DiffuSpace开源Clover-35B-A3B：MoE扩散模型提速至680 tokens/s
相关推荐
Hy4 preview优化「想太多」：复杂任务轮次和Token消耗双降
动察 Beating AI 快讯，腾讯混元和 WorkBuddy 给 Hy4 preview 做了一轮专项优化，已经在 WorkBuddy 全量上线。官方称，这次主要针对复杂任务里的长思考和过度自我验证，在不损失任务效果的前提下，显著减少任务轮次和输入、输出 token 消耗。 Hy4 preview 是腾讯 8 月底发布的开源旗舰 MoE，总参数 770B、激活参数 49B，支持 1M 上下文，重点面向代码、办公和科研等长任务。腾讯发布时就主动把「复杂任务长思考、过度自我验证」列为已知问题。
Inception发布扩散大模型Mercury 3，支持百万Token上下文
PANews 10月20日消息，据Inception官方公告，该公司发布扩散式大语言模型Mercury 3，支持100万Token上下文。官方称，其在英伟达GPU上的生成速度达每秒1068 Token，多项基准测试表现超过GPT-6 Luna和Claude Haiku 5.5。标准定价为每百万输入Token 0.20美元、输出Token 0.70美元，首发期间半价。模型已通过Inception API、OpenRouter、Baseten和Vercel开放，兼容OpenAI API。
最新全球AI大模型每周Token调用榜出炉：阶跃星辰Step 5 Preview跻身全球前三
火星财经消息,根据OpenRouter最新数据测算，上周（10月12日至18日）全球AI大模型总调用量为164万亿Token，环比下滑4.65%。其中，上榜的AI大模型中，中国AI大模型周调用量达79.18万亿Token，环比下滑8.72%；同期美国AI大模型周调用量为17.36万亿Token，环比下滑8.49%。中国大模型周调用量连续二十五周超过美国，稳居全球首位。记者注意到，上周，全球调用量排名前五均为中国AI大模型。其中，DeepSeek V4.1 Flash连续两周位居第一，周调用量达32.8万亿Token，环比下滑20%；智谱GLM 5.3 Flash排名第二，周调用量达12.2万亿Token；阶跃星辰Step 5 Preview升至第三，周调用量达11.5万亿Token，环比增长30%。 （每日经济新闻）
英国制裁Cryptomus、Heleket与TokenSpot，指其涉嫌协助俄罗斯规避金融封锁
BlockBeats 消息，10 月 8 日，英国公布新一轮对俄制裁，共 38 项指定，目标包括三家加密交易平台、两家支付平台、一名关联个人及一家莫斯科银行，理由是涉嫌协助俄罗斯规避金融制裁。其中 Cryptomus 与 Heleket 被列为同一实体 Xeltox Enterprises Ltd（另称 Certa Payments Ltd，注册于加拿大）的不同名称；TokenSpot CJSC 注册于吉尔吉斯斯坦。同批名单还包括吉尔吉斯斯坦支付平台 Tsunami Payments LLC。 链上分析公司 TRM Labs 称，TokenSpot 向已被制裁的交易平台 Grinex、Garantex 以及克里姆林宫支持的 A7 网络累计转出逾 9.5 亿美元。TRM 在 4 月评估 Cryptomus 与 Heleket 存在运营关联，并称 Heleket 很可能是 Cryptomus 为继续大规模处理资金而推出的平行服务；10 月 6 日又评估 TokenSpot 与 Grinex 共用钱包基础设施，属于同一套操作。TRM 4 月数据还显示，Cryptomus 与 Garantex 的链上往来中，收到逾 2.04 亿美元、转出 1.01 亿美元。
Coinbase联合微软打击AI钓鱼平台EvilTokens，超175个关联域名被停用
PANews 9月23日消息，据Coinbase官方披露，其与微软及多家机构合作，打击AI驱动的网络犯罪平台EvilTokens。该平台通过Telegram机器人提供“钓鱼即服务”，利用AI分析被攻陷邮箱中的信任关系和付款权限，并借助微软设备代码登录流程绕过多因素认证。 Coinbase全球情报团队追踪发现，2025年10月至2026年6月期间，EvilTokens通过4个Tron地址获得约110万美元收入，涉及来自700多个不同地址的逾1000笔存款。相关证据支持了微软的民事诉讼，最终促成50个网站被查封、超过175个关联域名被停用。
Qwen27B改成扩散Agent：速度拉到500+Token/s，厂商自测单项超Sol
动察 Beating AI 快讯，专攻超高速大模型的 Celeris 发布一款基于 Qwen3.8-27B 改出来的混合扩散 Agent 模型 Celeris-1 Magnus，官方称在不少场景能跑到 500+ Token/s。 在 τ³-Banking 的 97 个银行客服任务上，Magnus 开启 low reasoning 后完成率达到 41.2%，中位耗时 55 秒。同场的 GPT-5.6 Sol 是 38.1%、79 秒。 传统模型基本一个 Token 一个 Token 往后写，Magnus 能一次生成多个 Token，再反复修正。需要严格按顺序生成的内容再串行处理，因此一次计算可以往前推进更多 Token。