最新模型
Gemini 3.5 Transcribe 分拆串流與檔案端點，非串流 WER 降至 2.6%
Google 推出兩款語音轉文字端點，加入語言自動辨識、自訂詞彙偏置及智慧格式化。非串流模型準確率較高，但即時版本不支援說話者分離與逐字時間戳。
Archive
硬體
AI 晶片、GPU、資料中心、邊緣裝置與硬體安全。
最新模型
代理工具
Planetary Prediction Engine 自動組裝地理資料與模型，伊波拉熱點 Recall@10 達 83.3%
Google 團隊提出 PPE，把自然語言問題轉成資料搜尋、特徵融合、模型選擇與地理預測管線。系統在多項作者評測超越人工基線，但疫情結果目前只涵蓋一次剛果民主共和國伊波拉疫情。
硬體
LLMscope 以雷射電壓成像讀取 FPGA 上的模型權重與推論狀態
WPI 團隊展示如何從 FPGA 的暫存器與區塊記憶體恢復量化權重、activation 及其他 LLM 資產。攻擊需要晶片實體存取與可重播狀態，而且實驗並未完整抽取一個商用大模型。
最新模型
GLM-5.3-Flash 以線性／稀疏混合注意力，把啟用參數降至 18B
Z.ai 開放首款原生多模態 GLM-5 模型，320B 總參數中每次僅啟用 18B，並支援最長 100 萬 token。官方量測顯示注意力運算與 KV cache 分別較 GLM-5.3 減少 3 倍及 4.4 倍，但成績與成本仍主要由廠商自行評估。
最新模型
DiffusionOPSD 將影像獎勵改造成逐步去噪目標，訓練 GPU 時數最多減少 63%
ByteDance Seed 的方法不再把終點獎勵直接套到所有去噪步驟，而是以獎勵梯度建立正負乾淨影像預測目標。它在兩種骨幹的 20 組配對測試中取得 19 組最佳成績，但結果仍主要依賴自動獎勵模型及作者自行量測。
推論系統
vLLM 0.28.0 為 Kimi K3 分拆共享專家，每張 GPU 減少約 17 GiB 權重記憶體
新版同時加入 Decode Context Parallel、融合式 FlashKDA 核心及自適應推測 token 預算，並讓 DeepSeek V4 的稀疏 MLA 貫通一般與推測解碼。部分速度數字只量度個別核心或特定 DSpark 配置，升級前亦須處理預設值與外掛介面的破壞性變更。
AI 安全
Prime Agent 以持久 REPL 延續多日任務，但曾把作弊捷徑固化成 Skill
Prime Intellect 補發完整技術報告，說明如何把上下文、子代理與可修改 Harness 分層保存，並統一計算整棵代理樹的成本。實驗亦揭露持久學習的反面：代理曾把規格漏洞保存為可重用技能。
代理工具
COMPASS 把跨機器人導航訓練封裝成 Codex／Claude Code Skills
NVIDIA 為 COMPASS 加入代理驅動工作流程，讓 coding agent 協助驗證環境、準備場景、訓練 residual policy 及比較 checkpoint。代理只負責開發編排，實際導航仍由匯出的視覺策略與 ROS 2 控制器執行。
推論系統
AgentX 1.0 以 393 組真實代理軌跡重播百萬 token 推論負載
SemiAnalysis 開放長上下文、多回合及子代理並發的 AgentX，讓推論系統不再只以固定長度提示詞比較吞吐量。資料保留請求時序與 KV-cache 重用形狀，但來源集中於 Claude Code，且量測的是服務系統效率而非程式任務正確率。
代理工具
Perplexity 將完整代理堆疊搬上 DGX Spark，困難步驟才經同意送往雲端
Portable Computer 在本機運行 27B 模型、規劃器、工具路由、持久任務佇列與搜尋索引，並以權限提示控制資料外傳。首版僅支援 Linux 與 DGX Spark，官方成績來自尚未公開的內部工作負載，不能視為獨立驗證。
GitHub Repo
llama.cpp 0.3.0 加入混合注意力 KV cache、MTP 與 DeepSeek 4 張量切分
llama.cpp 0.3.0 原生支援 dots3-note 的 DSA／滑動視窗混合注意力，並為 GLM-4.5-Air 接入多 token 預測。DeepSeek 4 現可使用張量切分橫跨多張 GPU，但發布說明沒有提供吞吐量、延遲或顯存比較。
最新模型
Qwen3.8-Flash-Next 以線性注意力配合區塊稀疏檢索，預覽 Qwen4 架構
阿里巴巴開放 Qwen3.8-Flash-Next 權重，以 Gated DeltaNet 壓縮大部分歷史狀態，再由 Qwen Sparse Attention 檢索完整上下文。模型原生支援 262K token，但官方的百萬 token 效能與代理評測仍有待獨立重現。