TokenGate 用可学习剪枝把长上下文 Prefill 提速约 11 倍

Nathan Lambert 在哈佛 CS 2881R 客座讲座整理了开源模型现状全景幻灯片，判断开源模型落后闭源前沿约 3 到 5 个月且差距在缩小。他指出性能、下载量、论文引用三方面中国开源全面领先，美国开源又落后中国 3 到 4 个月；把蒸馏当成核心问题是高估，美国真正持久的优势是算力，前五实验室总算力约为中国前五家的 16 倍，禁止开源只会损害经济活动。

@oradotai 联合 Vercel、Stripe、Auth0、Mintlify、Tavily、Google 等推出 AgentReady（agentready.org），一份 MIT 许可的开源规范，规定网站要让 AI Agent 找得到、读得懂、用起来需做到什么。

DeepSeek 开源支撑其线上生产服务的高性能推理框架 DeepInfer，基于 Apache 2.0 许可证，并同步发布技术报告。框架集成 FlashMLA、DeepGEMM、DeepEP 等此前开源内核，加上调度、并行、DSpark 投机解码等系统层实现，同时支持 NVIDIA SM100 GPU 和华为昇腾 950 NPU。

Princeton、Stanford、UK AISI 等机构于 2026 年 10 月 19 日发布 72 页综述「Emerging Trends in AI Agent Evaluation」，用 How、What、Who 三个维度梳理智能体评测的 33 个趋势。

Google Research 开源 Harness²，一个递归式智能体 Harness 优化框架，地址为 https://github.com/google-research/harness2。

Kombai 发布 Design Creativity Bench，用 80 个开放式 UI 任务评估模型设计创造力，最佳模型 GPT-6 Astra 得 65.5，人类参考为 92.3。

小米 LLM-Core 团队发布 MiMo-V2.6 技术报告，提出同时扩展训练批次、环境多样性与评分器三个维度的 RL 方法。

METR 与 Redwood Research 各派一名员工，于 7 月 21 日至 8 月 11 日对 OpenAI 内部失准监测系统开展三周高权限试点压力测试，产出 61 页内部报告。

Sierra 发布 𝜏-Entity 基准，测量语音智能体能否正确采集、识别错误并修复姓名、电话号码、地址和邮箱等细节，包含 10 种实体类型共 200 个任务，并与 𝜏-i18n 一样覆盖六种语言。

Microsoft Research 的 Xinzhi Zhang 与 Zhao Song 证明 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凹分布的最优平面切割与任意形状切割的差距不随维度增长，以普适常数为界。