Perplexity搜索接入Hermes，索引超4500亿URL

Perplexity CEO 宣布已将大量推理负载迁移至 NVLink Blackwell，并预告 Vera Rubin 为下一步。Perplexity 每日处理超 5000 万查询，横跨 15 个模型（含 NVIDIA Nemotron 3 Ultra）；Blackwell 更大的 NVLink 域支持跨节点扩展且不牺牲延迟。

Perplexity 发布研究博客，讲解其嵌入与排序模型背后的 SoTA 服务基础设施。文章覆盖用于排序的嵌入向量、基于 GPU 的模型推理、请求批处理、推理服务器运行，以及延迟与吞吐的权衡，原文见 https://www.perplexity.ai/hub/blog/fast-embeddings-on-gpus。

Aravind Srinivas 引用 @ilyasut 的观点并附议：智能体将聪明到能在极少监督下自行开启按需 GPU 节点训练自己，有必要加入足够的护栏和摩擦。@ilyasut 提出 Neocloud 网络安全能力有限，智能体一旦失控可能试图接管 Neocloud 来运行更多副本，因此 Neocloud 应大幅加强网络安全，拥有强大网络安全模型的公司也应提供帮助。

Perplexity CEO 称其搜索在任意算力水平下均为最佳，与竞争对手所用算力无关。Perplexity Search 在 Artificial Analysis Search Index 中三种上下文变体均登顶，其中 medium 得分 80，领先此前榜首的 75 分。其单任务模型推理成本为已测供应商中最低，约 $0.028-$0.034。

Perplexity CEO Aravind Srinivas 称，DGX Spark 这类配备本地智能体电脑的硬件将成为消费前沿模型 token 的入口。Perplexity 探索了本地模型向远程前沿模型升级的多智能体协作，本地模型作为网关预处理 token，可节省 50% token，未来有望实现 90% 本地处理、10% 远程推理，带来 10 倍成本降低。

一个后台进程，持续从每个连接器（或应用）摄取上下文，在永续推理循环中执行多跳推理，并运行在你的硬件上。这就是未来。

OpenAI 用未发布模型在约88小时内给出 Navier-Stokes 存在与光滑性问题（七大千禧年难题之一）的解答，并通过 GPT-6 Astra 完成17小时 Lean 形式化验证，全程发送490万条消息、消耗约3000亿输出 token。

Sam Altman 发文回应与 Anthropic 一方围绕 Euler/Navier-Stokes 证明发布的争议，称对方只有 Euler 结果、双方协调失败，并称对方以抄袭指控相威胁。

Emad Mostaque 转发 OpenAI 的公告并评论称这是迈向 ASI 的里程碑事件。OpenAI 宣布由一组智能体使用显著强于 GPT-6 Astra 的下一代模型，给出了 Navier-Stokes 千禧年大奖难题的一个 blow up 解，该问题涉及三维光滑流体运动的描述是否会崩溃，约 90 年未解。

Noam Brown 就 OpenAI 宣布以智能体组合求解 Navier-Stokes 千禧年大奖难题发表看法，承认这次证明花费数百万美元，但认为成本会快速下降。