AI 科學與高效能運算
美國能源部啟動 278 項 AI 科學工作流計畫，串接代理框架、模型與國家實驗室 HPC
Genesis Mission 首批計畫涵蓋核能、關鍵礦物、晶片設計與商用核融合，研究團隊將共用模型、代理框架及高效能運算資源。OpenAI 另承諾 Codex 與 API 額度，支援約 2,000 名研究者及兩項大規模科學實驗。
頭版
SURL AI News
偏技術的 AI 模型、軟體、晶片、開源、研究與基礎設施新聞。
AI 科學與高效能運算
代理基礎設施
Anthropic 記憶儲存 API 切換分頁與路徑語義，舊游標及查詢參數可能失效
Claude Managed Agents 的記憶列表行為已於 7 月 22 日套用新版規則，包括穩定排序、目錄式前綴比對與受限的查詢深度。這不只是 SDK 換標頭；既有同步程式可能遇到 400 錯誤、漏列項目或游標失效。
訓練系統
SLAI T-Rex 在 Ascend SuperPOD 全參數後訓練兆級 MoE，MFU 提升至 34.22%
研究團隊針對 DeepSeek-V4 家族重做平行策略、通訊排程、核心與算子融合，使 Ascend 訓練效率達開源基線的 2.93 倍。系統再以求解器驗證資料訓練運籌研究模型，但程式、資料與硬體測量仍需更完整的公開重現。
端側推論
BaseRT 以 Metal 4 直接驅動 M5 神經加速器，提示處理最快勝 llama.cpp 6.4 倍
BaseRT 新增手寫的稠密、MoE GEMM 與 FlashAttention 核心，將提示階段的矩陣運算交給 M5 GPU 內的神經加速器。團隊在 M5 Pro 報告顯著領先 llama.cpp 與 MLX，但數據目前仍來自開發者自己的單機測試。
最新報導
瀏覽所有新聞
程式代理／推論最佳化
SWE-Pruner Pro 直接讀取程式模型隱藏狀態，最多削減 39% 代理 token
SWE-Pruner Pro 不再呼叫獨立分類器，而以輕量預測頭從程式代理的內部表徵判斷每行工具輸出是否保留。研究在兩款開放 MoE 模型與四項多輪基準上取得 token 節省，但需要修改推論伺服器，且部分品質增益尚待重現。
具身 AI／機器人
RynnBrain 1.1 將接觸點與原生 3D 定位納入具身基礎模型，並跨三種機器人訓練 VLA
阿里巴巴達摩院發布 2B、9B 與 122B-A10B 三種 RynnBrain 1.1 模型，新增接觸點預測及原生 3D grounding。配套 RynnBrain-VLA 以統一動作空間跨 Unitree G1、Astribot-S1 與天機舞姬訓練，但跨硬體泛化仍主要由團隊自有實驗支持。
開發者工具
GitHub 以採用階段重做 Copilot 成效儀表板，但產出量仍不等於工程品質
GitHub 新增 Copilot impact dashboard，依程式優先、代理優先及多代理等使用階段比較合併速度與產出。新介面讓企業能觀察工具採用深度，但仍缺少缺陷、返工與長期維護成本等品質訊號。
AI 基礎設施
Anthropic 將以 AMD Helios 擴充 2 GW 算力，並用 Claude 反向優化 ROCm
Anthropic 計畫自 2027 年上半年起部署首批 AMD Instinct MI450 系列 GPU，總規模最高達 2 GW。合作不只是採購硬體，雙方還將以 Claude 優化 GPU 工作負載與 ROCm 軟體堆疊。
Thinking Machines 釋出 Inkling：975B MoE 開放權重模型支援百萬 token 與原生多模態
Inkling 以 9750 億總參數、410 億啟用參數的 MoE 架構進入開放權重市場。模型同時提供可調推理強度、百萬 token 上下文，以及在 Tinker 上微調的路徑。
OpenAI 將 GPT-5.6 分成 Sol、Terra、Luna，統一百萬 token 上下文與代理工具介面
GPT-5.6 家族進入一般供應，以 Sol、Terra、Luna 分別覆蓋最高能力、均衡成本與大量低價工作負載。三款模型共享長上下文與工具介面，但推理成本、安全行為及實際品質仍需分別評估。
機器人資料與工具
Grabette 開源低成本機器人示範採集器，把手部操作轉成 LeRobot 資料集
Pollen Robotics 發布約 490 歐元的手持式 Grabette，利用雙相機、IMU 與夾爪編碼器記錄六自由度操作。瀏覽器處理流程會執行 SLAM、檢查軌跡並輸出標準 LeRobot 資料。
程式代理評測
AgentLens 把程式代理評測移到生產軌跡，支援夜間回歸與失敗診斷
AgentLens 不只檢查代理是否解出程式題，而是審查完整互動軌跡與實際產品結果。開源基準可用於比較模型版本、定位行為退化，並接入持續整合流程。
代理評測
OmniaBench 以 1,431 項跨場景任務檢驗通用代理，前沿模型 Pass@1 仍低於六成
OmniaBench 建立具明確狀態空間的跨工具、跨互動形式代理測試，並提供 644 題精簡困難集。結果顯示，規劃、約束維持與錯誤後調整仍是前沿代理的共同弱點。