脑机解码新突破，AI智能体加速
2026年7月9日，AI领域在脑机接口、智能体模型和基础设施架构上取得三重突破。Meta Brain2Qwerty v2（Nature论文）实现从原始脑信号实时解码单词和语义，超越字符级解码，为沟通障碍患者带来希望；NVIDIA Nemotron 3 Ultra在LangChain Deep Agents上以开放模型最高准确率完成更多任务，吞吐量高且成本低于闭源方案；Modal CTO提出AI基础设施需重构以支持Agent的多步骤协调和低延迟，其Agent云已实现毫秒级响应。
Models
5 items多跳知识图谱问答一直难在中间节点没语义关联，RSF-GLLM用循环软流解决了这个瓶颈，比那些全靠LLM暴力推理的更快更准。
NVIDIA 的 Nemotron 3 Ultra 和 LangChain 合作，以更低成本跑出比闭源模型快10倍的成绩，做智能体首选。
VAORA 用一个巧妙的奖励设计，让 VLM 在物理推理中不再瞎想，在 PHYRE 和 Virtual Tool 上泛化能力更好。
蚂蚁Robbyant开源了1B参数的视觉模型LingBot-Vision，聚焦边界感知，能直接初始化深度模型，性能不输更大模型。
Products
5 itemsQdrant刚发了博客回应Elastic的测试，发现对方没开它的优化功能，一开就反超了：吞吐量翻倍，延迟减半，计算资源只要三分之一。想选向量数据库的可以看看。
OpenAI 让 ChatGPT 能同时听和说了，复杂问题自动转给 GPT-5.5 处理，对话更自然。付费用户现在就能体验。
谷歌AI Studio现在可以直接从GitHub拉取项目并编辑部署，省去手动导入步骤，适合想快速用AI Studio开发的人。
英伟达的Vera CPU专为智能体AI打造，单核性能比x86强1.8倍，编码和数据库分析都更快，值得关注。
LangChain和NVIDIA联手搞了个叫NemoClaw的开源代理系统，性能领先还便宜10倍以上，搞企业级AI代理的可以看看。
Industry
5 itemsModal CTO亲自讲Agent云怎么搞，不是空谈，是实打实的架构经验，搞AI基础设施的可以听听。
OpenAI发现SWE-Bench Pro这个编码基准有70%噪音上限，已经饱和了，不再适合用来衡量最强AI编码能力。
NVIDIA 和 d-Matrix 搞了个混合算力方案，GPU 负责预填充、专用芯片负责解码，推理 Token 生成速度翻了 10 倍。不是单纯的拼硬件，是真正分工优化。
Cognition分享了他们怎么跨三大洲四个数据中心做RL训练，用紧耦合trainer加分布式异步推理，还靠压缩权重差异同步，做到稳定rollout。做大规模RL的值得看看。
Papers
5 items这篇论文把热气流变成攻击红外遥感模型的武器，攻击成功率48.5%，还能让模型更自信地犯错，搞AI安全的一定要看。
这篇论文指出了线性注意力在图去噪上的根本局限，并提出 GCA 来补上短板。在 DiGress 上效果持平标准 Transformer 还省了结构特征计算，挺实用的。
这篇论文给量子机器学习找了个硬核任务：预测多体系统时间演化，量子算法能学，经典学不了，除非BQP进P/poly。理论结果很扎实。
这篇论文提出了一种流形学习新方法，用路径集成替代单条路径，在非均匀数据上比UMAP更忠实于测地几何。
这篇论文告诉你如何从模型内部状态提前看出agent会失败，比看外部行为省算力多了，实测省三到四成。
How-to
5 itemsNetflix分享了Cassandra宽分区优化实战，用动态分区将读取延迟从秒级砍到十几毫秒，对处理海量时序数据的团队很有参考价值。
NVIDIA发了个Colab友好教程，教你搭简化版Cosmos 3世界模型，用Omnimodal MoT架构实现跨模态预测，比跑全量模型省资源。
想自己搭电商 MCP 服务？这篇一步步教你用 Bedrock 和 Mistral 搞定认证和部署，特别适合生产环境。
如果你在用 Milvus 做知识库或批量加载后想加速查询，试试 Force Merge Compaction，它能在数据稳定后帮你合并段，减少查询扇出。
