格的具体实践方案。

• 自动注入代码风格：在项目根目录放置 agent.md 文件，由 IDE 在初始化编程会话时自动注入提示词上下文，避免开发者在交互中重复设定规则。
• 消除冗余与套话：明确要求模型在输出说明与代码提交信息时保持精简，杜绝无意义的客套用语与夸大表述。
• 明确工程质量准则：规定将魔法数字与字符串提取为常量或枚举、限制函数名称在 30 个字符以内、采用提前返回（Early Return）减少多层嵌套，以及使用枚举替代布尔类型参数。
• 影响/看点：轻量级规则文件为降低人机协作摩擦提供了低成本的工程化途径，其实际收益取决于各类智能体 IDE 对上下文配置的加载规范以及底层模型对复杂约束的遵循稳定性。
• 资料依据：
• 1. Fabien Sanglard Blog: https://fabiensanglard.net/agent.md/index.html

本内容由 AI 生成，仅供参考，请注意甄别

Keras 框架作者 François Chollet 公开了其经典著作《Python 深度学习》（Deep Learning with Python）第 15 与 16 章的在线阅读内容，其关注价值在于以第一性原理和代码实践为开发者提供了从零理解与构建大语言模型的系统性教学资料。

• 核心教学模块：公开章节聚焦于文本生成与现代大语言模型架构，其中第 15 章重点剖析了点积注意力机制（Dot-Product Attention）的底层工作机理与数学直觉。
• 动手构建路径：第 16 章则详细指导读者如何运用现代深度学习框架从底层逐步编写代码、训练小规模语言模型并实现自回归文本生成。
• 开源教学定位：该章节完全开放免费在线访问，旨在降低初学者与跨领域开发者深入理解 Transformer 架构与模型内部机制的认知门槛。
• 影响/看点：该内容的开放有助于更多软件工程师建立对模型底层结构的机械化理解，这可能促进更精细的模型调优与智能体开发，但初学者掌握后仍需结合分布式训练等工程实践以适应工业级大模型场景。
• 资料依据：
• François Chollet 个人发布 https://x.com/fchollet/status/2091921787978445119
• 在线教材章节 https://deeplearningwithpython.io/chapters/chapter16_text-generation/

本内容由 AI 生成，仅供参考，请注意甄别

开源智能体框架 exo 提出了一种面向递归自我改进（RSI）的三层解耦架构，其关注价值在于通过事件溯源与状态快照机制，探索解决自主智能体在长周期演进与自我修改代码过程中易发生状态崩溃的工程难题。

• 三层解耦设计：系统划分为不可变且仅追加的事件日志层（exoharness）、提示词拼装与模型调用层（executor），以及具备状态快照与隔离机制的执行沙箱层（sandbox）。
• 容错与恢复机制：沙箱支持在智能体修改自身或环境出错时回滚至破坏前状态，并支持从任意历史事件节点进行对话分叉与上下文无损恢复。
• 可观测性保障：框架记录智能体实际执行的底层指令与状态演变过程，确保自动化自我迭代过程具备可重现性与审计追踪能力。
• 影响/看点：该架构可能为复杂软件开发与长程自主 Agent 的稳定性保障提供实用工程范式，但其能否真正实现安全高效的自我改进，仍取决于高层模型对复杂错误日志的自主定位与归因能力。
• 资料依据：
• Elvis Saravia 分析发布 https://x.com/omarsar0/status/2091915906305704015

本内容由 AI 生成，仅供参考，请注意甄别

研究学者 George Juraj Salapa 于 2026 年 8 月发布立场论文《Applying Anthropic Primitives at Large Enterprises: Harness Paradigm for Knowledge Work》（arXiv:2608.20622），探讨大型企业在部署智能体时如何通过标准化 harness 架构控制系统维护成本。

• 论文指出前沿大模型虽然降低了生成定制代码的初期门槛，但并未消除代码审查、系统集成与长期维护的认知负担，定制方案过多会导致维护人员需频繁重新阅读不同代码库。
• 文章主张企业采用标准化的 “harness 范式”，即以通用的编码智能体 harness 作为运行骨干，在各类业务部署中复用同一套执行框架而无需反复修改底层代码。
• 论文引用的评测发现指出，在多项智能体基准测试中，harness 架构的选择对最终任务结果产生的影响甚至超过了底层模型本身的选择差异。
• 影响/看点：统一的 harness 范式可能帮助企业将定制化 Agent 的维护开销收敛至通用基础设施层，其落地效果依赖于企业业务流程能否有效抽象为标准化的工具链与执行策略。
• 资料依据：
• 1. arXiv 论文预印本（2026-08）：https://arxiv.org/abs/2608.20622
• 2. X 平台发布：https://x.com/dair_ai/status/2091896571730493746

本内容由 AI 生成，仅供参考，请注意甄别

一线开发者小北于 2026 年 8 月公开分享生产环境 Agent 实战复盘，指出在百万级乃至亿级 Token 吞吐的实际业务中，智能体系统的稳定性瓶颈主要落在分布式工程设计而非提示词层面。

• 复盘披露在单日两轮累计消耗 1 亿 tokens 的高并发任务中，即便模型均产出了正确推理结果，仍出现 13 条因回执标识不一致（receipt identity mismatch）导致的系统执行失败。
• 实践表明大语言模型输出正确并不直接等同于工程链路闭环，分布式环境下的状态一致性成为核心断点。
• 开发者提出 Agent 工程的核心攻坚点应转向幂等控制、有限状态机、执行回执、自动化重试策略以及全链路可观测性构建。
• 影响/看点：这一实战案例意味着智能体从实验原型走向生产级系统的核心门槛正在向经典分布式工程回归，需要开发团队在协议校验与事务一致性上投入更多工程资源。
• 资料依据：
• 1. X 平台开发者复盘：https://x.com/frxiaobei/status/2091888911253749827

本内容由 AI 生成，仅供参考，请注意甄别

从业者 Yuchen Jin 于 2026 年 8 月发布针对多款前沿大模型的实测观察，指出当前各主流模型在实际工程中分工特化明显，尚未出现满足所有场景的单一全能模型。

• 任务专长差异：实测显示 Opus 5 在通过 HTML 交互生成进行教学解释方面表现良好，但输出相对冗长；GPT-5.6 Sol 在后端逻辑实现上较为稳健，但在前端构建方面相对较弱。
• 成本与能力平衡：Kimi K3 与 GLM-5.2 在日常代码编写的绝大多数常规场景下具备高性价比，但在操作系统内核开发等高复杂度研究任务中存在明显短板。
• 产业现状：尽管各家机构均以通用智能为目标进行模型训练，但现阶段前沿模型在长文本结构、代码风格和专业领域深度的表现上依然呈现出明显的专才特征。
• 影响/看点：这一实测反馈表明，在实际企业应用与复杂智能体构建中，依据任务类别采用动态模型路由的混合编排方案，在可预见时间内比单押单一模型更具实用性与经济合理性。
• 资料依据：
• 1. Yuchen Jin X 个人观点 (2026-08) https://x.com/Yuchenj_UW/status/2091942473681781077

本内容由 AI 生成，仅供参考，请注意甄别

模型路由平台 OpenRouter 代表 Shashank Goyal 与 Menlo Ventures 合伙人 Deedy Das 于 2026 年 8 月就推理成本下降背景下的 AI 商业模式与产品架构展开对谈。

• 对谈披露的数据显示，单位 Token 价格出现 40% 的回落，而平台实际调用量呈现出 4 倍的增长态势，显示出价格弹性对需求的拉动效应。
• 双方指出在技术快速迭代期，过早针对单一模型进行极限成本优化可能限制系统的架构弹性与后续升级空间。
• 观点认为未来具有竞争力的 AI 产品将更多依赖跨模型的混合调度架构，根据任务复杂度动态分发至不同成本与能力特性的模型。
• 影响/看点：推理成本下降与多模型路由的普及，可能推动 AI 应用从单一模型绑定转向按任务动态分流的成本效益优化，其商业成立前提是路由调度器自身的延迟与计费开销低于模型价差带来的收益。
• 资料依据：
• 1. X 平台官方发布：https://x.com/OpenRouter/status/2091912561310757350

本内容由 AI 生成，仅供参考，请注意甄别

摩尔线程发布《MTT S5000 Prefill-as-a-Service 技术白皮书》，提出将大模型推理中的 Prefill 与 Decode 拆分部署；其关注价值在于，长上下文和智能体任务增加后，推理系统可能需要按计算阶段分别配置资源。

• 白皮书将 Prefill 描述为计算密集型阶段，主要影响首字延迟，Decode 则更受显存带宽和持续输出能力影响；两者混用同一资源池可能造成利用率不匹配。
• 方案建议建立独立的 Prefill 算力池和 Decode 资源池，并通过网络传输中间状态，以分别优化首 token 延迟和每 token 延迟。
• 摩尔线程官网 2026 年 8 月披露，在其测试条件下，MTT S5000 16K 输入的单卡 Prefill 吞吐达到国际旗舰产品的 2.5 倍，并给出 4000 tokens/s 级别的集群方案数据。
• 这些数字依赖具体模型、精度、并行方式、软件栈和负载，属于厂商测试结果，不能直接推导为所有模型或生产环境的普遍优势。
• Prefill 与 Decode 解耦还会增加跨节点通信、KV Cache 管理、调度和故障恢复的工程复杂度，成本是否下降需要以完整系统的单位 token 成本衡量。
• 影响/看点：若长上下文请求占比和并发规模足够高，分离部署可能改善硬件利用率；在中小规模或短请求场景中，新增通信和运维成本可能抵消收益。
• 资料依据: 摩尔线程《MTT S5000 产品资料》（2026年8月） https://www.mthreads.com/product/S5000；《MTT S5000 Prefill-as-a-Service 技术白皮书》（2026年8月） https://developer-hscdn.mthreads.com/public/MTT-S5000-Prefill-as-a-Service-%E6%8A%80%E6%9C%AF%E7%99%BD%E7%9A%AE%E4%B9%A6.pdf；arXiv《Prefill-as-a-Service》（2026年4月） https://arxiv.org/abs/2604.15039

本内容由 AI 生成，仅供参考，请注意甄别