韩国启动全民免费AI计划：512块B200兜底，落选国家队的「韩模第一」Motif 3照样进场
相关推荐
DFlash团队进军Mac，27B模型跑到144Token/s
动察 Beating AI 快讯，Inco AI 开源本地推理引擎 Splash，把 Qwen3.8-27B 在 M5 Max MacBook Pro 上跑到了最高 144 Token/s。LM Studio 随即接入，0.4.25 版本已经可以直接使用。 Inco 此前做出的 DFlash 已经进入 SGLang、vLLM、TensorRT-LLM 和 llama.cpp。Meta、NVIDIA、小米、Poolside 等也给自家模型配了 DFlash 加速小模型。DFlash 会先让小模型并行猜出多个 Token，再交给大模型批量验证，减少逐 Token 生成的计算。 Splash 把这种优化扩到了整个本地推理引擎。它目前只支持 Qwen3.8-27B 和 Qwen3.6-35B-A3B，每个模型都单独配了 GPU kernel、内存方案和 DFlash 2 小模型。覆盖的模型少，但换来了更激进的性能优化。 144 Token/s 是 M5 Max 上的最高演示值。换到 Inco 用来做横向测试的 48GB M5 Pro，Qwen3.8-27B 单路短上下文达到 74 Token/s；4 路并发时总吞吐达到 170 Token/s，是第二名的 3.9 倍。这也是 Splash 更适合 Agent 场景的地方。一个 Agent 同时拉起多个子任务时，并发总吞吐往往比单条对话速度更重要。 Splash 本身开源，不绑定 LM Studio。目前需要 M3 或更新的 Mac、macOS 26.4 以上、至少 36GB 统一内存。
Artificial Analysis重做智能榜：40%权重改用私有测试
动察 Beating AI 快讯，Artificial Analysis 更新 Intelligence Index v4.2，旨在让榜单更难被针对性刷分。私有测试权重从 20% 提高到 40%，模型厂商无法提前看到完整测试集，减少针对 Benchmark 专门优化的空间。 新版加入 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模拟持续数周的真实知识工作项目，模型要处理大量关联任务和数千份文件。GDP.pdf 则拿 100 份、共 4592 页的专业 PDF 出题，要求模型跨文本、表格、图表和脚注找证据再回答。 GPQA Diamond 则被直接移出综合指数。这个研究生级科学问答测试已经接近饱和，GPT-6 Astra 最高达到 96.3%，Gemini 3.8 Flash 也达到 95.3%，已经很难区分最强模型。 重新计算后，Claude Fable 5.1 仍排第一，GPT-6 Astra 第二。Astra 得分 55，比 GPT-5.6 Sol 高 4 分。Artificial Analysis 还称，Astra 在同级前沿模型中用了更少的输出 Token。
OpenAI最会省Token：GPT-5.6 Sol用一半Token逼近Fable 5
据动察 Beating 监测，Artificial Analysis 公布最新 Token 效率对比。本月已有 5 家以上实验室密集发新模型，OpenAI 仍占据大部分帕累托前沿。 所谓帕累托前沿，就是同等智能下，没有别的模型能用更少 Token。GPT-5.6 Sol max 得 59 分，每项任务平均消耗约 1.5 万输出 Token。Claude Fable 5 得 60 分，消耗约 3.3 万 Token。 GPT-5.6 Sol 的输出单价为每百万 Token 30 美元，并不便宜。但在这套测试中，每项任务成本仍只有 1.04 美元，约为 Fable 5 的三分之一。OpenAI 自家的 Terra 和 Luna 没有进入这条效率前沿。
Meta给Muse上裂变拉新：邀1人送10亿Token，最多拿200亿
动察 Beating AI 快讯，Meta 的个人 AI Agent Muse 上线邀请码。Alexandr Wang 宣布，朋友注册时使用你的邀请码，双方各得 10 亿 Muse Token，最多可以邀请 20 人。拉满后，邀请者还能提前体验电话等新功能。 这个奖励相当大。Muse 免费版目前每周提供 1 亿 Token，成功邀请 1 人拿到的奖励，数量上等于 10 周免费额度；拉满 20 人就是 200 亿 Token，相当于 200 周的基础免费额度。 Muse 上周刚在美国上线，可以自己浏览网页、连接 App，并代用户发邮件、购物和订行程。上线后一直稳居美国 App Store 总榜前几名。Meta 现在直接用大额 Token 奖励，把首批用户变成拉新渠道。
循环Transformer新架构：RLT让Token之间「接着算」
动察 Beating AI 快讯，普林斯顿博士生 Yifan Zhang 提出 Recurrent Looped Transformer（RLT），给 Transformer 加了一条会一直往后传的内部状态。 普通 Transformer 生成下一个 Token 时，主要通过 Attention 和 KV 缓存读取前文。RLT 除了看前文，还会把上一个 Token 算完留下的内部状态，直接交给下一个 Token 继续用。 可以把它理解成给模型加了一根「思维接力棒」。第一个 Token 算完，把当前状态传给第二个；第二个更新后再传给第三个。每个 Token 自己跑的网络层数没有变，但这根状态链会随着文本越来越长。论文把它称为「无限时间深度」，指的就是这条计算链没有固定长度上限。 它和最近讨论较多的 Ouro、Astra 类循环架构也不太一样。那类方法主要让同一个 Token 在同一套网络里多跑几轮；RLT 则让不同 Token 之间持续传递内部状态。前者像一道题交卷前多检查几遍，后者更像上一棒跑完，把手里的进度直接交给下一棒。
英伟达给Pi加外挂：Agent自己研究找出4种优化，Token最高省64%
动察 Beating AI 快讯，英伟达 NVLabs 开源 SoL-Pi，给 Coding Agent Harness「Pi」加了一层效率优化。研究团队搭了一套自动研究流程，让多个 Agent 分析 Pi 的运行轨迹、提出优化方案、改代码并自动验证。最初有 152 个候选方向，最后只留下 4 个。 这 4 个优化都在减少重复开销。比如改完代码后直接接着跑测试，少一次模型调用；读过的大文件和长输出先存到本地，需要时再取；子任务结束后判断要不要压缩上下文；超长日志先交给便宜模型筛重点，再核对内容确实来自原日志。 在 EdgeBench 上，SoL-Pi 相比原版 Pi 少用 45%–49% Token，成本低约三分之一；相比 Codex、Claude Code 的原生 Harness，Token 少 35%–64%，按 API 标价计算成本低 50%–54%。 不过省钱会损失一点能力，SoL-Pi 保留了 Pi 约 94% 的平均得分；在 Terminal-Bench 4 的 63 个 CPU 任务里，它解出 15 个，Codex 和 Pi 都是 18 个。