Googlebook OS 的上手体验显示，Gmail 等核心服务以 Trusted Web Activity 形式通过 Play Store 运行，部分应用由 Gemini Nano 本地驱动，整体交互接近 Pixel 手机。这透露出 Google 正把 Android 生态与 Web 技术、端侧 AI 能…
开源项目 Heretic 推出一款工具，可解除语言模型的内置限制，让其严格按用户指令输出，项目通过 pip 一键安装，首个示例模型用的是 Qwen/Qwen3.5-4B。它把“模型对齐该由谁决定”这个问题，从厂商手里部分交回给了使用者。
一名测试者在 X 上把负责规划的 Astra 和负责快速决策的 Jev 组合起来，用 8 分 43 秒通关《Minecraft》并击杀末影龙，整个过程 token 成本不到 1 美元。相比之下，Astra 单独运行的直播跑过 141 小时也没通关。
云计算新玩家 Nscale 递交 S-1 招股书，披露其 1030 亿美元总合同价值中，微软和 Anthropic 两家客户占了 85%，而截至 8 月底真正处于活跃状态的合同价值仅 26 亿美元。
美国财政部长 Scott Bessent 就 OpenAI 相关的 Hugging Face 遭攻击事件表态，认为责任在 OpenAI 管理层，而非执行攻击的“一堆智能体”。这把 AI 安全责任的讨论从技术工具层面拉回到了企业治理层面。
GitHub 上出现了一个名为 ai-memory 的开源项目，试图把 Claude Code、Codex、Cursor 等 20 多种 AI 编程工具的长期记忆统一到一个自托管服务器上，让不同代理、不同机器、不同团队成员之间实现任务交接。
Milliseconds.ai 在 Product Hunt 上线，从产品定位看，它试图把 AI 能力压缩进“毫秒级”的响应体验里。对正在被延迟、算力和调用成本反复拉扯的 AI 应用来说，响应速度本身正在变成一项可被单独讨论的产品指标。
这个报错通常出现在 Intel XPU 上加载 Kimi-Linear-48B-A3B（及同属 Kimi-K3 家族）模型并首次执行 attention forward 时，原因是 MLA 的两个 CUDA-only 融合算子没有 XPU 实现。优先确认 vllm-xpu-kernels 是否已包含
![[Bug]: Batch runner misclassifies a successful diarized transcription as streaming](https://www.chat-gpts.plus/wp-content/uploads/2026/09/57944-9da86baa-768x403.jpg)
当你在 vLLM 的离线 batch runner（如 vllm.entrypoints.llm ）里对音频输入启用说话人分离（diarization）时，带说话人轮次元数据的成功转写结果会被误判为流式请求，从而抛出 Request must not be sent in stream mode 。
![[Perf] SM8x sparse-MLA prefill fallback re-reads the shared MLA latent once per head (~64x redundant KV traffic)](https://www.chat-gpts.plus/wp-content/uploads/2026/09/57971-715139ff-768x403.jpg)
当你看到 [Perf] SM8x sparse-MLA prefill fallback re-reads the shared MLA latent once per head (~64x redundant KV traffic) 这类性能描述时，通常发生在 Ampere（sm_80）显卡上用