PyTorch 2.15 为 MPS 带来 FP8 支持和更快的 LLM 解码
PyTorch 2.15 在 MPS 后端加入 FP8 张量支持，并把解码、softmax 等算子从 MPSGraph 换成专用 Metal kernel。
推荐理由：在 Mac 上跑本地 LLM 的开发者可以装 2.15 RC 试解码提速，前提是 macOS 15 与 Python 3.11 以上。
#推理
#推理
今日 0 条Hugging Face Blog精选AI 评分7272
Hugging Face Blog精选AI 评分7474 Apertus 1.5 发布 8B 与 70B 版本，支持图像音频理解与 262k 上下文
Apertus 1.5 在 8B 和 70B 两个规模上加入图像与音频理解、可选 thinking 模式，上下文窗口扩展到 262,144 tokens，是 1.0 的四倍。
推荐理由：想在本地跑多模态的团队可先下 8B 权重微调，注意模型只输出文本，图像和语音仅作输入。
Google DeepMind精选AI 评分8282 Google DeepMind 大范围推送 Gemini 4 Argon 并发布安全防护报告
Google DeepMind 开始大范围推送 Gemini 4 Argon，并同步发布安全与安全防护报告。该模型在编码、金融、法律、网络安全和科学等复杂任务上能力提升，网络安全防御达到前沿水平，在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个。
推荐理由：做 Agent 产品的团队可以参照它的三层实时防护和提示注入测试，给工具调用链路补上输入筛查与过程监控。
Google DeepMind精选AI 评分8989 Google 发布 Gemini 4 Argon，输入 token 定价 2 美元/百万
Google 发布前沿模型 Gemini 4 Argon，当天通过 AI Studio 和 Gemini API 向开发者与企业开放，Gemini app 与搜索 AI Mode 面向 Ultra 和 Pro 订阅用户上线。
推荐理由：开发者可先在 AI Studio 付费 API 上重跑自家代码库重构任务，按 2 美元/百万输入 token 估成本再决定迁移。
NVIDIA Blog精选AI 评分6565 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，借助 NVIDIA Blackwell GPU 的推理优化，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：运行编码智能体的团队可以在 API 里切换到 Ultrafast 模式，缩短工具调用之间的等待，接入和价格需查官方指南。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M tokens
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向一批可信网络安全防御者开放，之后再逐步推向开发者、企业和消费者。
推荐理由：企业安全团队可先申请 Fairwind 计划或等付费 API 开放，用它在自有代码库做漏洞发现与修复的初筛。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御者的 Gemini 3.8 Flash Cyber，延续 3.7 Flash 的价格，每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：开发者可在 Gemini API 中用它跑长周期编码与智能体任务，先用低 effort 档位控制 token 成本。
Hugging Face Blog精选AI 评分6666 IBM 详解 Granite 4.2 推理模型家族如何从预训练做到 Agentic RL
IBM Granite 团队发布 Granite 4.2 系列推理模型，含 3B、8B、30B 三个稠密尺寸，采用 Apache 2.0 许可，均由 Granite-4.1 base 后训练而来。
推荐理由：想在本地跑代码智能体的团队，可用 vLLM 起一个 OpenAI 兼容端点，把 Granite 4.2 30B 接进 OpenHands 或 OpenCode 试任务。
Hugging Face BlogAI 评分5959 Multiverse Computing 提出量化感知修复 QAH，4-bit 模型在 7/9 基准超过全精度版本
Multiverse Computing 发表论文提出量化感知修复 QAH，在模型结构压缩并量化之后直接从原始全精度大模型蒸馏，而非从已恢复的 bfloat16 检查点蒸馏。