依意思最接近的 7 筆
開發者發布 DensePack，將 Read 讀取的文字檔案、Bash 輸出、Word 文件和子代理報告打包成圖片供 agent 讀取，聲稱按約 50% 的價格完成同樣的文字 token 化，且後續快取讀取也按這一折扣計費。作者稱已跑過逾 1 萬次基準測試，圖片用獨特配色加兩行圖例，可從圖片逐位元組還原始碼檔案，並保留文字副本作為校驗回退。專案發布兩週獲 8 個 star，已通過 Anthropic 外掛提交的初期階段，最新版本 1.3.3，1.4 計劃支援與其他外掛共用。
DeepSeek 彈性計算團隊大量招聘，尤其需要資深工程師，併發布技術報告《DeepSeek 彈性計算（DSec）：面向大規模 Agent 訓練的沙盒基礎設施》。DSec 支撐 DeepSeek-V4 全部訓練、評測和資料預處理，單個分片約 160 臺伺服器、3 萬 CPU 核心、250TB 記憶體，每天服務約 300 萬個沙盒，高峰線上超 38 萬個，每秒建立 5000 多個。團隊接下來要把 Agent 執行環境的數量和種類擴充成百上千倍。
Mistral 官方帳號公布新模型 Le Chonk 在視覺定位基準 Dense 200 上取得 42% 的成績，並稱其領先於前沿閉源模型。該模型的能力是精確指出影像中各個物體所在的位置。
OpenAI 在 DevDay 上由 Sam Altman 發布新 AI agent Dots，稱公司要為前沿 AI 的隱私樹立新標準。同場 OpenAI 還暗諷競爭對手 Meta 的 Muse 沒能保護好使用者資料，而 Muse 幾個月前才作為 OpenClaw 的繼任者推出，扎克伯格當時同樣承諾它從底層為隱私與安全而設計。The Verge 的報導由此追問：這些隱私承諾究竟能否兌現。
Ai2 把原先基於優先順序的 GPU 排程器換成了由 GPU 時間預算、層級化公平分配和時間切片契約組成的新系統。它管理數千塊 NVIDIA H100、B200、B300，叢集規模從 88 到 1024 塊 GPU，服務約 150 名內部研究者，GPU 需求長期是供給的 2 到 3 倍。舊方案導致 GPU 蹲坑佔位、優先順序通脹（最終 100% 工作負載都標為 HIGH）以及值班工程師大量時間用於協商關閉不可搶佔任務。
菲爾茲獎得主陶哲軒發布《數學 2.0》演講，宣告建立在證明稀缺之上的數學 1.0 時代落幕：AI 正讓數學證明變得氾濫。他呼籲建立更透明的評估機制，把失敗結果與算力成本一併納入報告，並減少對搶先生成證明的強調，轉而重視解釋、評審與知識整理；其參與創立的 SAIR 基金會開放數學模型計劃將很快發布。此番表態的背景是 OpenAI 一次性發布 722 篇數學論文後，陶哲軒牽頭成立人類數學協會（AHM），並呼籲數學家停止與 OpenAI 合作。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo，靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變，系統平均 2 秒內完成重規劃，10 次隨機擾動有 9 次有效恢復；客廳長程整理可連續執行數十步，20 條模糊指令完成 18 次精準抓放，危險變數出現時 0.2 秒急停。