OpenAI 暂停部分前沿 RL 训练，理由是能力进入“网络安全关键”区间
Sam Altman 表示，OpenAI 已暂停部分 frontier RL training，以确认新的能力水平满足相应的 alignment、安全与监控标准；他补充说近期仍预计发布新的优秀模型，但这次暂停影响更远期的发布。这是 OpenAI CEO 对真实训练节奏的公开表述，不是外部传闻。动机上，它既是在执行此前“能力触及阈值就放慢”的承诺，也是在能力快速进展时为部署控制、滥用监测和网络安全评估争取时间。公开动态没有说明具体模型、暂停规模、触发指标或恢复条件，因此不能进一步推断训练已全面停止。
来源：暂停部分前沿 RL 训练 · 近期与远期发布说明
标签：#OpenAI #Alignment #Cybersecurity #FrontierAI
Anthropic 公布 Claude 蛋白 binder 设计实验，并开放提示词与数据
Anthropic 称，在不同实验设置下，Claude 设计的蛋白 binder 有 22%–35% 成功结合，而其给出的领域典型成功率为 10%–15%；公司同时发布技术报告，并开放提示词与实验数据。官方也主动强调 binder 不是药物：高亲和力结合只是开发药物样分子的第一步，之后仍需安全性、有效性和临床流程验证。因而这项结果应理解为受控实验中的分子设计命中率，而不是“Claude 已能开发药物”。Anthropic 还预告将推出面向科学家的高能力模型访问计划，目前称 Opus 5 是其生命科学研究中最强的可用模型。
来源：实验主帖 · 成功率 · binder 与药物边界 · 报告与开放数据
标签：#Anthropic #Claude #ProteinDesign #LifeScience
Miles v0.1 把 LLM 与多模态模型的 RL 后训练做成开放生产栈
RadixArk 发布开源 RL 框架 Miles v0.1，目标是帮助团队验证训练正确性、提高硬件利用率并维持大规模训练稳定性。配套生态显示，SGLang 是原生 rollout engine，训练侧可配 Megatron-LM 与 FSDP；AgentENV 已作为 agentic RL sandbox backend 接入。Eigent AI 还称其用 Miles 在数千个环境中训练 terminal coding 与 ML engineering agents，但这是使用方陈述，不能替代公开基准。相较单一算法发布，Miles 更值得关注的是把 rollout、训练、sandbox 和异步执行组织成可调试的后训练系统。
来源：Miles v0.1 · SGLang rollout · 训练侧组合 · AgentENV 集成
标签：#Miles #SGLang #ReinforcementLearning #PostTraining
TensorRT Model Connect 试图缩短 Hugging Face 模型到原生推理的路径
NVIDIA 将 TensorRT Model Connect 作为 Public Preview 发布，称受支持的 Hugging Face 模型可通过两条命令转换为端到端 TensorRT 推理，不需要中间 ONNX 导出，生成的 bundle 可由原生 C++ API 运行。Tianqi Chen 特别指出其一等支持 TVM-FFI，可把自定义 DSL 与 Agent 生成 kernel 接入 TensorRT。这里的产品事实是预览版发布与接口路径；易用性、模型覆盖和性能收益仍需对具体模型逐项验证，不能从“两条命令”推断所有模型都能无修改转换。
来源：NVIDIA 发布 · TVM-FFI 与自定义 kernel
标签：#TensorRT #TVMFFI #KernelAgent #Inference
Block 开源 Berd：把模型、harness、项目上下文放到同一个桌面环境
Block 开源内部使用的 Berd 桌面应用，用于跨项目、skills、tools、models 和不同 Agent harness 工作。团队的产品判断是：模型与 harness 已经很多，缺少的是员工愿意每天打开、能保留工作与上下文的统一环境；Berd 允许自带模型与 harness，并以更强的视觉个性区分 agents。它与 Block 现有 Goose、Buzz 形成相邻但不同的层次。当前动态主要展示产品定位和团队使用经验，尚无跨团队效率、任务成功率或资源成本数据。
来源：Block 产品说明转发 · 内部设计动机 · Berd 入口
标签：#Block #Berd #AgentDesktop #OpenSource
LangSmith Tuned Evaluators 把评测从发布检查推进到生产反馈循环
LangChain 发布 Tuned Evaluators，首个 evaluator 是 Perceived Error：它在生产 traces 上识别用户纠正、拒绝、重复请求或问题未解决等信号，并把反馈写回 Agent 改进流程。社区转述称专门训练的 judge 将评测成本降低约 82%，项目方还声称其内部 benchmark 超过 frontier judge；由于抓取到的长帖被折叠，日报不补写未展示的完整比较口径。核心方向很清楚：让较小、专门化的 evaluator 持续跑在生产轨迹上，使 eval 从上线前清单变成常驻反馈回路。
来源：Harrison Chase 发布 · Perceived Error 信号 · 成本转述
标签：#LangSmith #AgentEvals #ProductionMonitoring #FeedbackLoop
其他值得关注
- DFlash 2 团队称 Qwen3.8-27B 在 M5 Max MacBook Pro 达到 70 tok/s，最高为自回归解码的 4.6 倍且输出相同；这是作者给出的特定设备与模型结果：原帖
- Z.ai 宣布 GLM-5.3 API 上线，定位 coding、防御性网络安全和长时 Agent 任务，价格与 GLM-5.2 相同；转帖提到 Artificial Analysis Index 60：原帖
- Hugging Face 宣布 Hub 模型数超过 300 万：原帖
- Hugging Face CEO 称 ICML reproduction challenge 中 1,221 名参与者与 coding agents 协作核验和复现 2,226 篇论文；这是活动方统计：原帖
- Sentence Transformers v6.0 将 ColBERT 风格 late interaction 的 MultiVectorEncoder 纳入一等模型类型：原帖
- NVIDIA AI Infrastructure 转述 Shopee 的 Compass 模型月 API tokens 在八个月内从 30 亿增长至 3,400 亿；数字来自厂商案例，需结合请求结构和 token 口径理解：原帖
- 蚂蚁集团通过 InclusionAI 加入 PyTorch Foundation，成为 Gold Member：原帖
今日观察
今天的高价值动态形成了一个完整闭环：前沿实验因安全阈值而主动减速，科学应用用开放数据接受复核，后训练基础设施开始产品化，推理工具缩短模型到部署的路径，桌面环境统一多模型与多 harness，生产 evaluator 再把真实错误反馈回系统。竞争焦点已经不是“有没有 Agent”，而是能否同时掌握训练节奏、可复现实验、部署通路、工作上下文和持续评测这五个控制面。