大模型

OpenAI 在 GPT-6 Astra 后推出 Sol 与 Luna，主打更低 API 成本、更少事实错误和更清晰的任务分工。

GPT-6 Sol 与 Claude Opus 5.5 在同一天发布。OpenAI 强调更低价格、缓存与编程能力，Anthropic 则突出长任务效率、成本和表达清晰度。

Anthropic 内部数据显示，Claude Code 多类任务成功率已接近九成。但高成功率是否意味着 AI 能递归自我改进？现有证据仍不充分。

NanoJev用0.6B模型直接输出概率分布，减少自回归文本生成带来的解码开销，为游戏智能体和批量决策任务提供了一种更轻量的模型形态。

剑桥大学研究者提出“无限参数LLM”：不把运行时信息持续塞进上下文，而是在会话中动态生成并调整权重补丁。该机制可减少重复读取上下文的成本，为长期记忆和参数化知识更新提供新路径，但泛化能力、等算力成本、可审计性和生产安全仍是待解问题。

在同一模型权重和硬件条件下，仅改变请求路由，长上下文场景的首字延迟可下降七成以上。围绕调度、内存和服务层的“权重之外”优化，正在成为大模型推理工程的新重点。