科大訊飛發佈端雲一體訊飛星火X2.6,基於全國產算力訓練
科大訊飛發佈基於全國產算力訓練的端雲一體訊飛星火X2.6,並推出SparkAudio 1.0、具身多模交互技術、訊飛星帆WinWork數字員工平台及AIPC系列產品。
科大訊飛發佈基於全國產算力訓練的端雲一體訊飛星火X2.6,並推出SparkAudio 1.0、具身多模交互技術、訊飛星帆WinWork數字員工平台及AIPC系列產品。
OpenAI、PerturbAI 與 Scripps Research 用近 2,000 個 AI 智能體,在 32 分鐘內分析小鼠全腦 CRISPR 基因圖譜。
2027款坦克500正式上市,售價33.5萬至37.5萬元,新增丹霞紅車色,並對軟硬件及安全冗餘進行296項優化升級。新車搭載Coffee Pilot4輔助駕駛系統,結合VLA大模型與Thor-U芯片,提供全域輔助駕駛;相關權益最高價值76000元。
惠普於 10 月 23 日上架戰99 Ultra(ZHAN99 Ultra 16 G3a AI)流動工作站,標價 59999 元。它搭載鋭龍 AI Max+ PRO 495 處理器和 192GB LPDDR5X 統一記憶體,整機 AI 算力達 131TOPS,最多可分配 160GB 給 Radeon 8065S 核顯;記憶體採板載設計,無法自行升級。
鄧煜與陶哲軒在 SAIR 播客對談 AI 與數學,批評把解題當作基準測試,並反對未經充分驗證的「AI 攻佔數學」敍事。鄧煜指出,AI 可能令「已有證明」與「人類理解」分成兩條邊界;陶哲軒認為,缺乏人類可吸收洞見的證明不應納入正規學術文獻。兩人並不否定 AI 協助數學研究的潛力,主張工具應增強人類能力,並保留研究者對整體路線的掌握。
作者提出把 AI 工作流拆分為確定性規則、受限模型、生成式模型及人工覆核四層,避免由同一個通用模型包辦分類、選擇、生成和審批。OpenAI 的 Decisions API 本週已正式開放使用。評估這類架構時,應追蹤決策校準、端到端延遲、每個成功完成工作流的成本、升級處理率和後備率、效能漂移與可審計性。
Strata 發佈 0.2.3,加入上下文自動檢查與舊訊息分段總結,並在超出限制時提供「總結並繼續」選項。AMD Strix Halo 相比 0.2.2 回答速度提升 6%~19%;NVIDIA RTX 5070 12GB 上,Gyro-S 生成速度由 31 提升至 45 tokens/s,約提升 45%(對比基準為 0.2.1)。
Kimi 官方帳號發布 Kimi K3.1 預熱視頻,並有多項線索顯示模型接近發佈。該模型支援 medium 推理強度檔位及 1M tokens 上下文,分詞器兼容 K3;官方尚未公佈發佈時間、參數及定價。
LSTC、北海道大學、富士膠片、GE 醫療及 imec 承接日本 NEDO 項目委託,合作開發基於 2nm 工藝的醫療影像低功耗 AI 推理晶片。各方計劃先在 IBM 的 Spyre 加速器上進行開發優化,再遷移至實際晶片;目標是達到現有 GPU 5 倍以上的圖像處理速度及 10 倍以上的能效。
月之暗面官方帳號發布 24 秒 Kimi K3.1 預熱影片,畫面中的 Kimi Code 模型欄顯示「Model:Kimi K3.1」。SGLang 提交顯示 K3.1 新增 medium 思考強度檔位,但尚未獲官方確認;月之暗面亦未公佈正式發布日期、參數規模或定價。
連續批次處理讓 LLM 伺服器在每次生成迭代後重新調整批次,將已完成請求的空位分配給等待中的請求,以提升 GPU 使用效率和整體吞吐量。新請求須先經過處理提示詞的 prefill 階段,再進入逐 token 生成的 decode 階段;chunked prefill 可把長提示詞分成較小區塊,與持續進行的生成工作一同排程。
MiniMax 於10月23日開源 M3.1 Flash 權重,沐曦曦雲 C 系列 GPU 同日完成 Day 0 深度適配。模型總參數428B、激活參數23B,支援1M上下文窗口及圖像、影片輸入。MiniMax 官方披露,線上推理速度較前代提升近3倍,Agent 任務綜合 Token 使用成本下降70%;Day 0 適配依託沐曦自主 GPU 與 MXMACA 全棧軟件棧。
Microsoft 的 MAI Diagnostic Orchestrator(MAI-DxO)在《Science》刊載的研究中,以 GPT-5 執行逐步診斷,在 304 宗《新英格蘭醫學雜誌》複雜病例中準確率達 83.2%,高於全科醫生的 36.1%。
PyTorch 將 FlyDSL 高效能內核後端整合至 ROCm 生態,供 AMD Instinct MI350(gfx950)系列加速器使用,開發者無須改動業務程式碼即可透過現有 API 啟用優化內核。
科大訊飛在2026全球1024開發者節發佈基於全國產算力訓練的星火X2.6及端雲一體協同架構,並推出法律、教育和醫療領域應用產品。該架構按任務難度、端側能力和資料安全需求,在純端側、端雲協同與純雲側執行之間路由,準確率為96.1%;星火X2.6-4B的智能體任務覆蓋度為41.9%。超長上下文訓練效率提升約4倍,基於國產集羣的推理效率提升4.5倍。
研究發現,擴散語言模型採用以軌跡收縮為目標、結合信心度與隱藏狀態的學習式解遮罩策略,可改善速度與準確度的平衡。對最多 7.5M 參數的策略,NFE 減少約 10% 已足以抵銷額外開銷;在 LLaDA-8B-Instruct 上,856K 參數策略於 GSM8K 取得最佳準確度-NFE 前沿及最高吞吐量,並大致遷移至 Dream-7B-Instruct。
阿里雲百煉上的 qwen3.7-max、qwen3.7-plus 和 qwen3.7-flash 均有 1,000,000 上下文長度,最大輸入及輸出分別為 991,808 和 131,072;思考模式下最大輸入為 983,616,最大思維鏈長度為 262,144 tokens。
OpenAI 將於 2027 年 1 月 14 日停止 GPT-4o、GPT-4o mini、GPT-4.1 及 GPT-4.1 mini 的五個 API snapshots,文章提供遷移檢查清單。
MiniMax 宣佈開源 M3.1 Flash 模型權重,模型總參數為 428B,激活參數為 23B。相較上一代 M3,M3.1 Flash 模型能力全面提升,並透過全模型稀疏注意力、量化感知訓練及 Power-aware scheduling 等優化提升推理效率。模型於 10 月 19 日上線,72 小時內真實用戶處理超過 100 萬億 Token。
中國信通院等機構發布報告,指 2026 年國內大模型服務均價近乎翻倍,8 月平均 TPS 較 2025 年均值翻倍。國內歸一化均價由 2025 年下半年的 6.8 元升至 2026 年以來的 13.46 元,8 月平均 TPS 為 78.23 個/秒,低於國外典型模型的 112.82 個/秒。同一模型在不同平台的 TPS 差距最大接近一倍。
中國信通院等機構發布《大模型詞元服務性能監測報告(2026 年)》,稱國內大模型服務平均 TPS 較 2025 年翻倍,均價亦接近翻倍。8 月國內平均 TPS 為 78.23 個/秒,低於國外典型模型的 112.82 個/秒;今年以來國內歸一化均價為 13.46 元,較 2025 年下半年的 6.8 元接近翻倍。報告亦指出,同一開源模型在不同平台的 TPS 差距最大可接近一倍。
作者在 Intel i5-2520M、8 GB DDR3-1600 電腦上測得只讀頻寬約 9.0 GB/s,並指出 dense 模型每生成一個 token 都須讀取整組權重,因此速度受記憶體頻寬及每 token 讀取的權重數據量限制。
研究追溯推理模型中 {wait} 標記的來源,發現強化學習提升推理準確度並不需要這個標記;標記主要源自訓練資料,而非強化學習。基礎模型原本沒有 {wait} 時,零強化學習幾乎不會產生它,但加入強化學習後 MATH-500 準確度仍大幅提升。研究亦指出,單看標記頻率不足以判斷推理變化,自動評審的修訂指標可能與人工標註趨勢相反。
OpenAI 的 GPT-6 Astra 展示機械臂操作能力,令大語言模型與獨立具身大腦公司的競爭升温;現階段通用推理與專用操作的混合架構仍較可行。RoboDojo 十類複雜操作任務共 50 次測試中,Astra 單獨成功率為 26%,接入 π0.5 後升至 48%;Astra 只修正 14.4% 的執行控制步。
Fireworks AI 已在無伺服器及按需部署中提供 Meta 的 Muse Glimmer 30B,模型面向可跨多輪執行工具呼叫並從失敗中恢復的常駐智能體。
Fireworks 測試顯示,DeepSeek-V4.1-Flash 在 DeepSWE 的 Pass@1 為 74.34%,接近 GPT-6 Astra 的 74.12%,每項任務成本則為 $0.430,而 GPT-6 Astra 為 $6.524。
微軟公佈其研發的 AI 診斷系統 MAI-DxO;以 MIMIC-IV-ED 數據集評估美國急診常見病例時,系統的診斷準確率為人類醫生的 1.7 倍。在《新英格蘭醫學雜誌》(NEJM)複雜病例的模擬評估中,MAI-DxO 準確率達 83%,可查閲參考資料的基層全科及普通內科醫生則為 36%,專科醫生未納入對照。
英偉達計劃明年推出基於 Rubin Ultra 架構的 NVL576 機架系統,透過 CPO 與 NVLink 將 576 顆 GPU 連接為統一巨型 GPU。
vLLM 宣佈為 MiniMax-M3.1-Flash 提供 Day-0 支援,涵蓋 NVIDIA Blackwell、Rubin 及 AMD MI350 系列 GPU。
英偉達稱,全球多家電訊商正推進 AI-RAN 現網驗證與部署,T-Mobile US 已在商用網絡完成全球首次 AI-RAN 通話。通話在 T-Mobile US 位於華盛頓州貝爾維尤的商用網絡完成,使用英偉達 ARC 伺服器、諾基亞 anyRAN 軟件和 Massive MIMO 無線設備,並接入 5G SA 核心網。
MiniMax於10月23日正式開源M3.1 Flash模型權重,並表示模型上線72小時處理超過100萬億Token。MiniMax此前於10月19日晚發布該模型,稱線上推理速度提升近3倍、使用成本降低70%。公司表示,將與華為昇騰、平頭哥、昆侖芯、摩爾線程、NVIDIA、AMD等晶片廠商,以及推理和雲服務平台合作,推進開源首日接入。
MiniMax 宣佈開源 M3.1 Flash 模型權重,總參數為 428B,激活參數為 23B。相較上一代 M3,MiniMax 稱 M3.1 Flash 能力全面提升,並透過全模型稀疏注意力、量化感知訓練和 Power-aware scheduling 優化推理效率。
OpenAI 宣佈全面開放基於 GPT-6 Luna 的 Decisions API,協助應用程式與智能體根據文本、圖像及結構化輸入,針對限定答案問題作出準即時決策。
OpenAI 全面開放基於 GPT-6 Luna 的 Decisions API,面向限定答案類問題,支援文字、圖像及結構化輸入的準即時決策。相較 Responses API,其回應速度提升達 10 倍;輸入每百萬 token 收費 0.10 美元(快取命中 0.01 美元),輸出免費。
OpenAI 全面開放基於 GPT-6 Luna 構建的 Decisions API,協助應用程式和智能體根據文字、圖像及結構化輸入,對答案範圍明確的問題作出準即時決策。
PyTorch Conference North America 2026 於 10 月 20 至 21 日在 San Jose 舉行,吸引 3,500+ 名參加者,聚焦加速開放智能及 PyTorch Foundation 生態項目。
OpenAI CEO Sam Altman 認為,數學家起初面對 AI 進入數學研究時感到恐慌,之後逐步接受 AI 將改變其職業道路,並希望改變能帶來更好的結果。他對 AI 的影響持樂觀態度,不認為 AI 會造成就業大災難,但承認數學界經歷這一系列變化的速度前所未見。
香港中文大學(深圳)與安菲翁科技提出 DuplexAgent-RSI,讓語音智能體在執行後台任務時持續對話,並透過測試和驗證改進協作控制層。在 Nvidia-VoiceChat 配置下,Duplex-Harness-RSI 經十輪後將協作得分由 54.6% 提升至 85.3%;改進作用於 Harness,交互模型權重保持不變。
OpenAI CEO 奧爾特曼稱,數學家面對 AI 進入數學研究,起初感到「我們完蛋了」,其後逐步接受職業道路將改變。他認為,AI 正成為數學研究和證明工作中不可或缺的工具,數學界經歷這類變化的速度前所未見。本月,OpenAI 又宣稱解決了 700 多道數學問題,陶哲軒則感嘆有些東西正在失去。
OpenJev 的品質表將 Jev 欄標為「已發佈數值」,卻沒有説明其衡量內容或來源;演示亦比較直接讀取選項 logits 與生成 JSON 分佈的延遲。直接讀取只需一次 forward pass,生成 JSON 則須自回歸逐 token 輸出;其 softmax 只涵蓋展示選項,因此所得是條件概率,而非經校準的信心值。