把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
Dharma AI发布约束感知GPU分配器，在七种基准场景中对比FIFO调度器，相同硬件与负载下GPU利用率提升最多33个百分点，优先级加权输出最多提升105%。该方法将实时推理视为需求曲线而非固定预留，按优先级跨整个调度 horizon 放置批量任务，并通过22维特征预测训练负载与周需求画像来支撑调度决策。
Why it matters: 同一集群通过调整分配顺序而非更换硬件，实现了最高33个百分点的利用率提升，为企业GPU调度提供了可复用的约束感知方法。
Together AI 在端点层新增 A/B 实验功能，通过控制组与变体部署的百分比分流对比真实用户指标。实验挂载到端点，控制组在基础流量中按权重抽取后重新采样到变体，变体权重必须为零；支持 95/5 到 50/50 多档流量与最多 20 个变体，通过 etag 防止并发更新冲突。
Why it matters: 平台在端点层原生支持 A/B 实验与滚动升级的编排，读者可据此把新模型上线从自建分流逻辑中解耦。
Cloudflare One 发布 MCP 流量检测与管控功能，可在 Gateway 日志中通过 experimental.is_mcp 选择器识别并阻断/允许 MCP 流量，同时提供 MCP 流量仪表盘展示服务器、用户和连接来源。
Why it matters: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Cloudflare 发布 Access on Workers，支持在账户、单个 Worker 或命名空间级别默认启用认证，无需开发者逐一配置。用户可通过身份提供商、邮箱或群组控制访问，并直接从 ctx.access 获取认证用户信息，无需手动验证 JWT。该功能基于新代理 FL2 推出，现已对所有用户开放。
Why it matters: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Strands Robots 演示了用 Storage Bucket 记录 LeRobot 格式数据、通过字节级去重同步、从 Hub 流式读取训练、再以 mode='real' 部署到物理机器人的完整循环。示例使用 SO-100 机械臂和 mock policy，配套 notebook 在模拟环境即可运行。
Why it matters: 原文给出一条从录制到训练再到部署的完整数据循环，读者可据此判断它会怎样改变现有机器人工作流。
NVIDIA Nemotron 3.5 Lightning 现已上线 Ollama，30B 总参数、每 token 仅 3B 活跃参数，基于混合专家架构，专为本地 Agent 设计。模型支持 1M 上下文、推测解码多令牌预测，经称可达 4 倍吞吐量与 30% 更快任务完成时间，权重与数据集均开源，可在 RTX PC、工作站、DGX Spark / Station 及云端运行。
Why it matters: 开源本地 Agent 模型兼顾 3B 活跃参数与 1M 上下文，读者可据此评估在 RTX 设备上跑高吞吐多步任务的可行性。
GitHub 发布 Copilot SDK for Java 1.0.7-preview.1，提供框架无关且支持 BYOK 的 Java 端 Copilot 集成方式。SDK 支持注解、lambda 和 JSON Schema 三种工具定义，通过虚拟线程与 Jakarta EE 组合，并可在 Open Liberty 26 上运行示例房产推荐代理应用。
Why it matters: 原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Cloudflare 在 Agents Week 期间推出 Workers 计算机运行时、Agent 开发生命周期（ADLC）、Cloudflare Agents、Wallets、Agent Access Model、WebMCP、MCPv2、Kitesurf 浏览器、AI Search 及统一 AI 控制平面等工具与平台更新。
Why it matters: Cloudflare 把 Agent 全生命周期接入平台，读者可据此评估自研 Agent 工作流与基础设施选型。
Meta Superintelligence Labs 发布开源多模态模型 Muse Glimmer（30B，Apache 2.0），已在 Ollama 上线，支持 128K+ 上下文，专为本地 Agent 工作流设计。
Why it matters: 原文给出了本地 Agent 工作流的具体入口和 Apple Silicon 上的性能提升，读者可以据此判断它会怎样改变本地编码与多模态调用方式。
Google DeepMind 发布 WeatherNext 模型，在气旋路径、强度和风场预测上平均比前代多出一天预报精度，相当于十年气象进展。该模型已在 Nature 发表论文，并在 2025 年飓风季帮助 NHC 对 Hurricane Melissa 做出历史性预报。
Why it matters: 该模型在气旋路径、强度和风场预测上平均多出一天预报精度，相当于十年气象学进展，并已开源模型与代码供研究社区使用。
GitHub Copilot Agent 在 Microsoft Agent Framework 中正式发布，支持 .NET 和 Python。Copilot 负责模型调用、工具执行、规划与会话状态，Agent Framework 提供指令、流式传输、中间件、可观测性与人工审批。
Why it matters: GitHub Copilot 的编码能力与 Agent Framework 的扩展性结合，开发者可在同一编程模型里接入 MCP、自定义工具和审批治理。
GitHub 推出 stacked pull requests 原生支持与 gh-stack CLI 扩展，把单个体量庞大的 AI 生成 PR 拆成数据、API、链路、UI 四层独立可审栈。配合 gh-stack skills 让编码 Agent 按层提交、CI 逐层校验，并通过 stack map 与 rebase/sync 命令维护栈一致性。
Why it matters: 原文给出分层 PR 的具体结构与 CLI 命令，读者可迁移该工作流以降低 AI 生成代码的审查负担。
Meta 发布 GEM 训练细节，通过定制推荐内核库、混合超低精度训练、拓扑感知 5D 并行与 SM-free 通信等协同设计，将端到端训练效率翻倍至 20–25% MFU，并在 12 个月内将训练 FLOPs 扩展 4 倍。
Why it matters: Meta 分享了 GEM 在 LLM 规模下训练推荐模型的具体方法，为跨推荐与 LLM 的基础设施协同设计提供可迁移经验。
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
Why it matters: 开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
JetBrains 2026 年上半年 AI 支出增长约 10 倍，推出 Central CLI 与 Central Console，对第三方 AI 工具实施 token 预算与细粒度限额。
Why it matters: JetBrains 内部实践可为同类组织提供 AI 支出治理的参考路径，但需评估自身规模与用量是否匹配。
Microsoft Agent Framework 正式集成 GitHub Copilot CLI/SDK 与开源多智能体框架 Squad，提供 Squad.Agents.AI NuGet 包，将 Squad 团队包装为标准 MAF AIAgent。
Why it matters: MAF与Squad通过一个NuGet包和DI调用即可组合，适合已有MAF流水线的开发者低成本接入会随使用积累领域知识的多智能体团队。
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
Why it matters: 高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
Berkeley Sky Lab 与 IBM Research 将 K-Search 进化式内核搜索框架扩展至 MLX 后端，通过结构化 CUDA-to-MLX 翻译层在 Apple Silicon 上复现专家级性能。在注意力内核上达到原生 MLX 的 0.97 倍速度，Mamba SSM prefill 相比社区 mlx-lm 提升约 20 倍；代码与后端已开源。
Why it matters: 结构化翻译层让 CUDA 经验可迁移到 Apple Silicon，读者可借此评估跨平台内核优化的可行边界。
ThunderAgent 在单 8×H100 节点上相对 SGLang 达到 2.5 倍吞吐量、P50 延迟降低约 10 倍，8 节点集群实现 2.4 倍加速且接近线性扩展。
Why it matters: 把多轮 agent 请求视为程序而非独立请求，让 KV cache 命中率提升并缓解多节点负载不均。
Nunchaku Lite 现已原生集成到 Diffusers，用户可通过 from_pretrained() 直接加载 4-bit 量化扩散模型，无需单独推理引擎或本地 CUDA 编译。
Why it matters: Nunchaku Lite 现已原生接入 Diffusers，无需额外引擎即可通过 from_pretrained() 加载 4-bit 量化模型，在 RTX 5090 上 VRAM 从 24GB 降至约 12GB，推理加速约 30%。