大语言模型

Hugging Face 上出现的 FairStress 提出一种更深层的 LLM 公平性评估思路，试图突破现有基准的浅层测量，检验模型在决策场景中的公平表现。

谷歌与 Meta 联合开源 TorchTPU，作为 Cloud TPU 的原生 PyTorch 后端，默认 eager 执行、经 torch.compile 与 XLA 编译，并将取代 PyTorch/XLA 承接新工作负载。

ALTK-Evolve 展示了一条不同于“堆模型能力”的路线：通过可学习的记忆机制，在客服类任务上超越依赖前沿模型的方案，登上 τ²-bench 榜首。

DeepSeek以Apache 2.0开源了支撑DeepSeek-V4.1-Flash线上推理的DeepInfer框架，同时适配NVIDIA SM100与华为昇腾950，但仅提供离线推理能力。

DeepSeek 将其推理引擎开源，意味着外界不仅能复现模型权重，还能审视其推理优化路径。对开发者而言，这是研究高效推理实现的一份可读样本。

Cloudflare 发布名为 Clairic 的模型，声称在文档数据抽取任务上比大语言模型更快、更便宜。这指向一个正在成形的共识：通用大模型并非所有任务的默认答案。

Exa 推出 3.0 版搜索 API，升级嵌入模型、新增低价档 Exa Lite 与 Dynamic Highlights，并在其自建的八项基准上领先 Perplexity、Brave 和 Parallel。

Cloudflare 在 Workers AI 上预览 Clairic，一个“System One”式抽取模型：单次前向传播即返回带置信度的类型化结果，按输入 token 计费、输出不收费。

OpenAI 披露 Terminal X 的 Eval Agent 以 54 项标准评分，在 GPT-6.1 Sol 加持下对基金委托要求的偏离识别率提升 25%，与资深投资人判断一致度达 88.6%。

Inception发布Mercury 3扩散语言模型，宣称推理速度达每秒1068个token、支持100万token上下文，并在自家对比表中于12项基准的8项领先GPT-6 Luna与Claude Haiku 5.5。

Nace AI 推出多模态决策模型 Drex Max，可同时读取文本与屏幕截图并输出校准后的概率，在 Decision Index 0.3.2 上得分 67.59，输入定价为每百万 token 0.06 美元。

AnyLanguageModel 迎来 1.0 版本，回顾一年来在苹果平台运行本地语言模型的实践，为端侧 AI 开发者提供一个值得关注的落地样本。