SF Compute 的 Evan Conrad 谈 B300 推理 40 美元与市场 5 美元的算力定价错位

MIT 工程教育副院长 Justin Solomon 在播客中谈到，OpenAI 模型上个月给出 Navier-Stokes 解失效的反例证明，但他和《Odd Lots》主持人读不到第二页。

作者复盘 Strata 引擎如何让 12GB 显存跑 1250 亿参数的 Qwen 3.8 Flash Next，核心是专家缓存加 CPU 分工，prompt 读速最高达 llama.cpp 的 15 倍，写速同版本比约两到四倍。文章逐项核对倍速数据的版本口径，指出压缩版在三项高难度测试保留完整模型 99.4% 分数，但专家缓存会带来输出偏差，且 64GB 内存门槛下对比 API 价格未必划算。

DRW 的 Don Wilson 指出 CoreWeave 以 15% 利率借贷，这笔利息买的是没人愿意承接的风险。由于四年后一块 B200 值多少钱无人能报价，缺乏远期价格就没有对冲工具，风险只能全部塞进利息里。他提出把炼油厂的 crack spread 搬到算力上，命名为 crunch spread。

Nathan Lambert 在播客访谈中判断，中国实验室卡住的不是蒸馏，而是算力差距，OpenAI 一个普通研究员可调动的算力约相当于 5000 张 H100。

当前 AI 热点，聚合 2 个独立信源、18 条信号。

当前 AI 热点，聚合 1 个独立信源、13 条信号。

Tessl 工程师 Ankit Jain 分享团队 PR 量翻四倍、代码几乎全部由 AI 生成后，放弃逐行 diff 审查、改为在代码生成前审查意图并逐条验证验收标准的做法。关键实践包括维护 offer-skill 技能理解代码变更，以及把重复出现最多的审查评论固化成机器自动执行的不变量规则，作者预计第二个月起审查负担明显缩小。

Google 推出 TorchTitan TPU 分叉（github.com/google-pytorch/torchtitan），配合 TorchTPU 原生后端在 Cloud TPU 上训练 PyTorch 模型，提供 SimpleFSDP、Graph Trainer、Pallas 内核和优化 Playbook。

Meta 工程团队介绍其数据管道智能体采用的瘦编排器（thin orchestrator）模式：一个约 1300 行的编排器只负责路由和可靠性检查，将 20+ 工作流分派给 14 个上下文隔离的专项子智能体，自身不做任何领域推理。