#长上下文
DeepSeek 把智能体的 KV 缓存砍到每 token 890 字节，比 V1 小 437 倍，Flash 还在 AA Index 上反超 V4-Pro，价格只要一半不到。
TheUnbiasedCo 发布的 Pareto 26.10 在 OpenRouter 上线，价格比旧版便宜近七成，还支持多模态和长上下文。
Meta 给智能体配了个记忆员，专记它犯过的错并适时提醒，把 Claude Sonnet 4.5 成绩从 37.6% 拉到 45.9%，做智能体的可以看看。
这篇论文造了个诊断集，专门测长上下文模型“找到了但没用上”的问题，DeepSeek 两个模型都被测出检索满分但解读掉分，做长文本评测的可以看看。
小米把 1M 长上下文的预填充成本砍掉 5 倍，KV 缓存也小了 4.5 倍，跑智能体任务的人可以看看这套 HySparse 2 架构。
一篇很实在的论文：作者发现长文档检索差的真正元凶是近处无关文字抢注意力，给出 LYRA 方法外加 ProxBench 基准，做了 RAG 的话值得看他们的实验数据。
一篇新论文 CompKV，重新设计了稀疏注意力里的 token 选择逻辑，长上下文推理自注意力最高快 6.85 倍，做推理优化的可以看看。
SGLang、Qwen和NVIDIA联手推出NVFP4 KV Cache，4-bit精度下1.78倍容量提升，长上下文推理提速近80%。
Boltzbit 和剑桥把对话内容动态编译成 LoRA 权重贴到模型上，长文档和多轮对话反超堆 Prompt，每轮算力还恒定。
OpenAI 用 1 万个代理做了个实验，结果挺有意思的，DeepSeek 也出了个新版本，对长文本处理更便宜了。
DeepSeek 新出的 V4.1-Flash 模型，KV 缓存占用比之前版本小很多，适合做长上下文对话，比如百万级文本的对话，而且性能还更好。
Hugging Face 新出的 TRL 库版本，能直接训练百万级 token 的模型，比之前版本更强大，适合做长文本任务。
LoGo让模型智能决定哪些token需要全局注意力，大幅提升长文本处理效率，比传统Transformer更聪明。