所有文章 · SURL AI News

DLSS 5 Swapper 2.2.1 以注入層替舊遊戲接上神經渲染，但相容性與供應鏈風險仍高

新開源工具透過 ReShade、RenoDX 與 Feeder，自動替沒有原生 DLSS 支援的遊戲部署神經渲染元件。最新版加入遊戲內覆蓋介面與逐遊戲 API 修正，但未簽章執行檔、修改版 DLL 及反作弊機制使它仍屬實驗性工具。

新研究讓小型草稿模型在隔離環境快照中預跑多步工具操作，再由大型權威模型確認第一步後一次提交整段結果。方法在兩項代理基準降低延遲，但需要三張 GPU，且 AppWorld 的任務完成率由 41.67%降至 40.48%。

Z1T 以固定四路稀疏投影、動態 tanh 與卷積式注意力，把部分解碼運算映射至 Extropic 的 Z1 機率位元晶片。程式與一組權重已公開，但節能和吞吐數字主要來自硬體模型，尚非完整端到端實測。

Project Zenith 是針對至少 64GB 統一記憶體、250GB/s 頻寬裝置預先配置的 Windows 11 開發體驗，首批搭載於 AMD Ryzen AI Halo。它把本機模型、WSL 工具鏈與代理容器放在同一平台敘事中，但目前的 MXC 仍是不可視為安全邊界的早期預覽。

SGLang 新版可在同一服務中以 `beam_width` 回傳多條候選序列，並將統一 radix tree 設為所有模型的預設快取。更新同時擴充 MoE、長上下文及 ROCm 核心，但包含依賴與設定行為變更，升級前須重新驗證。

賓州大學研究者在固定知識 token 預算下，以多種概念表述取代部分原文重複，改善事實回憶與推理。效果主要出現在 7B 以上模型，但實驗仍是短程持續預訓練，不能直接外推至前沿模型的完整預訓練。

新版指數加入代理知識工作與長篇 PDF 推理測試，把不公開題目的權重由 20%提高至 40%。這能降低針對公開題庫最佳化的空間，卻也使外部研究者更難完整重現排名。

Nemotron-3-Ultra-CC 在 IOI 2026 題目取得 535.4／600 分，高於官方最高選手的 498.27 分。關鍵不只是 550B 模型，而是以 GenCorrect 反覆產生、測試及修正大量候選程式；該次執行最多使用 760 張 GB300。

SGLang Simulator 以 CPU 攔截執行期元件，模擬排程、批次與多層 KV cache，而不真正載入模型或執行 GPU 核心。團隊宣稱兩款 Qwen3 在 H20 的主要指標誤差低於 5%，但硬體與模型覆蓋仍有限。

Truespar 公開 Paddock 的排程器、分頁 KV cache、記憶體管理及自製 CUDA kernels，並提供 OpenAI、Anthropic 相容介面。作者基準顯示它在部分單卡工作負載勝過 vLLM 與 SGLang，但尚無獨立重現，且不支援張量平行、ROCm 或 Metal。

OpenAI 的新旗艦模型允許工具在背景執行時繼續推理，並可透過 WebSocket 接收中途修正。更強的代理能力伴隨新的遷移限制，以及首次達到 Critical 級別的網路攻擊能力。

新版加入 `--lazy-mode`、量化工作記憶體上限及逐列分片串流，讓超大型張量不必一次載入 RAM。它也初步支援 Qwen3.8-Flash-Next 與 Nemotron-3-Puzzle，但前者的效能最佳化及部分硬體相容性仍待完成。