SemiAnalysis 在 Vultr GPU 集群上测试时发现多项问题：镜像含 CUDA、Docker、runc 等多个存在 CVE 的库，登录 pod 缺少 `/shared` 挂载和 Pyxis 配置，K8s 默认 `vultr-block-storage` StorageClass 与裸金属集群不兼容导致 pod 卡在 `ContainerCreating`。

SemiAnalysis 在 ClusterMAX 2.0 评测中给 Vultr 颁发"参与奖（低于铜牌）"，指出其集群交付存在若干基础错误，且近一年后问题模式依旧。Vultr 自称"全球最大私营云基础设施公司"和"最大私营超大规模云厂商"并不属实，但其仍拥有 GB300 与 MI355X 现代 GPU，包括俄亥俄州一处宣称 50 MW 的 AMD 站点。

感谢 Andreas、Kevin、@roaner、@AnushElangovan、Peng Sun、@EmadBarsoumPi 以及团队，感谢你们发现集群不稳定问题以及稳定 AMD CI GPU 不足的问题，并采取行动修复。(3/3)

vLLM 中的门控测试是 vLLM 测试中要求最高的之一。话虽如此，AMD 仍有超过 11 个完整测试组尚未达到同等水平，但预计很快就能追平。(2/3)

AMD 重大时刻🚨本周：AMD 在上游 vLLM 门控测试组上已达到 90% 以上的通过率！ 这是 AMD 维护者（特别是 Andreas）以及 vLLM CI 负责人 Kevin 数月努力的结果，此外 SemiAnalysis 也为 vLLM 争取到了足够的 CI AMD GPU——此前上游维护者抱怨数月 vLLM 和 AMD CI 上没有足够的 AMD GPU，且 AMD CI 整体稳定性存在问题。(1/3)🧵

Cerebras CEO 解释晶圆级架构为何在 LLM 推理中比 GPU 快 2500 倍

Cerebras 联合创始人兼 CEO Andrew Feldman 解释，其晶圆级架构在 LLM 推理的 decode 阶段比 GPU 快约 2500 倍。

Peter Steinberger：Apple 新开发者协议导致其全部开源发布停摆，Linux/Windows 版本一并被锁

Peter Steinberger 称其所有开源发布因 Apple 上线新开发者协议而停摆，由于发布流程 lockstep 绑定，Linux/Windows 版本也被一并阻断。评论指出，一个平台专属的协议签署成了跨平台发布的单点故障，有人建议拆分发布任务，但认为真正的解法是在发布前就检测到该阻塞。

Peter Steinberger：btrfs COW 适合 worktrees 但对 sqlite 有害，下个 OC 更新将迁移数据库到 NOCOW 位置

Peter Steinberger 发现 btrfs 的 COW 特性对 worktrees 很好，但对 sqlite 很糟糕。下一个 OC 更新将识别这一情况，并把数据库迁移到 NOCOW 位置。

马东锡 NLP 建议 A4-A5 层级的用户暂缓入手 nvidia DGX Spark，认为单点 RTX、DGX Spark 等单品会让人误以为可以轻松进入该层级。

SemiAnalysis 复测 Lambda：ClusterMAX 2.0 可靠性改进与 XID 79 未监控问题

SemiAnalysis 在 ClusterMAX 2.0 复测中指出，Lambda 的被动健康检查自动修复了测试中模拟的三个错误，两个合成 XID 在 15 分钟内被自动修复，并有配套仪表盘监控节点健康。

SemiAnalysis：定制 HBM 可将 Nvidia Rubin 计算芯片的 HBM4 控制器与 PHY 占用面积减少约 60%

SemiAnalysis 估算 HBM4 控制器和 PHY 约占 Nvidia Rubin 计算芯片 16% 面积。定制 HBM 用紧凑 D2D 链路替代标准 PHY，Samsung 数据显示其标准 HBM4 PHY 占 8mm x 4mm，定制 D2D 接口仅需 8.5mm x 1.5mm，面积减少约 60%，同时内存控制器从计算芯片移至 HBM base die。

SemiAnalysis：定制 HBM 可将 HBM4 控制器与 PHY 占用面积减少约 60%

SemiAnalysis 估算 HBM4 控制器和 PHY 约占 Nvidia Rubin 计算芯片 16% 面积，定制 HBM 可将这部分空间还给计算或缓存。

SemiAnalysis：HBM4 控制器与 PHY 约占 Nvidia Rubin 计算die 16%

SemiAnalysis 估算，HBM4 控制器和 PHY 约占 Nvidia Rubin 计算 die 的 16%，大量先进制程面积被用于与内存通信而非计算。

现在 Google GPU 集群真正令人惊叹的一点是，NVIDIA 和 Google 已为 Google 的 ConnectX-7/8 NCCL 插件设置了自动激活。此前，用户需要折腾正确的库加载路径和环境变量，才能在 GCP NVIDIA GPU 机器的 ConnectX NIC 上正确设置并优化性能。我们几个季度前反馈过，现在已完全自动化！(2/2)

SemiAnalysis 评价 Google GPU 集群体验已达到 Gold 级，Google 团队在不到 2 年内从 Bronze 升至 Gold。但 GCP GPU 体验仍不及 Platinum 级的 CoreWeave 和 Nebius，控制台 UI 被比作 DMV 般繁琐，Google Cloud CLI 偶尔失灵，有时被迫改用浏览器连接且同样不稳定。

Qodo 3.0 发布 PR Triage：为编码智能体跨仓库 PR 提供整体审查

Qodo 推出 Qodo 3.0，新增 PR Triage 功能，将编码智能体跨不同仓库产生的相关 PR 归组为一个工作包，并按代码库影响、SLA 和未决问题打分。跨仓库地图展示工作包涉及的每个仓库，每项评分附有自身推理依据，Qodo 为整个工作包生成一份审查简报，让审查者一起审查 PR，人类仍负责最终批准代码。

Elvis Saravia 建议自建 meta harness 以便平滑切换模型

DAIR.AI 的 Elvis Saravia 建议开发者自建 meta harness，最大好处是能在不同模型间平滑切换。他认为随着模型发布周期缩短，这一点愈发重要，RSI 只会让发布进一步加速。切换模型不应破坏现有配置，若会破坏，说明你的设置不适应当前的发布节奏，需要尽快修复。

Meta 等提出 Context Language Models：让模型用 Bash 编辑自身上下文

Meta 与同事的论文提出 Context Language Models（CLM），把上下文作为模型可用 Bash 编辑的文件，由模型决定保留、改写或删除哪些内容。

Onepin 推出 AI 语音质检层：逐行检查发音，只修错词不重录

Onepin 发布 AI 语音质检层，在文本转语音之后逐行检查配音，用 400 万词发音词典核对人名与产品名，并提前拼读价格和日期。它按自然度、清晰度和词准确率给每行音频打分，出错时只修复那个词、不重新渲染整段。该工具兼容 ElevenLabs、OpenAI、Google 等 30 多家语音服务，免费起步、无需信用卡。

Volantis 用光学技术破解 AI 内存瓶颈，目标单用户 10000 tokens/秒推理速度

Volantis 完成 8800 万美元 A 轮融资，通过光学技术为每颗芯片提供更大容量和更高带宽的内存，目标在超过 10T 参数的模型上实现每用户最高 10000 tokens/秒的推理速度。该方案旨在解决 AI 内存瓶颈，初期可让原本耗时数小时的编程智能体在几分钟甚至几秒内完成。团队曾参与首款 CoWoS 产品、早期 HBM 及首款硅光 CPO 系统等半导体技术研发，下一代产品已完成流片。

AWS Machine Learning BlogAI 评分2222

uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署生产

uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 做监督微调，并叠加提示词级输出优化，使其适配自身零售审核策略。

AWS Machine Learning BlogAI 评分3434

如何在 AWS 上为 Claude Platform 实现多环境访问

面向 Claude Platform on AWS（CPonAWS），文章给出在专用 AI Services 账户中部署订阅、并用三种方式接入推理的完整步骤：AWS 工作负载账户通过跨账户 SigV4 免密钥调用，开发者笔记本使用绑定开发工作区的 API key，外部环境通过 OIDC 联合获取短期凭证。

Volantis 宣布完成 8800 万美元 A 轮融资，称正用光学方案解决 AI 的内存瓶颈，为芯片提供大容量、快速且廉价的内存。公司表示，通过将单芯片内存带宽和容量提升数个数量级，可为超过 10T 参数的大模型实现最高 10,000 tps/user 的超快推理，并压低 $/tok，初期将让编程智能体从数小时缩短到数分钟甚至数秒完成任务。

TechCrunch · AIAI 评分5050

AWS 发布开源决策模型 Strands Decider 2B，对标 TypeSafe 的 Jev

AWS 发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 构建，可在本地运行，用于在预设选项中快速做出选择并给出置信度评分。该模型由 AWS 杰出工程师 Marc Brooker 受 TypeSafe 的 Jev 启发开发，曾在同尺寸模型的 Jevbench 排名中登顶。

✨ Viggle Turbo v0.3 来了！ 更干净的表面、更精细的细节，以及更好的小文字渲染，得益于新的 9 步模式。 现在在 ComfyUI 中更易使用——可作为 LoRA 或单文件 int8/fp8/GGUF 模型使用。

IP 白名单让管理员将 API 访问限制在已批准的 IP 地址，来自其他任何地方的请求都会被阻止。

新增的安全标签页可查看所有工作区的 API 密钥。 可按风险、所有者或不活跃状态筛选。 可对密钥设置限额、禁用，或单个/批量归档。

我们审计了自己的 OpenRouter 账户，发现 85 名员工有 1,000 多个活跃 API key。其中许多已数月未使用。🫣 于是我们构建了 Security Center。它会展示你所有工作区中的每个 key，并标记哪些存在风险及原因。你可以一次性禁用、归档或限制最多 500 个。

谁走定制路线、谁坚持标准方案，原因何在，这对内存厂商和代工厂意味着什么：尽在我们最新的 Memory Model 笔记《All About That Base》：sales@semianalysis.com (2/2)

GPU 是印钞机吗？ IngramX 团队解析了 Engram 内存卸载、AgentX 的利润计算器、TPU v7、Vera Rubin 与 Blackwell 的对比，以及更快的 token 是否值得溢价。 此外：TileRT 正在进一步挖掘 NVIDIA GPU 的潜力。这对专用芯片意味着什么？ Jordan Nanos (@JordanNanos) 与 Cam Quilici (@noslawextratost)、Bryan Shan 和 Alec Ibarra 一起带来新一期 SemiAnalysis Weekly。

为开放权重敞开大门 🚀 @vLLM 和 Cohere 将在多伦多联合举办一场聚会，讨论我们如何为开源的未来做出贡献并推动其发展。 此外，还将听到 vLLM 主要维护者分享 vLLM 的下一步发展方向，以及 @NVIDIAAI 工程师讲解智能体调试。与我们的团队交流，共同学习 🧠

我们期待在SPACE上与新的@NVIDIA Vera CPU合作。

The DecoderAI 评分6969

Cloudflare 发布 Clef 与 Clef-flash 决策模型，主打低延迟智能体决策

Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，返回带概率的简短分类而非长文本，用于路由工单、触发升级或转交人工。

Keras 社区会议公布新可插拔后端计划，将推出 MLX 和 PaddlePaddle 后端，新后端以附加库形式安装。Keras 将减少新后端所需 ops 数量，为所有次要 ops 添加后端无关实现，并用单一测试框架统一测试 casting 一致性等功能。KerasHub 新增大量模型，并将弃用 tf-text 预处理、改用 PyGrain。

GPT-6 系列模型选型指南

OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。

Google AI 宣布 Project Suncatcher 项目发射原型卫星，由 Google 与 Planet 合作建造，搭载 SpaceX Transporter-18 拼车任务入轨。该任务将收集 Google TPU 在太空飞行物理压力与极端环境下的表现数据，为未来连接多个卫星星座、实现规模化机器学习提供依据；在低地球轨道运行可利用近乎持续的阳光，产生比地球多最多 8x 的太阳能。

MIT Technology Review · AIAI 评分1212

以自主 AI 重新定义企业智能

MIT Technology Review 报告指出，企业 AI 的规模化瓶颈是结构性的，全球 AI 投资 2026 年将达 2.5 万亿美元、同比增长 44%，但多数企业仍未靠 AI 增长收入。报告称领先企业把流程重设计置于模型选型之前，并强调数据就绪而非数据规模，主张以主权、可组合的架构在数据原地查询与准备数据，供 AI 智能体直接行动。

AWS Machine Learning BlogAI 评分4040

用 Amazon Quick 与 Adjudicated Query 模式批量审查数千份租约合规性

AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言翻译成固定类型操作并叙述结果。

AWS Machine Learning BlogAI 评分2929

用 Amazon Bedrock AgentCore 为 Claude Desktop 添加安全 Web Search

通过 Amazon Bedrock AgentCore Gateway，可将 Claude Desktop 接入由 Amazon 网页索引支持的 Web Search，覆盖数百亿文档，查询流量全程留在 AWS 内，无需外部 API key。

AWS Machine Learning BlogAI 评分3434

在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体

在 Amazon SageMaker AI 上可用多轮强化学习（MTRL）微调搜索智能体，官方示例以 Qwen3.6-27B 为基础模型，在 us-west-2 区域训练，智能体配备 BM25 词法搜索与向量搜索两个工具。