形式预训练领跑，AI效率与智能体双突破
2026年8月6日，形式推导预训练以100B token达到80%准确率（节省36B token）成为今日最大看点；跨模型KV缓存迁移通过岭回归映射复用预填充，Qwen3 14B到32B键解释方差达79%；智能体应用同步突破：GDPevo基准验证自我进化提升16%，AgenticECO在3D-IC维修中清除七例，MCP桥接打通云端代理与本地工具。测试时缩放与语义优化亦为效率提升提供新路径。
模型发布/更新
5 篇
Karpathy 的新测试：让 Claude Opus 5 用 100 万 tokens 把《指环王》开头做成 3D 场景，2 小时生成了 5500 行代码。
VulcanBench 实测：Qwen3.8-Max 跑一趟 126 美元，DeepSeek V4-Flash 只要 13.6 美元，便宜 10 倍还更快。选性价比就 DeepSeek，选准确率就 Grok 4.5。
产品发布/更新
5 篇Meta放出了终端编程代理Muse Code，用Muse Spark 1.2驱动，跑大型仓库更稳，崩溃还能恢复，写代码的可以上手试试。
Meta下场做编程智能体了，Muse Code能直接处理整个代码库的任务，从规划到验证一条龙，用Muse Spark 1.2驱动，可以试试。
装了多个 AI 编程 Agent 的话，用 Metrik 一个桌面工具就能看所有配额和 token 消耗，不用挨个翻界面了。
行业动态
5 篇Hugging Face老板发推聊AI监管分层：别卡开放权重，API和App分开管。用钢铁和汽车的比喻把道理讲得很顺。
AMD给Linux内核提了个eSPI新框架，统一了BIOS和TPM的通信方式，补丁已经在AMDI0070上跑通了。
Demis 转任 Alphabet 首席科学家，Koray 接掌 Google DeepMind 日常，他自己要专注搞 AI 科学和药物研发了。
论文研究
5 篇这篇论文把197个终端界面应用打包成基准，拿4个大模型和随机点击对比，发现随机探索还挺能打，但大模型单次操作效率更高。他们开源了tuicov和tuibot，想测TUI的可以试试。
这篇把GFlowNets训练用信息几何重新梳理了，用Fisher-Rao度量做自然梯度，还给了三种能实际算的场景，图模型工具也用上了，搞生成流网络的可以看。
技巧与观点
5 篇
Mobileye用Bedrock AgentCore搭了个客服智能体，把本地系统和云打通了，还讲了怎么过安全和治理这关，挺实在。
Stripe 工程师用开源 Deep Agents 一周做出了人人爱用的 AI 同事 Kai，不用配置就懂公司内部流程，挺有意思。
