NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 中首次提交预览结果，在 Qwen3-VL 上的吞吐量最高达到 GB300 NVL72 的 3.7x，在 DeepSeek-R1 上最高达到 2.5x。
推荐理由：文章将 Vera Rubin NVL72 的模型吞吐、GB300 NVL72 的跨机架扩展效率与软件优化增益放在同一组 MLPerf 结果中，便于比较推理基础设施的长期经济性。
Emerald AI、Google 与 NVIDIA 宣布成立 AI Energy Management Alliance（AEMA），推动能够根据电网状况动态调整用电的数据中心。联盟将围绕响应速度、持续时间、可预测性和应急行为制定技术要求、性能指标与数据共享规范，并探索更快的 AI 基础设施并网路径。
推荐理由：联盟把 AI 数据中心的电力灵活性转化为可衡量的接入要求，为开发者与电网运营方协作提供共同框架。
曼彻斯特大学与 NVIDIA Earth-2 团队利用 Earth-2 CorrDiff 和 StormCast，训练可预测英国空气污染的生成式模型。模型基于一年、按小时模拟的英国污染数据，可达 2-3 square kilometers 分辨率，并在 Isambard-AI 的单个八 GPU 节点上用两天完成训练。
NVIDIA介绍 DSX AI 工厂平台，通过动态功耗分配、工作负载调度和电网响应，在固定电力预算下提高 token 吞吐。Lambda 在 HGX B200 五机架、19 节点集群上实现了 24% 的集群 token 吞吐提升和 23% 的每瓦性能提升。
推荐理由：文章将 DSX 的功耗调度、需求响应和 800V DC 架构放在同一套 AI 工厂框架中，并给出 Lambda 的吞吐与性能功耗数据。
OpenAI 将 Habitat 从 Python 库演进为全球分布式存储平台，服务 1 billion ChatGPT 用户并承载 22M requests per second。Habitat 由单一库扩展为支撑 ChatGPT 在线存储服务的平台。
Cloudera 与 Mistral 宣布合作，将专用主权 AI 引入企业数据，让客户掌控数据、模型及运行环境。Mistral 模型将集成至 Cloudera 混合数据平台，支持私有云、公有云、本地及完全隔离环境中的部署与推理。企业可在受控环境内利用专有数据训练定制模型，保有数据与生成智能的所有权。
Hugging Face 展示了在 Hugging Face Jobs 上运行 Async GRPO 的方案，用 LoRA adapter、Storage Bucket 和代理连接分离的训练 Job 与 vLLM Job，无需 NCCL 传输完整模型权重。
推荐理由：文章把跨机器训练与推理的实现拆成可复用组件，并用指标定位瓶颈，给出从 3 h 27 min 降至 53 min 的调优路径。
Mistral AI 协助一家欧洲能源运营商将40,000行 Fortran 77 迁移到 C++，目标系统是没有测试套件和集中式文档的物理密集型储层模拟器。团队先建立数值对齐测试框架并整理代码文档，再按模块组织规划、实现、测试和审查流程，由人工审核 PR；首个 sprint 覆盖了300,000行代码中的40,000行。
推荐理由：文章把复杂遗留代码迁移拆成文档整理、数值对齐和分模块协作三步，呈现了 AI 智能体在人工审核下落地的具体路径。
Google推出 Fairwind Program，向政府、Google Cloud 客户和可信网络安全伙伴限量开放网络防御能力。该计划将 Gemini 3.8 Flash Cyber 与 CodeMender 结合，用于自主发现、验证和修复漏洞，并在安全云环境中生成可部署补丁。计划已有超过 650 家合作伙伴参与，接入组织须限制使用人员并部署多因素认证等保护措施。
推荐理由：原文说明了 Fairwind Program 的服务对象、核心工具与接入限制，便于理解其面向政府和企业的部署方式。
Hugging Face 发布 JavaScript 库 @huggingface/kernels 和浏览器 GPU 基准测试套件 Fleet，并在 Hugging Face Hub 提供首批 207 个 WebGPU kernels。
推荐理由：文章同时给出 207 个 kernel 的版本化组织方式、Fleet 众测机制和 ORT WebGPU 对比数据，便于理解浏览器推理性能优化的落地路径。
Multiverse Computing 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 压缩为 60B 参数并量化至 MXFP4，在 9 项基准中的 7 项超过同架构 BF16 检查点。
Mistral 与 HUMAIN 宣布战略合作，覆盖沙特及中东地区的 AI 基础设施、先进模型开发和 AI 解决方案部署。双方将探索利用 HUMAIN 的数据中心基础设施，并重点推进网络安全、语音及阿拉伯语 frontier models。此次合作金额为 hundreds of millions of Euros，双方还计划面向沙特受监管行业制定联合市场策略。
Import AI 470 聚焦不给机器赋予权利、SPADE 自动生成训练环境，以及 Hawkeye 改进 GPU 内核。SPADE 通过自博弈协同优化环境生成与智能体能力，在 30B-A3B 规模下，游戏环境评测均分达 58.3，比基础模型高 8.1，比最强固定环境基线高 5.3。
Hugging Face 介绍了 Papers with Code 的混合搜索架构，将 PostgreSQL 全文搜索与 pgvector 语义检索结合，并用 RRF 融合结果。
推荐理由：文章拆解了 Papers with Code 将批量向量化与在线查询分离的架构，并展示冷启动回退、版本校验和原子切换如何支撑可复现部署。
Liquid AI 发布 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型，通过 speculative decoding 提升推理吞吐。
推荐理由：文章同时给出 H100 与 M4 Max 的吞吐对比、function-calling 延迟变化及 llama.cpp 和 SGLang 接入方式，便于评估 DSpark 在云端与端侧部署中的收益。
Microsoft Research 发布 Skala 1.1，训练数据量达到上一版本的 2.5x，并在热化学、反应动力学和分子结构预测等任务中提升准确性。在 GMTKN55 的 55 个类别中，Skala 1.1 有 32 个类别获得最高排名，当前已集成到 CP2K，并正在接入 Psi4、FHI-aims、ORCA 和 VASP。
推荐理由：文章将 Skala 1.1 的精度提升、2.5x 数据扩展与 CP2K 等软件集成放在一起，呈现其从模型改进走向科研工作流应用的路径。
Mistral AI 发布 Agentic Search，通过多步检索循环让 AI 系统搜索、打开、导航、读取并验证复杂文档中的信息。FinanceBench 上准确率从 26.7% 提升至 86%，OfficeQA Pro 上从 6.3% 提升至 51.9%，p90 延迟最高降低 39.6%，token 消耗最高减少三分之一。
推荐理由：文章通过 FinanceBench 与 OfficeQA Pro 的对比，具体展示 Agentic Search 如何在复杂文档检索中兼顾准确率、延迟与 token 消耗。
Dharma AI 构建约束感知 GPU 分配器，并在七个基准场景中与 FIFO 调度器比较；相同硬件和工作负载下，GPU 利用率最高提升33个百分点，优先级加权产出最高提升105.1%。分配器按实时需求曲线和批处理作业优先级规划整个调度周期，在64 GPUs、30 jobs的规模测试中以15 ms延迟带来15.9%的价值提升。
推荐理由：文章用七个场景比较约束感知 GPU 分配器与 FIFO 调度器，展示同等硬件和工作负载下，调度顺序如何影响利用率与优先级加权产出。
Mistral推出一般可用的 Regional Endpoints，支持客户选择在欧洲或美国运行推理，并在公开预览中提供带 uptime SLA 和自定义速率限制的 Priority Tier。平台还将接入第三方开放模型，首个为 Z.ai 的 GLM-5.2；同时，Mistral在欧洲组建长期算力联盟，通过 European Compute Units 提供多年基础设施访问。
推荐理由：文章把区域合规、服务可靠性和模型选择放在同一平台框架中，具体呈现了企业获得统一基础设施的路径。
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，模型规模为 364M parameters，支持 12 种语言，并新增 Modern Standard Arabic、Korean 和 Brazilian Portuguese。
推荐理由：文章将开放权重、12 种语言支持、NIM 部署和延迟数据放在同一框架中，便于评估多语言语音智能体的落地路径。
Multiverse Computing 的论文提出离线缓存教师模型的 top-100 logits，并使用 fused chunked KL loss 降低大语言模型知识蒸馏的显存占用。
推荐理由：文章将离线 top-100 logits 缓存与 fused chunked KL loss 结合，展示其如何降低长上下文蒸馏的显存和训练成本。
Baseten 已成为 Hugging Face Hub 支持的 Inference Provider，可直接在模型页面及 Python、JavaScript SDK 中调用其托管模型。
Mistral AI 发布 Shieldstral，一款以 Apache 2.0 开放权重的 3B 多模态安全分类器，可在推理时接受自然语言审核规则，无需重新训练。
推荐理由：将审核规则放在推理时输入的自然语言问题中，使同一模型可适应不同产品的安全边界，而不必为每套规则重新训练。
企业 AI 的下一项关键约束正从模型智能转向 GPU 利用率，闲置硬件持续产生成本却不带来计算产出。GPU 按日历小时承担融资、折旧、电力和冷却成本，产出则只在计算小时产生。企业自建 GPU 可把随 token 线性增长的 API 费用换成固定资本支出，但按峰值配置的集群仍可能因需求波动浪费容量。
IBM Research 将 K-Search 扩展为支持 MLX 的后端，并通过结构化 CUDA-to-MLX 翻译层，把 CUDA 内核优化经验迁移到 Apple Silicon。
推荐理由：文章展示了如何把 CUDA 内核中的优化经验结构化迁移到 MLX，并以 Attention 和 Mamba SSM 实测说明翻译层对 Apple Silicon 性能的影响。
Hugging Face 已在 Diffusers 中原生支持 Nunchaku Lite，Nunchaku checkpoint 可通过 from_pretrained() 加载，无需本地 CUDA 编译。
推荐理由：文章给出原生加载、量化工具链和硬件支持范围，并用基准数据呈现 Nunchaku Lite 的显存与速度变化。
作者将 Agent 中的模型路由从分类问题转为同时优化成本、质量和延迟的系统优化问题。在 AppWorld Test Challenge 的 417 个任务中，使用同一 CodeAct agent 时，Claude Sonnet 4.6 总成本为 $79，而 GPT-4.1 为 $155，缓存读取价格差异是重要原因之一。
推荐理由：文章用实测数据说明模型路由的真实成本受缓存、基础设施和治理约束共同影响，适合用于理解智能体路由的系统优化视角。
Hugging Face Blog 通过 profiler 分析 PyTorch 中的朴素 Attention、原地掩码操作和 SDPA 各后端，展示不同实现的 kernel 与 CPU、GPU 开销。
推荐理由：文章通过逐层对比 profiler trace，解释 Attention 的 kernel、显存流量与 CPU 开销如何变化，为定位 GPU 性能瓶颈提供可复用的阅读方法。
Hugging Face 宣布 transformers 建模后端在 vLLM 中已能为多种 LLM 架构达到或超过自定义 vLLM 实现的吞吐速度。该后端在 Qwen3-4B、Qwen3-32B 和 Qwen3-235B-A22B-FP8 三种部署配置中均达到或超过原生实现速度，并可通过 `--model-impl transformers` 启用。
推荐理由：文章通过 Qwen3 的 4B、32B 和 235B FP8 MoE 对比，说明该后端如何减少模型接入 vLLM 时的重复优化工作。
Microsoft Foundry 现已预览 Hugging Face Collection，提供每周刷新的开放权重模型目录，并支持一键部署到 Foundry Managed Compute。
推荐理由：文章具体说明了模型筛选、运行时构建、权重托管和自动补丁流程，便于理解开放模型进入企业部署时新增的运维层。
Berkeley AI Research 的一篇观点文章指出，GPT-4-class 能力的推理成本已从 2023 年初约 $30 per million tokens 降至如今低于 $1，数据系统将围绕智能体重构。
Hugging Face 发布 LeRobot v0.6.0，新增世界模型策略、奖励模型、六个仿真基准和 lerobot-rollout 部署 CLI。数据集支持深度、VLM 自动语言标注和自定义视频编码，数据加载最高提速约 2x；训练新增 FSDP 与 HF Jobs 云训练。
推荐理由：LeRobot v0.6.0 将世界模型策略、奖励模型、统一评测和部署采集串成闭环，并补充数据处理与云训练能力，便于理解机器人学习工作流的变化。
Hugging Face Storage 为 SkyPilot 新增 store: hf 后端，支持用 hf:// URL 将 Bucket 或 Hub 仓库挂载到任务中。
推荐理由：这项集成把模型和数据存储与 GPU 调度解耦，展示了跨云读取不收取 egress 费用及 Xet 增量去重的实际用法。
Jack Clark 在 Import AI 464 中梳理了 Fable 编写 GPU kernel、AI 自动化远程劳动和 OSWORLD 2.0 等进展。
Hugging Face 对 Kernels 项目进行了大幅重构，新增 Hub 的 kernel 仓库类型，并默认限制为可信发布者加载 kernel。项目加入代码签名支持，重构 kernels 与 kernel-builder CLI，还扩展了 Torch Stable ABI 和 Apache TVM FFI 支持。
推荐理由：文章集中说明 Kernels 在安全机制、框架兼容和智能体开发流程上的改动，便于开发者判断其对自定义 kernel 构建与分发的实际帮助。
ScarfBench 是一个用于评估 AI 智能体执行企业 Java 跨框架迁移的开放基准，覆盖 Spring、Jakarta EE 和 Quarkus。基准包含 34 个应用、204 个迁移任务和约 151K 行代码，要求应用完成构建、部署并通过行为验证；当前最强智能体的行为成功率仍低于 10%。
推荐理由：ScarfBench把企业 Java 框架迁移拆成构建、部署和行为验证，揭示编码智能体在可编译代码之外仍受配置与运行环境依赖影响。
Import AI 463 汇总了 NVIDIA 的 ENPIRE 机器人策略自我改进框架与 Tencent 的 ARGUS 大规模训练追踪系统。ENPIRE通过环境重置、策略改进、机器人执行和演化四个模块开展闭环实验，报道中称其在部分现实灵巧操作任务上达到99%成功率；ARGUS已部署在超过10,000 GPUs的生产集群上运行六个月以上。
Google Research 在 CIDR 2025 论文中提出线性弹性缓存，将页面淘汰建模为 ski rental 问题，并根据实时负载动态调整缓存大小。在 Spanner 生产服务器的测试中，内存使用减少 15.5%，缓存未命中增加 5.5%，TCO 降低约 5%，实际 I/O 成本仅增加 0.5%。该方法使用轻量级决策树预测页面 TTL，缓存物理空间不足时仍由 LRU 管理。
Mistral AI 为 Connectors 新增工作区与组织级管理、带权限范围的 API keys、多账户连接器和 Connectors Debugger。Connectors in Vibe Code 已 GA，Connectors in Workflows 处于 Public Preview；目录现有超过 60 个集成，并支持自定义 MCP 连接器。
推荐理由：这次更新集中说明了企业智能体接入外部系统所需的授权边界、自动化身份和故障定位能力，并列出各项功能的可用状态。
Mistral AI 发布 Mistral OCR 4，支持 170 languages，并可返回 bounding boxes、区块类型和逐词 confidence scores。
推荐理由：文章同时呈现了 Mistral OCR 4 的结构化解析能力、部署方式与成本，便于比较其在企业文档流程中的适用场景。