Anthropic 测试让 Claude 自主对齐其他模型
Anthropic Fellows Research 给 Claude 48 小时和 1 块 GPU，让其独立研究、提出方法、训练并测试小模型，以修复欺骗、谄媚等可测量的失配。在 10 类对齐失败上，Anthropic 称安全分数得到改善且通用能力未下降，最佳方法还能泛化到未直接优化的 benchmark、Petri 行为审计和大 4.7 倍的模型。更激进的试验中，Sonnet 5 对更强的 Opus 4.8 早期 checkpoint 做后训练，安全分数接近完整生产对齐后的 Opus 4.8。其关键限制也由官方明确指出：罕见或细微失败可能没有可测 benchmark，自动化对齐的可靠性最终取决于测量覆盖。
来源：研究主帖 · 泛化结果 · 弱模型对齐强模型 · 限制与开放研究环境
标签：#Anthropic #Alignment #AutomatedResearch
GLM-5.3 开放权重，vLLM 与 SGLang 同日生产支持
Z.ai 正式开放 GLM-5.3 权重，定位于 Agent 编码与网络防御。vLLM 给出的结构信息为 744B 总参数、40B 激活、1M 上下文、128K 最大输出；模型保留 GLM-5.2 base，主要扩大后训练。SGLang 宣布 NVIDIA Hopper/Blackwell 与 AMD MI300X/325X/355X 的 day-0 支持，并在真实多轮 Agent workload 上自报 NVFP4 537.6 tok/s/user。Inferact 同步发布 465 GB 的 NVFP4 权重，较 756 GB FP8 checkpoint 更小；Inco AI 的 DFlash 2 drafter 则宣称相对原生 FP8 最多 4.4 倍吞吐。性能数据来自各实现方，不能视为统一测试条件下的横向基准。
来源：Z.ai 权重 · vLLM 结构说明 · SGLang 支持 · NVFP4 权重
标签：#GLM53 #vLLM #SGLang #Inference
FastH3 把开放权重视频模型推向近实时生成
Hao AI Lab、NuvaLab 与 FastGen 发布 FastH3 v1，宣称在 NVIDIA Blackwell 上以 13 秒生成 15 秒、768p 视频，相比基线最高加速 14 倍，并公开加速方案。vLLM 团队表示将与其合作把 FastH3 接入 vLLM-Omni。结合前一日 H3 Max 在 GB200 NVL72 上的后训练与服务，视频生成的竞争重点正从单纯画质转向模型、稀疏/复用算法、推理引擎和机架级硬件的联合优化。
标签：#FastH3 #VideoGeneration #Blackwell #vLLMOmni
Gemini Co-Scientist 开始进入真实科研协作
Google 研究团队展示 Co-Scientist 的扩展版本，与材料科学、生物学和计算机科学研究者开展真实协作，强调从提出假设走向现实世界科学发现流程。这条动态目前披露的是早期进展，尚不能仅凭帖子判断发现的独立验证程度，但它与前一日 Terminal-Bench-Science、Anthropic MHS 一起表明，AI4Science 正同时补齐“科学推理 Agent、工作流评测、真实仪器接口”三层能力。
来源：研究团队主帖
标签：#Gemini #CoScientist #AI4Science
Agent 工程开始重视可验证循环与生产评测
Infer-forge 将长期推理优化拆成三层：Harness 管执行、Task Loop 管单任务契约、Task Graph 管经过验证的多任务依赖，并强调不丢失 provenance。LangChain 介绍 Clay 每月 3 亿次以上 Agent run 的四象限评测框架，认为最难的是闭合 production-to-eval 回路；OpenWiki 的讨论则继续把 Wiki、instruction file 和可自纠知识表示视为 Agent 长期记忆的基础形态。共同方向是把 Agent 从一次性调用变成可追踪、可验证、可持续改进的工程系统。
来源：Infer-forge · Clay 生产评测 · OpenWiki 讨论
标签：#AgentEngineering #Evals #Provenance #Memory
其他值得关注
- vLLM 梳理 MTP、EAGLE-3、DFlash、DSpark 等五种投机解码方法，强调最佳选择随模型、负载和 speculation depth 变化，并不存在通用赢家：原帖。
- 腾讯 Hy4-preview 获 vLLM day-0 支持：770B 总参数、49B 激活、1M 上下文，每次查询只关注 2048 tokens，78 层中仅 21 层计算自己的 sparse index：原帖。
- LangChain 1.4.0a2 开始基于 FastMCP 支持新版 MCP spec，并计划同步进入 deepagents：原帖。
- NVIDIA 称 Texas A&M 的 VISION DGX SuperPOD 含近 760 块 GPU，是 2026 年 6 月 TOP500 中最强的学术超算，并服务七家机构：原帖。
- 一项 vLLM+NIXL 的开源 prefill/decode 分离实验称：无高速互连时拆到不同 GPU 令 TTFT 恶化 5.5 倍，CPU prefill 约比 GPU 慢 100 倍，提醒 P/D 分离高度依赖网络与部署拓扑：原帖。
- PAWBench 关注视频世界模型是否不仅生成“可能的结果”，还学会现实中的结果频率分布：原帖。
今日观察
今天最值得关注的不是单一模型，而是“自动研究—自动对齐—自动优化”正在形成相似的闭环：Claude 尝试修复其他模型的对齐问题，Infer-forge 用任务图保留推理优化 provenance，Co-Scientist 进入真实科研协作。与此同时，GLM-5.3 与 FastH3 的发布再次证明开放权重模型要获得实际影响力，必须与 day-0 推理支持、量化权重和硬件优化同时落地。下一阶段的分水岭将是这些自动循环能否对罕见失败保持测量覆盖，而不是只在已有 benchmark 上持续 hill-climb。