AI 与前沿科技综述 —— 大模型、机器人及智能体系统的关键进展

前沿模型扩展

Marin 535B-A23B 预训练完成 – Open Athena 团队使用 B200 GPU 集群在 18 T token 上训练了一个 5350 亿参数的模型，性能略高于预期，且未出现任何不稳定情况，计划下一步进行 SFT/RL 阶段的训练 @classiclarryd。
Claude Fable 5.2 性能表现 – Anthropic 发布了 Fable 5.2，在 60 % 算力投入下超越了 CursorBench，并将默认算力下的得分从 Fable 5.1 的 49.2 % 提升至 56.9 % @cursor_ai。
DeepSeek V4.1 Flash 缓存效率 – 第三方提供商 Prime Inference 报告称 DeepSeek V4.1 Flash 1017 的缓存命中率最高，将有效输入成本降低至每百万 token 0.00443 美元 @PrimeIntellect。
Meta Muse Ember 的性价比 – Muse Ember 在 Intelligence Index 上与 Claude Haiku 5.5 持平，但单任务成本仅为后者的三分之一（0.14 美元对 0.41 美元），并在 AutomationBench‑AA 上处于领先地位，同时在编码基准测试中保持低成本优势 @ArtificialAnlys。
GLM‑5.3‑Flash 744B 发布 – GLM‑5.3‑Flash 扩展至 7440 亿参数版本，进一步扩充了现有的 Flash 系列 @PeasantSmith。
Gemini 4 Hydrogen 基准测试 – Gemini 4 Hydrogen 在 flash 级基准测试中得分接近 GPT‑6 Astra @Smlay_ero。
OpenCode 2 编码框架 – OpenCode 2 在多个模型上的表现均优于前代产品，提高了任务解决率（例如在 GLM‑5.3‑Flash 上达到 65.7 %），并将单任务解决成本从 3.35 美元降低至 0.45 美元 @joelniklaus。

机器人与物理 AI

LeRobot：易于使用的机器人库 – LeRobot 提供了一套“机器人 Transformer”技术栈：低成本机械臂、9 万多条数据集（200 TB）以及从数据采集到策略部署的完整流水线，旨在降低机器人研究的门槛 @yacinelearning。
Marin 模型将部署在 ASIC 上 – 距离解决机器人技术问题仅剩一年时间，预计模型将被固化到低功耗 ASIC（如 Groq LPU）上，以集成到 Optimus 类机器人中 @AbHomineDeus。
SpaceX 采用 Grok 进行检测 – Grok 在检测火箭硬件碎片方面达到了 99.9 % 的准确率，超过了人类检测员（约 94 %），并将工程任务的处理时间从数小时缩短至数秒 @XFreeze @cb_doge。
NVIDIA GR00T 2 人形机器人动作模型 – 在 CoRL 2026 大会上，NVIDIA 发布了 GR00T 2 和新的工业基准测试，旨在通过 Isaac Lab‑Arena 训练开放世界的人形机器人技能 @NVIDIARobotics。
“抓取一切”机器人演示 – 研究人员展示了无需任何机器人-人类远程操作数据，仅通过人类观察即可训练策略的灵巧操作技术 @notmahi。

智能体工作流与金融应用

CoreWeave Skills 预览 – Claude Code 可以通过单条命令配置 CoreWeave Kubernetes 服务、添加 GPU 节点池、启动 vLLM 模型并验证 GPU 利用率 @CoreWeave。
GrokBot token 使用优化 – 一份 11 页的指南详细介绍了如何通过减少唤醒次数、精简配置文件以及限制机器人间消息传递，将 GrokBot 的 token 消耗从 100 % 降低至 20 % @vartekxx。
交易机器人的智能体信用评分 (ACS) – Agentics 推出了 ACS (300‑850) 评分系统，根据盈利能力、回撤、一致性和链上表现对智能体进行评级，将信用决策从抵押品规模转向实际表现 @Kutubjk24 @catqpx @SomieCITYY。
Evolver：可重用智能体知识框架 – Evolver 存储了来自先前运行的程序化“基因”，使 Claude Code 和 Codex 能够重用已学习的轨迹，从而提高成功率（83.13 % → 87.50 %）并减少约 24 % 的 token 使用量 @omarsar0。
用于稳定 LLM RL 的分数中心化技术 – 一种新技术纠正了策略梯度更新中训练与推理不匹配的偏差，提高了大型 MoE 和异步 RL 流水线的稳定性 @cwolferesearch。
Anthropic Claude Code 多模型编排 – 使用 Sonnet 5.5 处理主要工作，Haiku 5.5 进行并行探索，Opus 5.5 作为顾问，在保持高质量决策的同时减少了对 Opus 的调用频率 @xsmryze。

基础设施与工具创新

FlashState 推理系统 – FlashState 为混合 LLM 管理前缀缓存，在 GLM 5.3 Flash 上使 vLLM 吞吐量翻倍以上，同时将延迟降低了 3.7 倍，用户成本降低了 2.5 倍 @_weilix。
Unreal Engine 5.9 AI 优先预览版 – UE 5.9 预览版主要由 AI 智能体（Claude Code、Codex、Cursor）构建，并引入了 Unreal Assistant 和 MCP 扩展资产安装等功能 @Stefan_3D_AI。
Airbnb 的前沿级分类技术 – 工程师微调了一个小型语言模型，以不到 1 % 的成本实现了与大型模型相当的准确率，并提供了低于 100 ms 的推理速度 @AirbnbEng。
ERNIE Evolve 自动化研究系统 – 百度 ERNIE Evolve 能够迭代选择研究方向、修改代码并运行实验，在 NanoChat AutoResearch 上达到 SOTA 水平，并将 GPU 推理吞吐量提高了 33.7 % @Baidu_Inc。
TensorFold 本地编码智能体 – Omarchy 的 TensorFold 为本地硬件（如 Qwen 3.8 Flash）选择最佳方案，并在沙盒 Podman 环境中运行编码模型 @OmarchyUpdates。

市场与战略动向

Anthropic IPO 猜测 – WSJ 报道称 Anthropic 可能最早于下周启动 800 亿至 1000 亿美元的 IPO @BullTheoryio。
苹果 Siri 智能体战略分析 – 一篇评论文章认为，苹果应为其即将推出的以智能体为中心的 Siri 与非竞争对手 AI（如 Grok）合作，理由是计算独立性和战略一致性 @spcxGOD。
物理 AI 初创公司前景 – 评论预测，将出现一批数十亿美元规模的物理 AI 初创公司，它们将结合现成的机器人硬件与基础模型，而不是构建定制技术栈 @AmitEzer。
Perplexity CEO 谈端侧 AI – CEO 警告称，端侧智能可能会威胁到数据中心的繁荣，并强调了保护隐私、本地学习的智能体的重要性 @mirrorxbt。
软银 CEO 谈物理 AI – 软银孙正义强调物理 AI 和机器人技术是顶级投资主题 @machinedotfun。

新兴研究亮点

多智能体群体扩展 (s3) – 新研究表明，智能体通过协作强化学习学习自己的协调计划，比基准测试的问题解决能力提高了 25 倍以上，并将冗余通信减少了约 50 % @omarsar0。
通过 LLM 智能体实现量子 AI – Google 团队利用 LLM 智能体在 Lean 中编写和验证量子程序，将量子算术成本降低了 290 倍，并改进了聚变、光化学和药物代谢的模拟 @dair_ai。
机械可解释性安全调查 – 一篇综述论文探讨了理解模型内部机制与安全性的关系，概述了机械可解释性领域内的多种方法 @FazlBarez。
Decision Index v2 – Artificial Analysis 发布了更新后的决策基准测试，增加了私有数据集和校准指标；Drex Max v1.1 和 GLiDE v1.2 领跑排行榜 @ArtificialAnlys。

社区资源与教育

免费 AI 课程 – 精选了七门开源课程，涵盖从零构建 LLM、智能体工程和提示词工程 @undefinedKi。
智能体工程 1 小时视频 – Google 的新视频介绍了构建智能体、记忆、循环和多智能体系统的过程 @dkare1009。
本周 AI 术语：智能体工作流 – IBM 将“智能体工作流”定义为自主 AI 流程，旨在减少人工干预并提高输出质量 @IBM。
智能体 GitHub 仓库 – 值得关注的仓库包括 Firecrawl（网页转文本）、claude‑mem（记忆压缩）、Graphify（知识图谱生成）以及用于 Claude Code 的 ECC Skills @RoundtableSpace。

收集到的文章展示了一种快速融合的趋势：大规模模型扩展、AI 与机器人的深度集成，以及向由复杂工具和基础设施驱动的、具有财务意识的自主智能体的转变。