长文
深度|gpu-unlock:GeForce 张量核心“半速”之说与作者给出的数据
深度|微软 Mage-VL-Cowork:4B 模型在图形界面与命令行之间自行切换
深度|VOLTA-AUTODOXER:窃密木马把大模型当作“情报分析员”
深度|Cursor 扩展市场的恶意 Claude Code 扩展:时间线、行为与处置
深度|NVIDIA 同日三篇:NemoClaw 蓝图、TensorRT Edge-LLM、Dynamo + AICR
深读|Mistral Large 4(Le Chonk):1T 开放权重模型的成本与许可
深读|只看“终态”会高估 Agent:10-29 榜上的四个以用户为中心的评测
深读|Gemini 4 Carbon:以网络安全为主线的受控发布
深读|GitHub Universe 2026:从“选模型”到“管预算”
深读|从“任务成功”到“过程可靠”:10-27 一批 Agent 评测论文
深读|Liquid AI LFM3:一个 1.7B 基座衍生出六款端侧模型
深度稿|Anthropic S-1:收入、成本与 807 亿美元账面亏损的构成
深度稿|三个具身与视觉权重:LBS-27B、RynnUnify、RoboJudge-9B 的交付状态
深度稿|GPT-6.1 Terra:价格结构与已公开指标
深度稿|Generalized CycleGRPO:用“描述—再定位”做可验证奖励
深度稿|UserArena:用真实购物轨迹评估“用户模拟器”
深度稿|Kimi K3.1 Pro:厂商数据、第三方评测与价格拆解
深度稿|三个研究原型:Mundo、A5、LitPivot 的能力边界
深度稿|OpenClaw 双线发布:2026.10.7 主线与 2026.9.34 长期维护线
深度稿|Agent 记忆该做多复杂:朴素 RAG 对照与参数化记忆 DFM
深度稿|OpenAI 公开训练环境“围栏”:一次 DNS 外联、11 天停训与上千亿 token 红队
深度稿|Hugging Face Carbon-X:一个能“对话 DNA”的开放模型
深度稿|OpenAI Decisions API 正式可用:计费方式、能力边界与公测以来的变化
深度稿|Anthropic 同日两项发布:Claude Duet 与持续扫描版 Claude Security
深度稿|OpenAI 模型进入 Google Cloud:开放范围、交易方式与未公布事项
深度稿|DeepSeek DeepInfer:开源了什么,没开源什么
深度稿|Google 在 PyTorch Conference 的 TPU 软件栈:TorchTPU、llm-d 1.0 与 TPU Agent Suite
深度|OpenAI MultiLangBench 与 COBOL 迁移评测:测什么、结果如何、哪些是自测
深度|OpenCode Console 入侵事件:已知事实、各方处置与未披露部分
深度|BizBench 与 Into the Unknown:两项 Agent 评测关注“过程是否合规、结果是否可信”
深度|Anthropic Public Benefit Fund:股份承诺的结构、条件与未公布部分
深度|DeepSeek-V4.1-Flash-1017:小版本更新的跑分、许可与配套搜索 API
深度|OpenCode 免费层报错事件:时间线、社区排查与官方回应情况
深度稿|Elorian Glimpse:“回看证据”的视觉思考模型
深度稿|Reflection Beam 1.0:501B 开放权重模型与“免费 ID / 标准 ID”的区别
深度稿|Agent 自改进的四种路径:改 Harness、改轨迹、改数据、改训练方法
深度稿|MAI-Base-2:微软 2.8T 参数基座的预训练做法
深度|Grok Voice 3.0:厂商公告与 Artificial Analysis 独立评测的对照
深度|GitHub HydraFusion 更新与 Max 档:多模型编排的工作方式与计费
深度|“System One”决策模型:Jeva、VideoJev 与 DecisionRobust
深度|AgentSWE:编码 Agent 能否造出“真正想要的 Agent”?演示与交付之间的落差
深度|Gemini 4 Argon 全面开放:价格结构、厂商案例与前沿安全评估
深度|Liquid AI LFM2.5-24B-A2B:2B 激活参数的端侧 Agent 模型,强项与短板
深度|Muse Wonder:Meta 的闭源前沿模型、定价方式与评测口径
展开阅读 Muse Wonder 的闭源模型定位、API 与订阅定价及评测来源,保留 Harness 差异、安全评估口径和付费报道的访问限制。
深度|ReplaySSM:把混合模型的 SSM 状态拆成“检查点 + 输入缓冲”
展开阅读 ReplaySSM 的检查点与输入缓冲、推测解码和分离精度,完整保留 batch、硬件、基线、单请求局限及集成状态的限定。
深度|Stateless Language Agents:长周期研究里,状态该由谁持有
展开阅读 Stateless Language Agents 的研究状态与角色上下文设计,保留 VLIW SIMD 任务、Token 预算、运行次数和代码未发布等条件。
深度|Decision 3.0:把“判断”从生成模型中拆出来
展开阅读 Decision 3.0 的概率接口、模型家族与多模态规格,保留延迟测试条件、小模型局限、部署要求及许可信息。
深度|AesCode:让代码模型“看懂”版式,而不照抄生成图
展开阅读 AesCode 的参考图、设计图谱、七通道奖励与 HTML 验证,保留评测条件、训练数据和代码及权重许可说明。
深度|MASS:让同一个模型当执行者、教练和裁判,能走多远?
展开阅读 MASS 的内外循环、工作流信息契约、轨迹训练与外部评测,保留自我评审盲点、负迁移及开放程度的边界。
llama.cpp b11552:一个 5 行补丁背后的 Slot 与 Prompt Cache 并发问题
北京时间 10 月 11 日 03:52,llama.cpp 发布构建 b11552,合并了一个只有 5 行的服务端修复。它修补的是 llama-server 中一条被忽略的路径:请求用 id_slot 指定了一个正在生成的 Slot,服务器在让新请求排队之前,先用 RAM 中的 Prompt Cache 改写了这个 Slot 的 KV 状态,导致原本正在进行的生成“换了一份上下文”继续往下写。
Microsoft MXC 1.0:给 Agent 画边界的跨平台沙盒
10 月 7 日,微软宣布 Microsoft Execution Containers(MXC)正式可用(GA),同日 SDK 发布首个稳定版 v1.0.0(北京时间 10 月 7 日 13:54)。
RoboHarness:用 Coding Agent 操作机器人,成绩该怎么读
RoboHarness 的标题是一个很强的论断:“A Simple Harness Outperforms VLA and World Action Models”,即一个简单的 Harness 胜过视觉-语言-动作模型(VLA)和世界动作模型。它的思路是不训练机器人专用模型,而是给通用 LLM Coding Agent(Claude Code 或 Codex)一块“视觉-几何控制面板”,让 Agent 像写代码调 API 一样操作仿真机器人。