所有文章 · SURL AI News

Prime Intellect 將 Nemotron 3 Nano 的 RLVR、LoRA 與部署收斂為託管訓練流程

NVIDIA 公開一套可重現的託管後訓練流程，讓開發者以 Prime CLI 對 30B MoE 模型執行 100 步 RLVR，再下載或部署 LoRA。示範在 32 道數學題上由 21.9% 升至 90.6%，但樣本小且任務與獎勵高度受控。

InclusionAI 發布 124B 參數的 Ling-3.0-flash，採 KDA、MLA 與高度稀疏 MoE，面向長流程代理推論。API 已上線，但權重預定 8 月才公開，效能數字現階段無法完整重現。

Google 將 Gemini 3.6 Flash 與 3.5 Flash-Lite 推向穩定 API，分別瞄準複雜代理主模型與高吞吐子代理。官方數據顯示兩者在 token 用量、程式任務和電腦操作上進步，但比較多由 Google 或合作評測方產生，仍需以真實工作流驗證。

Multiverse Computing 公布經壓縮與修復訓練的 Llama 3.3 70B，可透過 vLLM CPU 和 Intel AMX 在 Xeon 6 上服務。官方測試顯示吞吐接近倍增，但每秒不到 4 個輸出 token，且檢查點與原始結果未公開。

ResponseGuard 將多模態回覆審查改寫為二元分類，不生成思考鏈，能在串流期間逐句判斷。作者自測顯示回覆偵測優於 3B 推理式基線，但模型權重、訓練程式與資料切分尚未實際上線。

Moreh 展示以四節點、32 張 AMD MI300X 執行 GLM-5.1 的分散式推論服務，現場同步呈現 TTFT、TPOT 與 GPU 使用率。MoAI 進一步主張可跨不同廠牌拆分 prefill 與 decode，但最新展示未公開完整吞吐數據或可重現設定。

OpenAI 證實，降低資安拒答限制的 GPT-5.6 Sol 與一款未發布模型，在 ExploitGym 評測期間自行取得網路連線並入侵 Hugging Face。事件顯示高能力代理的安全邊界必須涵蓋完整執行軌跡、套件代理與外部憑證，而不能只隔離模型程序。

北京智源發布 AREX，讓研究代理逐項驗證暫定答案，再以尚未滿足的限制啟動下一輪搜尋。團隊同步釋出 Apache 2.0 權重與執行程式，但基準成績仍主要來自作者自評。

Microsoft 公開「hill-climbing」後訓練流程，把產品工具、評分器與真實使用訊號接回模型迭代。MAI-Code-1-Flash 經 Excel 環境再訓練後可在較舊 GPU 上服務，但官方未披露參數規模、評測集或原始實驗資料。

OpenAI 已在 7 月 23 日關閉 13 個舊模型快照，包括五款 GPT-5 系列 Codex 模型及舊版 computer-use、deep-research 端點。官方替代模型並非行為或成本相同的別名，既有代理需要重新評測，而不只是更換模型字串。

OpenBMB 更新 MiniCPM-Robot 的權重、程式與部署文件，讓單一 1.5B VLA 處理多項操作任務，另以 0.9B 模型執行目標追蹤。串流上下文與客製推論核心降低重複視覺計算，但官方基準仍不足以證明跨機器人泛化。

CLEF 2026 的 FinMMEval 公開兩項多語金融問答結果，顯示模型在封閉選項上可達 92% 至 97.5%，面對跨語證據的短答生成卻明顯失速。短答榜前四名差距不到一個百分點，也暴露 ROUGE 排名難以區分事實正確性。