https://astalab.github.io/AstaNews/ 2026-06-30T08:00:00Z 每天精选 AI 全栈进展（Asta Lab） https://astalab.github.io/AstaNews/edition/2026-06-30#https://arxiv.org/abs/2606.29207 2026-06-30T08:00:00Z

长对话 agent 的推理常卡在一个别扭处：聊得越久，模型记前文用的 KV 缓存越吃显存，可想给它多挤点空间，老办法只能整机再复制一份完整模型权重——你缺的只是放缓存的地方，付的却是重买一整套算力的钱。

https://astalab.github.io/AstaNews/edition/2026-06-30#https://arxiv.org/abs/2606.29173 2026-06-30T08:00:00Z

让机器人拧瓶盖、把销子插进孔里，最难的往往不是看清楚，而是那些摄像头拍不到的瞬间：指尖到底碰上没有、握着的东西有没有打滑。一篇新论文 TacGen 想说的是，光靠给"看"的那张网络加码，这一口气补不上。

https://astalab.github.io/AstaNews/edition/2026-06-30#https://github.com/vllm-project/vllm/releases/tag/v0.24.0 2026-06-30T08:00:00Z

如果你正用 vLLM 跑生产、尤其是跑 DeepSeek-V4，新出的 v0.24.0 值得升一下。vLLM 是眼下最主流的开源推理框架，很多公司的推理服务就架在它上面，官方称这是本季度改动最大的一版：571 个 commit、256 位贡献者。

https://astalab.github.io/AstaNews/edition/2026-06-30#https://techcrunch.com/2026/06/29/arena-the-ai-leaderboard-e 2026-06-30T08:00:00Z

你大概见过它——几乎每场大模型发布会都要甩一张 Chatbot Arena 的排名截图当背书。这个起家于学术圈、原名 LMSYS、靠真人盲投票给模型排座次的天梯榜，如今估到了 17 亿美元。

https://astalab.github.io/AstaNews/edition/2026-06-30#https://the-decoder.com/claude-code-runs-a-github-repos-hidd 2026-06-30T08:00:00Z

你让 Claude Code 跑通一个仓库，它装依赖时报错，就自己读报错、找到修复脚本自动执行，几秒后你的机器已经被陌生人握住命令行。这是 Mozilla 0DIN 红队近期演示的攻击链，目前还是概念验证，没在野外爆发。

https://astalab.github.io/AstaNews/edition/2026-06-30#https://github.com/ggml-org/llama.cpp/pull/24162 2026-06-30T08:00:00Z

想在自己电脑上跑前沿大模型的人，过去大多不是卡在算力，而是卡在显存：对话或文档一长，上下文缓存就线性膨胀，消费级显卡很快被撑爆。现在 DeepSeek V4 让本地跑通有了第一个能上手的版本。

https://astalab.github.io/AstaNews/edition/2026-06-29#https://openai.com/index/previewing-gpt-5-6-sol 2026-06-29T08:00:00Z

如果你在用 ChatGPT Plus 或 API，GPT-5.6 暂时跟你没关系——它目前只向 OpenAI 选定的合作伙伴开放。这是第一次，一款 OpenAI 的主力模型在发布时就被政策约束住了发布范围。

https://astalab.github.io/AstaNews/edition/2026-06-29#https://github.com/deepseek-ai/DeepSpec 2026-06-29T08:00:00Z

DeepSeek 这次放出来的不只是模型权重，而是一整套推理工具箱。这对想在自己服务器上跑大模型的团队来说意义不同。

https://astalab.github.io/AstaNews/edition/2026-06-29#https://techcrunch.com/2026/06/27/asian-ai-startups-launch-m 2026-06-29T08:00:00Z

Anthropic 的出口禁令本意是限制能力扩散，但副作用正在显现：亚洲本土 AI 公司开始在旗舰级能力上认真较劲。

https://astalab.github.io/AstaNews/edition/2026-06-29#https://chipsandcheese.com/p/top500-at-isc26-we-have-a-new-n 2026-06-29T08:00:00Z

这台刚拿下世界第一的超算，没有 GPU。

https://astalab.github.io/AstaNews/edition/2026-06-29#https://the-decoder.com/sinas-open-model-vibethinker-3b-aims 2026-06-29T08:00:00Z

AI 能做好商业决策吗？普林斯顿团队花了相当于 500 天的创业模拟来测试，结论是：大多数不能。

https://astalab.github.io/AstaNews/edition/2026-06-29#https://www.alignmentforum.org/posts/XP794SHDuXYfWLrvJ/deplo 2026-06-29T08:00:00Z

AI 安全评估有个隐患：通过了测试，不代表部署中也安全。这篇文章把这个问题说得很清楚。

https://astalab.github.io/AstaNews/edition/2026-06-26#https://arxiv.org/abs/2606.25331 2026-06-26T08:00:00Z

做大模型的都知道，现在主流路线是自回归——一个字一个字往外蹦。今天有篇 iLLaDA 走了完全不同的路：掩码扩散，用全双向注意力一次性并行填空，再多步去噪出答案。它的分量在于，第一次把这条非自回归路线从零训练做到了 8B 规模。

https://astalab.github.io/AstaNews/edition/2026-06-26#https://unconv.ai/blog/introducing-un-0-generating-images-wi 2026-06-26T08:00:00Z

今天所有图像生成基本都靠神经网络——transformer 或 diffusion，说到底是堆矩阵乘法。Un-0 反着来：不用神经网络，改用一套模拟的 Kuramoto 耦合振荡器（一大群相互耦合、会自发同步的物理振子）来生成图像。

https://astalab.github.io/AstaNews/edition/2026-06-26#https://openai.com/index/how-agents-are-transforming-work/ 2026-06-26T08:00:00Z

agent 到底落地了没有，一直被各种宣传话术盖住，硬数据极少。OpenAI 这次罕见地公开了自家内部 Codex 的使用量，价值就在这。

https://astalab.github.io/AstaNews/edition/2026-06-26#https://arxiv.org/abs/2606.24898 2026-06-26T08:00:00Z

循环语言模型（looped language models，把隐状态反复送回自身做多轮计算、用同一组权重加深推理深度的架构）这两年挺火，因为它能用更少参数换更深推理。大家有个想当然的假设：既然每一轮都加了交叉熵监督，那训练信号应该管住了所有状态。这篇论文专门来拆这个假设。

https://astalab.github.io/AstaNews/edition/2026-06-26#https://arxiv.org/abs/2606.25487 2026-06-26T08:00:00Z

几乎每篇 LLM 越狱（jailbreak）和提示注入论文，结论都落在一个数字上：攻击成功率（ASR）。但这个数字几乎从来不是人逐条判的，而是一个自动评判器给的——要么是专门训的安全分类器，要么是被 prompt 来当裁判的聊天模型。问题是，这把尺子本身几乎没人检验过。这篇就去查了它。

https://astalab.github.io/AstaNews/edition/2026-06-25#https://the-decoder.com/openai-and-broadcom-unveil-jalapeno- 2026-06-25T08:00:00Z

OpenAI 今天和博通一起揭晓了自研推理芯片 Jalapeño。对做模型 serving、盯推理成本和算力供应的人，这条值得停下来看：OpenAI 不再只是英伟达 GPU 的大买家，而是开始自己造芯——这是它第一颗专为大模型推理（模型上线后响应请求、实际干活那一步）设计的定制 ASIC，摆明了要降低对英伟达的依赖、把推理成本压下来。

https://astalab.github.io/AstaNews/edition/2026-06-25#https://blog.google/innovation-and-ai/models-and-research/ge 2026-06-25T08:00:00Z

做 computer-use agent（让模型替你点鼠标、填表单、跑界面流程）的团队，这条值得停下来看：Google 把"操作电脑"的能力，从一个独立的 Gemini 2.5 模型，直接并进了主力快模型 Gemini 3.5 Flash，做成原生内置工具。以前你得专门调那个模型，现在常规调用 Flash 就自带这能力。

https://astalab.github.io/AstaNews/edition/2026-06-25#https://arxiv.org/abs/2606.24597 2026-06-25T08:00:00Z

通义团队发布了 Qwen-AgentWorld，号称首个能模拟 agentic 环境的「语言世界模型」。对做 agent 的人，这条值得停下来看：世界模型的作用是根据当前观察和动作预测环境接下来怎么变，是智能体做规划的核心机制，过去多用在游戏和仿真里，这次改用语言模型来做、专门服务通用 agent。

https://astalab.github.io/AstaNews/edition/2026-06-25#https://www.reuters.com/business/qualcomm-buy-ai-startup-mod 2026-06-25T08:00:00Z

高通要收购 AI 基础设施创业公司 Modular。对做推理部署、关注 AI 芯片格局的人，这条值得停下来看：一家手机芯片起家的公司，正试图把"硬件之上那层好用的软件栈"补齐，往数据中心和边缘推理市场延伸。消息来自路透社 6 月 24 日报道，Hacker News 上 139 分、36 条讨论。

https://astalab.github.io/AstaNews/edition/2026-06-25#https://the-decoder.com/mistrals-new-ocr-model-beats-competi 2026-06-25T08:00:00Z

Mistral 在 6 月 24 日发了新一代文档识别模型 OCR 4。如果你的活儿里有"把一堆 PDF、合同、幻灯片喂进模型"这一步，这条值得看一眼——它专门读 PDF、Word、PowerPoint，把文字和版面结构抽出来，正是文档流水线里最容易掉链子的环节。

https://astalab.github.io/AstaNews/edition/2026-06-23#https://arxiv.org/abs/2606.21228 2026-06-23T08:00:00Z

Sakana 发布了 Fugu 系列模型，走的是一条和「做一个全能大模型」不太一样的路：把不同厂商各有所长的 LLM 拼成一个更强的整体。Fugu 本身是被训练出来的「编排者」——它读懂你的问题后，临场设计出一套智能体协作方案，决定调哪些模型、怎么组队，从而拿到超过任何单个模型的表现。团队放出两个版本：Fugu 兼顾速度与效果、适合日常，Fugu-Ultra 则在最难的问题上死磕答案质量。

https://astalab.github.io/AstaNews/edition/2026-06-23#https://natolambert.substack.com/p/tmax-an-open-rl-recipe-fo 2026-06-23T08:00:00Z

Ai2 联合华盛顿大学开源了 TMax：一套训练终端 agent 的强化学习配方，外带一个基于 Qwen3.5 的 9B 终端 agent。对做 coding agent 的团队，这条值得看——它给的不是又一个只能调的闭源 API，而是权重、数据连同训练全过程的 RL rollout 一起摊开，相当于把一条从零做终端 agent 的可复现路径放上了桌面。

https://astalab.github.io/AstaNews/edition/2026-06-23#https://github.com/netease-youdao/Confucius4-TTS 2026-06-23T08:00:00Z

网易有道把自家"子曰4.0"体系的语音合成引擎 Confucius4-TTS 开源了。对做数字人、跨境内容、语音产品的团队，这条值得停下来看：它是一个能下载到本地、自己部署、还能商用的国产 TTS 选项，而不是又一个只能调 API 的闭源服务。模型 1.3B 参数，采用宽松的 Apache 协议，开放完整权重，下载 54G 资源包即可离线运行。

https://astalab.github.io/AstaNews/edition/2026-06-23#https://arxiv.org/abs/2606.21848 2026-06-23T08:00:00Z

长上下文推理最烧的一笔账，是 KV cache。模型生成时要把每个 token 的 key 和 value 两份缓存都存下来，上下文越长越占显存。这篇 Keyless Attention 的省法很干脆：把 key 这一半整个删掉，注意力只在 query 和 value 上算，缓存里只剩 value 一份，显存和访存开销精确减半 50%，而解码速度还和原来持平甚至更快。

https://astalab.github.io/AstaNews/edition/2026-06-23#https://arxiv.org/abs/2606.20905 2026-06-23T08:00:00Z

机器人要在真实环境里干活，得同时会定位、空间推理、导航和长程规划。主流做法是每样能力配一个专门模型，再串成流水线——算力贵，而且前一环出错会沿着链条把错误层层放大。Vesta 换了个思路：把这些能力全收进一个统一的具身基座模型，用一个通才顶替一整队专才。