搜索
智谱上线 GLM-5.3-FlashX 模型，推理速度最高达 200 tokens/s，较 GLM-5.3-Flash 提速 5 倍、提价 2.5 倍，API 同步开放，该模型在 10 万张国产芯片提供的推理算力基础上，由 GLM-5.3 驱动 Agent 在两周内完成端到端构建并通过 Infra 侧优化将吞吐提升至初始基线的 3 倍。
字节跳动发布新版豆包2.1 Pro（0915版本），重点升级多模态编程与视觉理解能力，可依据设计图、图纸和操作录屏生成代码，编辑团队通过山西3D旅行导览、小王子微缩星球等场景实测，验证其在Agent任务交付与Token效率方面的提升。
继“牛来”Ox Alpha 之后，OpenRouter 昨晚上又出现了一款身份不明的模型。
大模型一定要一个 token 接一个 token 地生成文字吗？
9月10日，AMD 在北京举办“携手创新 共赢智能体AI时代”媒体沙龙，面向中国市场发布锐龙 AI Max PRO 400系列处理器，把客户端设备统一内存上限推升至192GB，实现本地运行3000亿参数级大模型的能力。CSDN 创始人蒋涛受邀发表题为《大模型的 PC 服务器时代》主题演讲。
Token词元替代了Byte字节，但不意味着大模型都得是Token。
AI 的竞赛正在经历一次深刻的转向。过去两年，行业目光从“卷参数”转向“卷推理”，如今新的分水岭已经显现：AI 能否从数字世界走进物理世界，真正去“行动”？
多轮智能体任务只有一个终点奖励，但在一条包含搜索、工具调用和多轮决策的轨迹里，决定成败的往往是一个不起眼的查询词、动作或对象选择。
清华大学AI Agent课题组提出加速扩散语言模型单元测试生成的框架DiffuTester，通过抽象语法树动态挖掘多个测试用例间的共享结构模式，在解码过程中保留相关token，在保持测试覆盖率的同时实现最高约2–3倍加速，相关论文已被EMNLP 2026接收。
趋境科技通过部署SGLang HiCache+Mooncake Store，将KV Cache从单机资源升级为集群级共享池化资源，支撑其日均产出超万亿Token的生产实践，KV Cache命中率稳定突破90%，并在生产环境中持续优化大规模推理集群的性能与稳定性。