最新模型
Wan3.0 正式上線：單次生成 30 秒有聲影片，文件與網頁亦可直接作輸入
阿里巴巴把 8 月初邀測的 Wan3.0 正式推向市場，統一支援文字、圖片、影音、文件及網頁參考。API 已公開，但模型仍標為邀測，權重、架構與獨立評測均未發布。
Archive
硬體
AI 晶片、GPU、資料中心、邊緣裝置與硬體安全。
最新模型
推論系統
llama.cpp 0.2.0 分開穩定版與每日構建，套件維護者終可固定相容版本
llama.cpp 0.2.0 正式以語意化版本標示較慢更新的穩定版，原有 `b[編號]` 標籤則保留為接近逐提交的開發構建。新制度降低 Debian、Homebrew 與下游綁定的版本風險，但「穩定」不代表長期支援或跨硬件完整驗證。
最新模型
GPT-5.6 Sol 限時降至每百萬輸出 token 20 美元，超長提示仍按整筆加價
OpenAI 把 GPT-5.6 Sol API 輸入與輸出價格分別下調 20% 和 33%，優惠至少維持至 11 月 21 日。超過 272K 輸入後，整筆請求仍會套用較高費率，長上下文代理不能只看標準單價估算成本。
推論系統
FreeToken 動態分配 CPU、GPU 與 PCIe，讓 35B MoE 在 8GB 顯示記憶體運行
FreeToken 不採固定卸載，而是按實測頻寬決定把未命中專家傳入 GPU 或直接交給 CPU 計算。論文亦展示單張工作站 GPU 服務 753B 模型，但完整權重仍需主記憶體，不能解讀成「753B 全放進一張卡」。
代理工具
NVIDIA AVO 在 ARC-AGI-3 公開集解完 183 關，關鍵增益來自代理框架而非換模型
AVO 以持久記憶、監督代理及文字網格介面，讓 Claude Opus 5 在 6,624 次環境動作內完成全部公開關卡。100 分只涵蓋公開集，不能視為通過半私有或私有競賽測試。
最新模型
IAR 將文件內化拆成注入、問答對齊與權重合併，平均保住更多通用能力
北京智源研究團隊提出三階段後訓練方法，讓模型不經 RAG 也能回答固定文件集的問題。八組實驗中有七組全面勝過一般 SFT，但成果仍依賴合成問答、模型裁判及逐模型調參。
最新模型
DeepSeek V4-Flash-Vision-Exp 開放圖片輸入，1M 上下文但仍屬 API 實驗版
DeepSeek 為 V4-Flash 加入圖片理解，可透過三種相容介面處理文字與影像，並維持原有 Flash 計價。官方公布的代理評測成績仍缺乏獨立重現，模型權重與視覺架構也未公開。
推論系統
SGLang 0.5.18 重疊載入權重與 CUDA Graph，Qwen3-32B 冷啟動縮至 35.6 秒
新版在啟動時並行處理 checkpoint staging 與 CUDA Graph capture，官方 H100 測試較普通預設流程快 2.38 倍。它也重寫部分張量並行通訊並加入七個模型家族，但 Torch 升級與快取路徑整併帶來遷移成本。
硬體
Needle 2 將 45M 工具模型壓進 14MB，並以 schema 文法限制裝置端呼叫
Cactus Compute 近日完善 Needle 2 的 Python API、跨平台執行與 Apache 2.0 授權，模型卡亦持續更新。它以 28MB 峰值記憶體執行工具選擇及結構化抽取，但速度與準確率仍主要來自官方測試。
推薦系統
NVIDIA 生成式推薦堆疊重寫 KV 與 beam search，5K 上下文推論快 2.27 倍
NVIDIA 將 HSTU、動態 embedding 與 Semantic ID 生成式推薦整理成可執行的 PyTorch 參考堆疊。它針對「長歷史、只生成數個 token、beam width 極大」的推薦負載重寫快取及解碼路徑，但數據目前限於 NVIDIA 硬件與合成配置。
推論系統
LFM2.5 加入 DSpark 草稿模型，H100 解碼吞吐量最高提高 3.18 倍
Liquid AI 為三款 LFM2.5 模型釋出約 3 億參數的 DSpark 草稿檢查點，並接入 llama.cpp 與 SGLang。官方測試顯示加速幅度會隨模型、資料分布及硬件大幅變動，不能把峰值直接視為所有工作負載的收益。
AI 基礎設施
NVIDIA DSX MaxLPS 動態調配機櫃功率，GB200 每瓦推論效能提高 1.5 倍
DSX MaxLPS 以即時遙測重新分配閒置功率，NVIDIA 測得 GB200 NVL72 機櫃的配置功率可由 125 kW 降至 90 kW而維持吞吐量。方案還結合工作負載功率設定與 45°C 液冷，但核心 Dynamic Power Software 仍處於 Developer Preview。