把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
Dharma AI发布约束感知GPU分配器，在七种基准场景中对比FIFO调度器，相同硬件与负载下GPU利用率提升最多33个百分点，优先级加权输出最多提升105%。该方法将实时推理视为需求曲线而非固定预留，按优先级跨整个调度 horizon 放置批量任务，并通过22维特征预测训练负载与周需求画像来支撑调度决策。
推荐理由：同一集群通过调整分配顺序而非更换硬件，实现了最高33个百分点的利用率提升，为企业GPU调度提供了可复用的约束感知方法。
Strands Robots 演示了用 Storage Bucket 记录 LeRobot 格式数据、通过字节级去重同步、从 Hub 流式读取训练、再以 mode='real' 部署到物理机器人的完整循环。示例使用 SO-100 机械臂和 mock policy，配套 notebook 在模拟环境即可运行。
推荐理由：原文给出一条从录制到训练再到部署的完整数据循环，读者可据此判断它会怎样改变现有机器人工作流。
Google DeepMind 发布 WeatherNext 模型，在气旋路径、强度和风场预测上平均比前代多出一天预报精度，相当于十年气象进展。该模型已在 Nature 发表论文，并在 2025 年飓风季帮助 NHC 对 Hurricane Melissa 做出历史性预报。
推荐理由：该模型在气旋路径、强度和风场预测上平均多出一天预报精度，相当于十年气象学进展，并已开源模型与代码供研究社区使用。
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
推荐理由：高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
Berkeley Sky Lab 与 IBM Research 将 K-Search 进化式内核搜索框架扩展至 MLX 后端，通过结构化 CUDA-to-MLX 翻译层在 Apple Silicon 上复现专家级性能。在注意力内核上达到原生 MLX 的 0.97 倍速度，Mamba SSM prefill 相比社区 mlx-lm 提升约 20 倍；代码与后端已开源。
推荐理由：结构化翻译层让 CUDA 经验可迁移到 Apple Silicon，读者可借此评估跨平台内核优化的可行边界。
Nunchaku Lite 现已原生集成到 Diffusers，用户可通过 from_pretrained() 直接加载 4-bit 量化扩散模型，无需单独推理引擎或本地 CUDA 编译。
推荐理由：Nunchaku Lite 现已原生接入 Diffusers，无需额外引擎即可通过 from_pretrained() 加载 4-bit 量化模型，在 RTX 5090 上 VRAM 从 24GB 降至约 12GB，推理加速约 30%。
Inkling 由 Thinking Machines 发布，是一个原生接收图像、文本和音频输入的大规模多模态开源模型，总参数约 1T、活跃参数 41B，支持 1M 上下文窗口。
推荐理由：Inkling 是原生接收图音文三模态的大规模开源模型，提供 BF16 与 NVFP4 双版本及 day-0 支持的推理引擎，读者可据此评估其在多模态推理基准中的相对位置。
Hugging Face 更新 vLLM 的 transformers 建模后端，在 Qwen3-4B、Qwen3-32B、Qwen3-235B-A22B-FP8 三种模型上达到或超越原生 vLLM 吞吐。模型作者只需添加 --model-impl transformers 标志即可自动获得优化推理，无需手写自定义实现。
推荐理由：transformers 后端现已达到原生 vLLM 实现同等吞吐，模型作者无需重写代码即可在 vLLM 中获得优化推理性能。
Berkeley EAIR 发表观点文章，探讨当推理成本接近零时数据系统面临的三重挑战：Data Systems For Agents（为智能体推测性查询重新设计，如共享扫描与近似答案）、Data Systems Of Agents（为多智能体集群提供结构化记忆与协调子层）、Data Systems By Agents（由智能体从零合成定制数据系统并验证正确性）。
推荐理由：原文从推理成本骤降切入，提出数据系统需为智能体重塑的三重挑战，为理解Agent与数据基础设施的共演化提供了一个可迁移的分析框架。
Hugging Face 与 SkyPilot 联合推出 store: hf 存储后端，用 hf:// URL 将 HF Bucket 或 Hub repo 挂载到 SkyPilot 任务，实现跨云 GPU 任务零 egress 读取。
推荐理由：Hugging Face Storage 成为 SkyPilot 官方存储后端，团队可在任意云上运行 GPU 任务并免费读取 Hub 数据，无需跨云拷贝或承担 egress 费用。
LeRobot v0.6.0 发布，引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新 VLA 模型（GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1）和奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Mistral 发布 OCR 4，支持 170 种语言的单容器自托管文档解析，返回边界框、区块分类与内联置信度。
推荐理由：独立标注者平均 72% 偏好 OCR 4，配合单容器自托管与结构化输出，为企业 RAG 和智能体工作流提供了兼顾数据主权与提取精度的 OCR 方案。
Google DeepMind 发布开源实验模型 DiffusionGemma，采用并行扩散架构替代逐 token 生成，在本地 GPU 上实现最高 4 倍推理加速。
推荐理由：DiffusionGemma 采用并行扩散架构替代传统逐 token 生成方式，在本地 GPU 上实现最高 4 倍推理加速，为交互式本地工作流提供了新的速度方案。
Google Research 发布零信任聚合协议，结合格密码学单次提交与可信执行环境证明，用于 Android SafetyCore 等隐私保护场景。新协议允许设备单条消息完成加密聚合，委员会机制辅助解密并注入差分隐私噪声，同时通过 TEE 证明确保协议按公开代码正确执行。
推荐理由：零信任架构将单次消息加密聚合与TEE证明结合，为大规模隐私分析提供了可验证的多层安全方案。
Google DeepMind 发布 Gemini for Science，包含 Google Labs 三款实验工具（Hypothesis Generation、Computational Discovery、Literature Insights）和桌面端 Science Skills。
推荐理由：原文给出三款实验工具与企业预览入口，读者可据此评估自身研究工作流是否适配。
Google DeepMind与Google Research开发的AI天气模型WeatherNext在2025年10月飓风Melissa登陆牙买加前5天预测其将达到5级强度，置信度80%，3天前升至近100%。
推荐理由：WeatherNext在飓风Melissa登陆前5天以80%置信度预测出5级强度，为防灾争取了关键准备时间。
Mistral AI 发布 Spaces CLI，为人类开发者和 AI 智能体提供统一命令行接口。文章提出交互输入应有 flag 等价、状态显式化、插件可自省等原则，并指出生成 context.json 和 AGENTS.md 可显著减少智能体错误。从单提示到部署上线仅需不到 10 分钟。
推荐理由：原文系统阐述了让 CLI 同时服务人类与 AI 智能体的设计原则，涵盖 flag 等价、显式状态、插件化等模式，读者可据此构建更可组合、可脚本化的开发者工具。
Google Research 发布 Vibe Coding XR 工作流，将 Gemini 与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合，把自然语言提示转为具备物理感知的可运行 Android XR 应用，整个过程不到 60 秒。
推荐理由：原文给出了从自然语言到可运行 Android XR 应用的端到端流程与实测基线，读者可据此判断自身原型开发是否值得接入。
Google Research 提出 TurboQuant 压缩算法，在零精度损失下将 KV cache 压缩至 3 bits，并在 H100 上实现 8x 注意力计算加速。配合 QJL 与 PolarQuant 方法，在 LongBench 等长上下文基准上保持模型性能，同时显著降低内存与检索开销。
推荐理由：原文给出 TurboQuant 在 KV cache 和向量搜索上的压缩比与速度提升数据，读者可据此评估其工程落地价值。