GPT-5.6 提升模型、推理和智能体工作流的 AI 效率
GPT-5.6 在多个维度上提升了人工智能的效率，包括模型架构、推理过程和智能体工作流。
OpenAI 提出“每美元实用智能”评分卡以衡量 AI 价值
OpenAI 概述了一个名为“每美元实用智能”的框架，旨在帮助企业超越简单的每令牌成本指标，衡量其 AI 投资的经济价值。文章认为，成功应通过完成的工作量、可靠性和可扩展性来衡量，而不仅仅是采用率。
OpenAI 预览运行 GPT-5.6 Sol 速度提升高达 14 倍的 Ultrafast 模式
OpenAI 正在推出 Ultrafast 的预览版，这是一个新的服务层级，其运行 GPT-5.6 Sol 模型的速度比标准处理快多达 14 倍。该模式由 Cerebras 硬件提供支持，每秒可生成多达 750 个输出标记，最初通过 OpenAI API 提供。
OpenAI降低GPT-5.6 Luna和Terra的价格，为Sol引入Fast模式
OpenAI降低了其GPT-5.6 Luna和Terra模型的成本，同时为GPT-5.6 Sol引入了新的“Fast模式”，以提高企业工作负载的每美元性能。
Nvidia 提出 FusionRelight，通过混合领域知识融合实现实时人像重光照
来自 Nvidia 的研究人员推出了 FusionRelight，这是一种用于人像重光照的方法，它将物理上合理的照明转移与身份保持以及紧凑的实时推理相结合。该方法利用混合领域知识融合（HDKF）训练框架，将合成数据、一次一盏光（OLAT）数据和真实场景数据中的物理、反射率和真实性先验蒸馏到一个学生模型中。
DSTP 缓解复杂 MLLM 推理中视觉令牌剪枝的失败
研究人员在解码过程中发现相关视觉信息偏移（RVIS）是导致现有视觉令牌剪枝方法在多模态大语言模型（MLLM）中失效的主要原因。为解决这一问题，他们提出了无需训练的解码阶段感知偏移令牌剪枝（DSTP），将视觉令牌与变化的推理需求对齐。
用于基于2D高斯图像压缩的聚类码本量化
研究人员提出了Cluster-Guided Vector Quantization (CGVQ)，这是一种旨在提高基于高斯基元图像压缩率失真性能的方法。该方法在量化之前将高斯参数划分为同质组，解决了为每个基元存储大量浮点参数导致的低效问题。
vLLM v0.27.1 增加对量化 DSpark Markov 头的支持
vLLM 发布了版本 0.27.1，这是一个基于先前 v0.27.0 发布的补丁更新。
Meta发布Muse Glimmer 30B开源权重模型；Anthropic改进黎曼边界
Meta发布了Muse Glimmer，这是一个30B密集多模态模型，针对本地代理部署进行了优化，采用Apache 2.0许可证，并承诺未来将提供Muse Spark 1.2的权重。
OpenAI通过自我优化将GPT-5.6价格降低高达80%
OpenAI宣布对其GPT-5.6模型大幅降价，这得益于系统性效率提升和递归自我优化技术。该公司报告称，GPT-5.4级别智能的成本在四个月内下降了约13倍，GPT-5.6 Luna的价格削减了80%，Terra的价格削减了20%。
OpenAI 利用 Sol 优化推理，将 GPT-5.6 Luna 价格降低 80%
OpenAI 大幅降低了其 GPT-5.6 模型系列的价格，GPT-5.6 Luna 降价幅度高达 80%，GPT-5.6 Terra 降价 20%。这些变化由 GPT-5.6 Sol 实现，它优化了模型的前向传播和生产内核以提高效率。
腾讯开源 Hy-MT2 多语言翻译模型及 IFMTBench
腾讯发布了 Hy-MT2 系列“快速思考”多语言翻译模型，包含 1.8B、7B 和 30B-A3B (MoE) 尺寸，以及用于评估指令遵循能力的 IFMTBench 基准。
llama.cpp b10435 修复了 jinja gather_string_parts 中的二次方成本
llama.cpp 项目发布了版本 b10435，解决了 Jinja 模板引擎内的性能问题。主要更改修复了 `gather_string_parts` 函数中的二次时间复杂度错误。
llama.cpp b10434 将 reasoning_effort 传递给模板
llama.cpp 项目发布了构建版本 b10434，增加了对将 `reasoning_effort` 参数传递到 Jinja 模板的支持。此更改确保 OpenAI Chat Completions 的 `reasoning_effort` 值在生成期间被存储并可访问。
llama.cpp b10431 为 SSM 模型添加循环状态回滚
llama.cpp 项目发布了版本 b10431，在 ggml_ssm_scan 操作中引入了对循环状态 (RS) 回滚的支持。此更改使 Nemotron 模型能够在 CPU 和 CUDA 后端上实现 RS 回滚。
Qwen发布Qwen 3.8 27B的开源权重
Qwen已发布其Qwen 3.8 27B模型的开源权重。 该检查点可在Hugging Face上获取。
llama.cpp b10429 允许在 llama_decode() 期间访问 /metrics 和 /slots
llama.cpp 项目发布了版本 b10429，该版本修改了服务器，使其在 llama_decode() 执行期间允许访问 /metrics 和 /slots 端点。
llama.cpp b10430 允许虚拟集成显卡设备
llama.cpp 项目发布了版本 b10430，引入了对虚拟集成 GPU (igpu) 设备的支持。此更新还包括代码库中改进的注释。
llama.cpp b10427 融合 SYCL FFN 操作，吞吐量提升高达 12.4%
llama.cpp 项目发布了版本 b10427，其中包括通过 SYCL 针对 Intel Arc GPU 的性能优化。该更新实现了在 q4_K 密集前馈网络 (FFN) 层内对 gate、up 和 GLU 操作的融合。
llama.cpp b10425 融合 gated-delta-net 状态回写，速度提升 +1.2%
llama.cpp 项目已发布版本 b10425，其中包括将 SYCL 优化移植到融合 gated-delta-net 状态回写副本。