a16z 的 Andrew Chen：AI 原生消费应用距离 ARPU 覆盖推理成本还差 10 倍以上
a16z 的 Andrew Chen 认为，AI 原生消费应用要实现普及，需月均 ARPU 高于单用户平均推理成本，但当前月 ARPU 约 2-5 美元，而 AI 重度应用的 token 成本达 20-50 美元，差距超过 10 倍。
#推理
#推理
今日 17 条andrew chen(@andrewchen)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
甲子光年AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 探访高通总部：6G网络如何从传输数据走向感知与计算？
高通在圣迭戈总部搭建面向5G和6G的研发测试平台，用无线信号追踪无人机并由AI分类，展示其6G愿景的连接、感知、高性能计算三大基石。高通提出"计算连续体"多层架构，并计划推出面向家庭和小企业、可承载万亿级参数模型的设备形态；同时探索把AI算力下沉到基站侧，供运营商提供"算力即服务"或"Token即服务"。
Harrison Chase(@hwchase17)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangChain 直播：Jev 如何加速 AI 智能体循环
LangChain 将于下周二举办直播，由工程团队的 Sydney Runkle 讲解 TypeSafe AI 的新模型 Jev 如何用于 AI 智能体。该模型在分类任务上据称推理速度最高快 200 倍、成本低 400 倍，目标是解决智能体循环慢且昂贵的问题。直播内容涵盖 Jev 在智能体循环中的位置以及如何搭建 harness。
NVIDIA Technical BlogAI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 如何用 AIPerf 对大规模 LLM 推理做基准测试
NVIDIA 发布 AIPerf，用于大规模 LLM 推理的基准测试。文章指出用 curl 命令、手写 asyncio 脚本或临时压测工具测推理性能，都会受单进程性能上限和 Python GIL 并发限制影响，导致测得的数字不可靠。
SemiAnalysisAI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SemiAnalysis 解读 Engram 嵌入：面向高效 DRAM/SSD 卸载的软硬件协同设计
SemiAnalysis 分析了 DeepSeek 式 Engram 多 token 查表嵌入的协同设计思路：每个 token 只访问地址依赖 token ID 的少量嵌入行，运行时可在前层计算时从 host DRAM 预取，使嵌入表无需常驻 HBM。
智谱AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 智谱上线 GLM-5.3-FlashX，最高 200 tokens/s
智谱正式推出 GLM-5.3-FlashX，最高 200 tokens/s，API 已上线，Model Key 为 GLM-5.3-FlashX。官方称该版本前身以 Ox Alpha 之名与开发者见面，调用量持续攀升，此次在10万张国产芯片提供的推理算力基础上加大 Infra 投入与推理优化。GLM-5.3-Flash 长期保持同尺寸最强智能水平，本次提速进一步形成智能、价格、速度的全面竞争力。
数字生命卡兹克AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 TypeSafe AI 发布只做高频决策的模型 Jev
TypeSafe AI 发布新模型 Jev，它不生成文字，只输出决策与置信度，定位为 System One Model 通用分类器，主打高频判断场景。官方称其速度比常规大模型快 20～200 倍、成本低 40～400 倍，价格为 0.042 美元/百万 Token，输出 Token 免费，并采用名为 RLCD 的面向校准决策的强化学习方法。
Vercel NewsAI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GLM 5.3 FlashX 上线 AI Gateway，约 200 tokens/s 高速推理
Z.ai 的多模态编码模型 GLM 5.3 FlashX 现已上线 AI Gateway，提供约 200 tokens/s 的高速推理服务，适合编码智能体、工具循环和交互式应用。模型 ID 为 zai/glm-5.3-flashx，可在各 API 格式和编码智能体中调用。AI Gateway 按供应商价格原价计费，不收取推理平台费，BYOK 请求同样适用。
Anthropic(@AnthropicAI)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude 为 30 多个开源模型优化推理，平均提速 4 倍并开源代码
Anthropic 在最新 Science Blog 中介绍，Claude 为 30 多个生物领域的开源模型优化推理，平均提速 4 倍，部分做法是为 GPU 编写定制软件。Anthropic 表示将全部优化代码开源，这些模型原先运行成本较高，可能限制其实际影响；详情见 anthropic.com/research/claud…。
Perplexity(@perplexity_ai)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 支持自定义模型选择、推理等级与速度设置
Perplexity 新增控制选项，用户可自行定制模型选择、推理等级以及可用的速度设置，让回答过程更可控。该功能由 Perplexity 官方账号发布，具体可调模型与速度档位原文未披露。
AI产品黄叔(@PMbackttfuture)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claudian 里用 Gemini 3.8 flash 写稿：思考 20s 以内，输出速度极快
在 Claudian 中使用 Gemini 3.8 flash 写稿，思考时间基本在 20s 以内，随后快速持续输出。该体验由用户 @PMbackttfuture 分享，原帖附有演示视频，互动量约 20 条回复、4 次转发、56 个点赞、18500 次浏览。
暗涌WavesAI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 科理新序张载熙：做AI4S多模态基座模型，以Science Token计费
普林斯顿博后张载熙创立AI4S公司科理新序（Scinetics），近日完成近5000万元人民币融资，英诺科创基金领投，沂景资本、小苗朗程、麟阁创投跟投。公司核心是开发多模态长程推理基座模型，提出Science Token概念，将小分子、核酸、蛋白质结构等科学数据转为统一表征单元，不经过人类语言转译，短期聚焦生命科学。
NVIDIA Technical BlogAI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA TensorRT Edge-LLM 在 Jetson AGX Thor 上以 6.4 倍速度完成 MLPerf Edge Agentic Benchmark
NVIDIA 的 TensorRT Edge-LLM 在 Jetson AGX Thor 上完成 MLPerf Edge Agentic Benchmark，速度提升 6.4 倍。该基准针对 AI 智能体在车辆、机器人等边缘设备上的多步推理工作流，要求模型快速生成 token 并在不断增长的对话中持续推理。TensorRT Edge-LLM 面向此类边缘推理场景优化。
乌鸦智能说AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 投资人开始“抛弃”国产GPU了
2026年上半年四家国产GPU合计收入52.42亿元，同比增长约162%，但7月以来沐曦、天数智芯股价最大回撤分别达55%和64%，且反弹乏力。作者认为原因是国产GPU稀缺性下降、研发投入占收入50.7%导致利润未跟上，且大客户议价权增强。推理时代ASIC抢增量、推理卡毛利率明显低于训练卡，连英伟达的估值倍数年内也压缩约17%。
Yann LeCun(@ylecun)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：形式化定理证明超越人类不等于「数学超越人类」
Yann LeCun 指出，AI 在搜索并写下定理形式化证明上超过人类，不等于「数学达到超越人类水平」。他认为这只是整个数学活动中一项可自动化的「机械性」任务，就像算术或符号/数值积分并不等于全部数学。数学家的核心工作是发明新概念、新框架、新抽象与新定义并提出猜想，这依赖当前 AI 系统尚不具备的直觉与创造力。
Amjad Masad(@amasad)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Amjad Masad 质疑 Jev：输出域已知为何不直接训练枚举 logprobs 模型
Amjad Masad 对 Diogo Almeida 发布的 Jev 模型提出质疑：如果输出域提前已知，为什么不直接训练一个在枚举上输出 logprobs 的模型。Jev 号称比现有方案快 20-200 倍、便宜 40-400 倍，且输出 token 免费，定位为面向决策的可组合前沿智能。
NVIDIA AI(@NVIDIAAI)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 技术解析：30B 参数模型如何每 token 仅激活 3B 参数
NVIDIA 发布技术解析，解释 30B 参数模型为何每 token 只激活 3B 参数却仍能调用全部模型容量。文章对比稠密模型与 MoE 模型在参数使用方式上的差异，并说明这对吞吐量、内存占用和部署复杂度的影响。
Suhail(@Suhail)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Suhail 谈推理成本与速度：若不担心推理成本且近乎即时，该如何重新想象
Suhail 回应 @martin_casado 时提出，如果（1）不太在意推理成本、（2）推理近乎即时，就有另一种想象问题的方式。原文未展开具体场景或模型。
Epoch AIAI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Epoch AI：GPT-6 Astra 在数学基准上领先，软件工程并非如此
Epoch AI 用 Epoch Capabilities Index（ECI）及面向数学和软件领域的 ECI 变体，对比 GPT-6 Astra、Claude Fable 5.1、GPT-5.6 Sol 和 Kimi K3 四款近期模型，结果显示 GPT-6 Astra 在数学基准上领先，但在软件工程上并非如此。
硅谷101AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 硅谷101｜推理芯片之战：聊聊 Groq、Cerebras 与 OpenAI 三大路径
推理芯片竞赛升温：英伟达以约200亿美元对 Groq 进行 acqui-hire，Cerebras 今年6月 IPO 市值达670亿美元，OpenAI 联手博通推出首款自研推理芯片 Jalapeño，从设计到流片仅用9个月。
Fireworks AI(@FireworksAI_HQ)AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fireworks AI 实测：DeepSWE 智能体成本 99.6% 命中缓存，单任务 $0.43 对 $6.52
Fireworks AI 在 Astra 与 DeepSeek V4.1-Flash 上运行 DeepSWE，输入 token 与输出 token 比例为 174:1，其中 99.6% 为缓存命中，缓存命中占账单的 60%。两者质量相同，但单任务成本分别为 $0.43 与 $6.52。
Latent.Space(@latentspacepod)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Recursive SI 联合创始人 Richard Socher 谈"人类最后一项发明"与递归自我改进 AI
播客对话 Recursive SI 联合创始人 Richard Socher，该公司以 5B 美元融资跻身最新 neolab，目标是用开放式、自我改进的 AI 做 AI 研究。节目讨论了 Eureka Machine、Richard 的 10 Spaces of Intelligence、DecaNLP 与被拒的早期 GPT 思路，以及 AI 同行评审为何失灵。
Patrick Loeber(@patloeber)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 推出两款面向 Live API 的 Gemini 模型：Gemini 3.8 Live 和 3.8 Live Extended Thinking，官方称其为目前最好的对话式 AI。新模型在智能水平和并行推理上有较大升级，可在对话中思考并在后台处理任务而不打断用户流程，实时语音协作更顺畅自然，可在 ai.studio/live 测试。
Google DeepMind(@GoogleDeepMind)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Live Extended Thinking 演示：充当编程辅导老师
Google DeepMind 展示用 Gemini 3.8 Live Extended Thinking 充当编程辅导老师。两款模型均支持升级版推理、近实时视觉理解、97 种语言自动检测，以及不打断对话的后台工具调用。
NVIDIA Technical BlogAI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA Groq 3 LPX 确定性执行如何为 NVIDIA Vera Rubin 带来高能效高交互推理
NVIDIA 详解 Groq 3 LPX 的确定性执行如何在 NVIDIA Vera Rubin 平台上驱动高能效、高交互性推理。文章指出，功耗是 AI 工厂的核心约束，衡量 AI 平台价值的关键指标是每瓦性能而非未归一化的原始吞吐量。
Yann LeCun(@ylecun)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：LLM 本身并非通向人类级 AI 的路径
Yann LeCun 表示，基于 LLM 的 AI 工具虽然非常有用、人人都在用，但它们本身并不是通向人类级 AI 的路径。他指出，能够理解真实世界的架构并非 LLM，让当前 LLM 系统得以解读图像、视频等真实世界信号的架构组件也不属于 LLM。他同时提到有一场 1 小时的演讲，用结果和证据支撑上述结论。
硅谷科技评论AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 模型越来越便宜，什么才开始值钱？——Imagination In Action 硅谷 AI 峰会观察
2026 年 9 月 14 日 Imagination In Action 硅谷 AI 峰会上，嘉宾反复提到模型能力仍在变强但已不值钱，真正的门槛转向速度、路由架构、专有数据和物理供应链。
SemiAnalysisAI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SemiAnalysis 实测 Vera Rubin NVL72 智能体推理：每美元性能最高提升 67 倍
SemiAnalysis 用自研 AgentX 智能体推理基准实测 NVIDIA Vera Rubin NVL72，在 Apples to Apples TRTLLM NVFP4 Dense 配置下。
SemiAnalysisAI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 大脑太大带不动：机器人推理该放在本体还是数据中心
SemiAnalysis 分析机器人与 LLM 的硬件逻辑差异：LLM 是模型先行、硬件适配，机器人则因实时控制环路和整机成本约束，硬件固定、模型去适配 Jetson 或 H100 等可量产硬件。
AK(@_akhaliq)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SAS：通过上下文排序端到端优化实现简单注意力稀疏化
SAS 提出一种通过上下文排序端到端优化实现的简单注意力稀疏化方法，论文已在 Hugging Face 上线（huggingface.co/papers/2609.13…）。该方法以排序优化驱动注意力稀疏化，具体参数与评测结果暂未披露。
Yann LeCun(@ylecun)AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：现代 AI 系统并非自回归，推理搜索应在抽象表示空间进行
Yann LeCun 指出，现代 AI 系统底层的 LLM 是自回归的，但 AI 系统本身不是：所谓"reasoning"系统会生成大量 token 序列并挑选最优解，这属于非自回归搜索。他认为当前系统的错误在于把搜索放在离散 token 空间，主张 planning/reasoning 的 inference-by-search 应在抽象表示空间完成，因为人类的推理与规划大多与语言无关。
SemiAnalysisAI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 为什么 4-hi HBM 会赢：SemiAnalysis 解析 HBM 堆叠高度趋势逆转
SemiAnalysis 指出，AI 加速器的 HBM 堆叠高度趋势正在逆转：下一代 Rubin Ultra 每 GPU 仅配 192GB HBM，低于标准 Rubin 与 B300 的 288GB，8-hi 将取代 12-hi 成为新标准。
NVIDIA Technical BlogAI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 全栈 NIM 优化如何让 Nemotron 3 Ultra 支撑 2.5 倍并发用户
NVIDIA 详解全栈 NIM 优化如何让 Nemotron 3 Ultra 在现有 GPU 上支撑 2.5 倍并发用户，同时保持交互响应速度。这一权衡对智能体 AI 负载尤为关键，因为其提示词更长、上下文会在多步之间复用。
DeepSeek(@deepseek_ai)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek V4.1-Flash 将 KV cache 的 HBM 需求降至上一代的 1/4
DeepSeek V4.1-Flash 相比上一代大幅压缩 KV cache，所需 HBM 仅为 1/4、SSD 存储仅为 1/8。缓存命中费用常占 AI 智能体成本的很大一部分，压缩缓存可显著降低这部分开销。
DeepSeek(@deepseek_ai)AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 发布 DeepSeek-V4.1-Flash 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，称其更智能、更快、更高效，是新架构家族中体量最小的模型，并具备原生视觉理解能力。该模型面向更强能力、更快推理、更高吞吐设计，可扩展至更大模型。
阿里云开发者AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Agent 如何自己变强？从 Skill 到模型权重的自进化全景图
阿里云开发者梳理了 Agent 自进化（Self-Evolution）的技术全景：进化对象既包括 Skill、Harness、Memory 等非参数化组件，也包括通过微调、强化学习、自蒸馏将经验内化为模型权重。
NVIDIA Technical BlogAI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 何时使用 Encode-Prefill-Decode 解耦加速多模态模型服务
NVIDIA 发文说明 Encode-Prefill-Decode（EPD）解耦这一多模态模型推理优化技术：它将视觉编码阶段与 prefill、decode 阶段分离，在图像密集提示词、中短输出和量化 MoE 模型上最有效。配合 NVIDIA Dynamo 使用 EPD 解耦，最高可带来 5 倍加速。
Ahead of AI — Sebastian RaschkaAI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-6 Astra、循环 Transformer 与隐藏推理链
Sebastian Raschka 撰文讨论 GPT-6 Astra，认为其最大跃升在计算机使用能力，并称 Astra 很可能采用循环 Transformer（recurrent depth）变体，理由是 The Information 的报道与该方法在固定算力下可提升建模表现。
DeeplearningAI精选AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Z.ai 发布 GLM-5.3-Flash，Ox Alpha 谜底揭晓并开放权重下载
Z.ai 正式发布视觉语言模型 GLM-5.3-Flash，即此前在 OpenRouter 上匿名预览的 Ox Alpha，并公开了权重。该模型采用 MoE Transformer 结合线性注意力与稀疏注意力，总参数 3200 亿、每 token 激活 180 亿，支持文本、图像和视频输入，最多 1,048,576 个 token，输出上限 128,000 个 token。
为什么值得看
智谱开源 GLM-5.3-Flash 的架构与成本数据，可用于判断低价视觉语言模型的性价比取舍。
AK(@_akhaliq)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 通过离散扩散实现 LLM 无损加速的新论文
一篇题为《Unlocking Lossless Speedups in LLMs via Discrete Diffusion》的论文发布，提出用离散扩散为 LLM 带来无损加速，论文已在 Hugging Face Papers 上线。该工作聚焦大语言模型的推理提速，具体方法细节与实验数据见原文。