Tomer Tunguz 撰文指出，OpenRouter 数据显示发布于 2025 年 8 月的 GPT-OSS-120b 仍承载 Claude Opus 4.8 约 36% 的日 token 量，GLM 5.2 以每日 495B token 超过前沿模型，token 市场正按成本、速度和准确度分层。
推荐理由：作者用 OpenRouter 流量数据和自己本地实测，说明 token 市场正按成本、速度与准确度分层，MoE 正在抬高端侧模型上限。
Anthropic 为 Claude 推出区域数据驻留与推理驻留能力，用户可指定提示词、输出和对话历史的存储地及模型处理地，覆盖亚太、加拿大、欧洲和美国（美国即将上线），可通过 AWS Bedrock、GCP Vertex 和 Microsoft Foundry 部署。
Tomasz Tunguz 撰文称 harness 对编码基准和成本的影响大于模型。Endor Labs Agent Security League 测试显示。
推荐理由：文章用同一模型在不同 harness 下的分数差和缓存成本数据，说明运行时框架对编码表现和账单的影响可能超过模型本身。
Tomer Tunguz 撰文分析 AI 基础设施短缺正按牛鞭效应依次传导：2023 年初 H100 租金曾超 $9/小时，2023 年服务器出货量下滑 22%。
推荐理由：作者用多年价格和产能数据梳理 AI 硬件短缺的接力顺序，读者可以据此理解瓶颈传导的时滞机制。
Anthropic 上线 Claude 应用的统一下载页，提供 macOS、Windows、Linux（beta）桌面端和 iOS、Android 移动端。桌面应用内可直接运行 Claude Code，支持远程控制、跨设备记忆同步、Chrome 等扩展连接本地工具，并面向企业提供 MSIX/PKG 安装包和 SSO 部署；Linux 端暂不支持 Computer Use 和听写功能。
推荐理由：页面汇总了 Claude 桌面与移动应用的下载入口、各平台支持情况和常见使用限制，方便读者判断适配自己的版本。
Anthropic 推出 Claude for Microsoft 365，Claude 可直接在 Excel、PowerPoint、Word 和 Outlook 中工作。
推荐理由：原文来自官方，给出了四大 Office 应用中的具体能力和可用性细节，读者可据此评估是否替换现有办公工作流。
Anthropic 发布 Claude Science，一款面向科学家的 AI 工作台应用，目前为 macOS、Windows 和 Linux 上的公开 beta，面向 Pro、Max、Team 和 Enterprise 计划。
推荐理由：官方产品页列出可复现分析、60+ 科学数据库连接和 HPC 计算管理等具体能力，读者可据此判断它对科研工作流的影响。
CoreWeave 在 Fully Connected 大会上宣布 NVIDIA Vera Rubin NVL72 系统上线 CoreWeave Cloud，并计划提供面向智能体的 NVIDIA Vera CPU，同时发布连接训练、评估与改进的 CoreWeave Forge。
Google 介绍如何在 Raspberry Pi 5 上用 LiteRT 和 Gemma 模型实现完全离线的实时端侧 AI，并以 Reachy Mini 机器人演示目标检测、语音识别、推理和语音合成的完整本地流水线。
推荐理由：原文给出 Gemma 各型号在 Raspberry Pi 5 上的实测数据和完整部署流程，读者可以据此选择合适的端侧模型并复现本地推理。
HeyGen 与 Google Cloud 合作，把 180 亿参数以上的数字人视频扩散模型 Avatar IV 迁移到八芯片 Trillium（v6e）主机上，速度比首个可用版本提升 1.86 倍。
Google 开源了基于 ADK 和 Gemini 的客服退款 Agent 示例，演示提示词注入可导致超额退款、密钥泄露等风险。文章提出三层零信任防护：用 Cloud KMS 硬件签名保证写入不可抵赖，用 gVisor 沙箱零网络出口隔离动态生成代码，用确定性语义网关加 CI/CD 回归测试校验输入输出；完整代码见 zero-trust-agents 仓库。
推荐理由：文章用开源示例和代码讲解三层零信任防护的具体做法，读者可以直接在本地复现攻击与防御流程。
Google Cloud 将原生 TPU 支持集成进 vLLM，并以 Qwen3-Embedding-8B 为目标模型完成多项优化，支持 4K+ token 文本与 15K+ token 多模态输入的嵌入推理。
AWS 机器学习博客发布教程，用三个智能体（作曲、交付、合规）在 Amazon Bedrock AgentCore Runtime Instances 上构建音乐制作流水线。
Zyphra 推出 Zyphra Cloud，提供面向长周期智能体系统的推理服务，包含 Serverless Inference 与 Dedicated Inference Capacity 两种模式。
Zyphra 推出面向持续增长训练语料的增量模糊去重系统 PUFFER，在十小时吞吐测试中处理最多 10 亿文档，较现有 CPU 去重方法提速 11x-35x，单进程 1.75 小时可摄入 10 亿文档，已在超 300 亿文档的生产环境部署，并以 Apache 2.0 开源。
Preferred Networks 发布基于 Rust 的 Optuna 实现 Rustuna，并同步推出 Optuna v5.0。内部基准显示 Rustuna 速度最高可达 Optuna 的 1,000 倍，Matlantis CSP 的替换测试中 10 万次 trial 的内存消耗降低约 50%。
Preferred Networks（PFN）与 PFCI 计划在 2026 年内，通过 PFCI 的 AI 云服务 PFCP 向材料模拟器 Matlantis 提供自研 AI 芯片 MN-Core 2 的算力，用于晶体结构等特定计算任务。
Preferred Networks 自 2016 年起与神户大学共同开发 MN-Core 系列 AI 专用芯片，覆盖训练、推理与高性能计算。面向生成式 AI 推理的 MN-Core L1000 采用 3D 堆叠架构与 DRAM，每秒可处理更多 token，性能最高达现有 GPU 及其他处理器的 10 倍。
Preferred Networks（PFN）自研 MN-Core 系列 AI 处理器，并整合先进网络与存储技术，为内外部研究者与开发者提供 AI 计算基础设施。除通用 GPU 外，PFN 将自研处理器纳入整体方案；自 2024 年起还推出 Preferred Computing Platform（PFCP），这是唯一运行于 MN-Core 系列的 AI 工作负载云服务。
World Labs 发布实时生成世界模型 RTFM（Real-Time Frame Model），可在用户交互时实时生成视频，现已以研究预览形式开放浏览器演示。RTFM 在单张 H100 GPU 上以交互帧率运行推理，不依赖显式 3D 表示，作为端到端训练的学习式渲染器工作；它将带位姿的帧作为空间记忆并通过 context juggling 检索邻近帧，使世界在长时间交互中持续存在而不丢失。
GLM-5.3-Flash 出现在 Baseten Base Labs 的模型研究内容中，原始标题仅给出该模型名称，正文为一段 chat.completion 格式的 API 返回示例，其中 model 字段为空，completion_tokens 为 145、prompt_tokens 为 38、total_tokens 为 183。
Qwen3.6 27B 出现在 Baseten Base Labs 的模型研究内容中，原始标题仅给出该模型名称。正文为一段 chat.completion 格式的 API 返回示例，包含 38 个 prompt_tokens、145 个 completion_tokens，合计 183 个 tokens，模型字段为空，未披露更多参数或评测信息。
Baseten 模型库新增阿里云 Qwen 系列模型，涵盖 Qwen3.5 35B-A3B、Qwen3.5 122B-A10B、Qwen3.6 27B、Qwen3 Coder 480B、Qwen3 VL 235B 等 LLM，以及 Qwen Image、Qwen3 TTS 12Hz、Qwen 3 ASR 1.7B 和 Qwen3 系列嵌入与重排序模型。
DeepSeek V3.2 是 DeepSeek 推出的混合推理模型，主打高效长上下文扩展，已可通过 Baseten Inference Stack 的 OpenAI 兼容 API 端点调用。
BAAI/bge-en-icl 是一个文本嵌入模型，输入文本后输出一维嵌入向量，常用于聚类等下游任务并配合向量数据库使用。该模型量化至 FP8 部署，由 Nvidia 最新 GPU（如 H100、H100_40GB 或 L4）支持，量化可选但能带来更高效率。
Qwen3 8B Embedding 是一个文本嵌入模型，输入文本后输出一维嵌入向量，常用于聚类等下游任务并配合向量数据库使用。该模型部署时量化为 FP8，需 Nvidia 较新 GPU 支持，如 H100、H100_40GB、B200 或 L4，量化可选但能提升效率。客户端代码可通过 pip 安装，也可使用 OpenAI embeddings 客户端。
Baseten 提供 Wan 2.2 T2V 文生视频 API，通过 POST 请求传入提示词即可生成视频，返回 base64 编码结果。支持 720x1280、1280x720、480x832、832x480、704x1280、1280x704、1024x704、704x1024 八种分辨率，可设置 sampling_steps、guide_scale 与 seed 参数。
NVIDIA Cosmos 3 Nano (8B) 世界基础模型现可通过 Baseten 在单张 H100 上部署，提供六种 omni 模式：text2image、text2video（默认模式）、image2video、forward/inverse dynamics 和 policy。
Baseten 提供 NVIDIA Nemotron 3 Diarization 的三种预设方案，该模型支持最多 8 个说话人、可按请求配置延迟档位（0.32 秒到 30 秒 buffer），是 Streaming Sortformer v2.1 的后继，采用 OpenMDW 1.1 许可证允许商用。
Baseten 推出基于 Whisper Large V3 的优化实时转录管线，支持可配置的部分转录更新频率、高并发音频流下稳定的实时延迟，以及多语言转录的自动语言检测。
Whisper Large V3 Turbo 已在 Baseten 上线，面向实时笔记、内容字幕和客服等实时语音场景，支持部分转录更新频率可配置、高并发音频流下延迟稳定，以及多语言转录的自动语言检测。
Canopy Labs 推出 Orpheus TTS（Orpheus v1），为其 Orpheus TTS 的继任模型，需以约 83 tokens/秒生成才能实现实时流式输出。该实现支持流式生成，在 H100 MIG GPU 上可支持 16 路并发实时流（可变流量）、24 路并发实时流（稳定流量），以及 128 路并发非实时生成以进行低成本批处理。
Baseten 发布 Orpheus 3B 的 WebSocket 接入示例：客户端先发送含 voice、max_tokens、buffer_size 的 JSON 元数据，再通过同一连接逐词流式发送文本，服务端返回原始音频字节。示例用 `__END__` 哨兵标记文本结束，音频以 24000 采样率、paInt16、单声道播放，代码基于 aiohttp 与 pyaudio。
Baseten 模型库现已提供 DeepSeek V4.1 Flash、GLM-5.3 Fast、GLM-5.3、GLM-5.3-Flash 和 Kimi K3 等热门模型，可部署在 API 端点后直接调用。
Cloudflare 发布全新 CLI 工具 cf（开放 beta，npm i -g cf），将命令覆盖从 Wrangler 的约 280 个操作扩展到超过 3000 个 API 操作，基于 Forge 从 OpenAPI schema 生成。
Cloudflare 用前沿 LLM 构建自适应 WAF 测试系统，在授权的客户预发环境针对 XSS、SQLi、CMDi、SSRF、LFI、Log4j 六类攻击运行 45 个场景，记录 1,107 次尝试，经人工分流确认 49 项相关发现，其中 48 项属于 CMDi 和 SSRF。
Cloudflare 介绍内部 AI 工具 CryptoLabe，用于发现代码库中的密码学使用并规划后量子（PQ）迁移，目标 2029 年实现全面 PQ 就绪。
Cloudflare 发布面向 Agent 沙箱优化的 Containers 更新，推出 durable_object 调度策略，支持运行时选择镜像和实例类型，并公测文件系统快照。
xAI 宣布 Grok Bot 面向企业开放，Grok 和 Cursor Enterprise 客户未来两周可免费使用，并可邀请整个组织包括没有现有席位的成员。每个 Bot 在云端独立运行，可按工作流学习任务、相互传递上下文，本次发布还新增访问、网络和审计管控；用户工作在相互隔离的安全环境中运行，Bot 默认无访问权限。
小米官网发布 MiMo Desktop 桌面 Agent 产品，把 PPT、文档、表格、定时与文件整理交给「Smart」调度，自动评估任务并路由到办公、代码或研究框架，复杂任务拆解为子任务多 Agent 并行推进，Self-Evolve 引擎持续优化自身代码。