推荐理由：Google 发了两个新 Gemini 媒体模型，Nano Banana 2 Lite 生成图片只要 4 秒，1 美元能买 30 张；Omni Flash 按秒收费 0.1 美元，适合实时处理。

推荐理由：Fable 5 重部署后各维度表现稳定，Agent 依旧最强，前端小幅波动属正常。想看前沿模型对比可以关注。

推荐理由：SGLang团队用Agent自动化优化推理管道，实测吞吐涨71%，TTFT砍半，还省了10GB显存，硬核经验值得看。

推荐理由：斯坦福团队发了个新方法，让标注者用自然语言描述偏好，比单一打分更精确，机器人策略能学到更多结构信息。

推荐理由：Mira Murati团队和桥水基金一起搞了个AI筛选新闻的实验，先用GPT、Claude只有50%准确率，专家写提示词到75%还是不够，最后微调模型干到了84.7%，成本还低了13倍多。

推荐理由：发新论文了，斯坦福团队搞的QuasiMoTTo，不用独立采样浪费算力，相关采样省25-47%样本，训练步骤也砍半。做推理扩展的可以看看。

推荐理由：斯坦福发了个AutoMem，给智能体装上可训练的记忆模块，让32B模型打平Claude Opus 4.5。省去调任务动作，光改记忆就提升2-4倍，搞长程任务的别错过。

推荐理由：DeepSeek 把 DSpark 开源自带进 vLLM，跑 DeepSeek-V4 实测单卡 250 token/s，比 MTP 快 12-42%，想搞投机解码的可以试试。

推荐理由：这个项目把RL训练的活物做得超逼真，毛发和声音都来自神经网络激活值，技术堆叠很酷，值得看一眼。

推荐理由：Fable 5写物理动画确实牛，但钱包要厚；GLM 5.2便宜到离谱，预算有限就选它。

推荐理由：专门为表格数据设计的架构，用交替行列注意力处理无序，还压缩行向量做上下文学习，比硬套LLM聪明多了。