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。
inclusionAI 正式开源 instruct 模型 Ling-2.6-flash，总参数 104B、激活 7.4B，采用 1:7 MLA + Lightning Linear 混合线性注意力与高稀疏 MoE 架构。
推荐理由：官方给出架构细节、340 tokens/s 推理速度和 15M tokens 评测用量等数据，也坦承工具幻觉局限，读者可据此评估高频率 Agent 部署场景的适配度。
Cursor 推出 Rollouts 和 Security Reviewer 两款软件开发 Bots。
推荐理由：官方说明了两款 Bot 的具体工作机制和启用入口，读者可以对照自身部署与安全审查流程评估适用性。
文章以小米 9 月开源的 MiMo-V2.6 系列为切入点，分析大模型「斩杀线」概念，即在智能和成本两个维度都被超过的模型会失去被选择的理由。
推荐理由：文章借小米 MiMo-V2.6 梳理了智能与成本双维度的行业竞争框架，读者可以据此理解 Agent 时代效率为何成为模型竞争的新坐标。
OpenRouter 发布 2026 年嵌入模型选购指南，通过对 19 个模型发起 28 项 API 实测，按用例给出推荐：英文 RAG 首选 openai/text-embedding-3-small。
推荐理由：OpenRouter 用自家端点实测 19 个嵌入模型并按用例给出推荐表，读者可直接按输入类型和价格约束对号入座。
OpenRouter 发文解析 NVIDIA 的 Nemotron 3.5 Lightning，这是一个 30B 总参数、每 token 激活约 3B 的 MoE 开源权重模型，定位于智能体工作流中的高频执行步骤。
推荐理由：原文梳理了模型规格、与 Ultra 的分工、各端点差异和路由方法，可帮助读者判断何时用它替代大模型执行高频调用。
OpenRouter 用 Banking77 测试集的 3,080 条客服语句对比 Jev 1.13 和 Claude Opus 5 的意图分类能力。
推荐理由：原文给出了同一测试集下的准确率、延迟和成本对比，以及置信度级联方案，可用于判断小判断模型能否替代前沿模型。
OpenRouter 推出 Batch API，提交批量请求后供应商可在 24 小时窗口内完成，per-token 价格通常为常规价的 50% 或更低，已支持 70 多个模型。
推荐理由：官方给出了实测的批次完成时长分布和提交时段差异，便于读者判断批量推理能否接入现有工作流。
Hugging Face 宣布 transformers 支持通过 from_pretrained 加载 GGUF 量化模型，复用 ggml 的 Metal 内核，初始聚焦 Apple Silicon 上的 Qwen3.5 架构。
推荐理由：原文给出加载方式、性能对比数据和方法论，读者可据此判断在 Mac 上用 transformers 跑 GGUF 的可行路径。
Linear 因 AI 智能体加速写代码使 CI 成为瓶颈，系统性改造后把 PR 等待时间从 6 分多钟降到 5 分多钟，单个测试的 runner 时间约减半。
推荐理由：原文给出完整的 CI 优化路径和各步骤量化收益，其他团队可对照迁移到自己的流水线。
GitHub 用 Copilot 智能体将 Copilot agent runtime 从 TypeScript 完整重写为 832,378 行生产 Rust，共 128 个 PR，于 8 月 21 日完成。
推荐理由：作者以第一手移植经历拆解了 AI 智能体团队完成大规模重写的具体策略、会话数据和教训，方法细节对类似工程迁移有直接参考价值。
OpenRouter 发布教程，演示如何用其 TypeScript SDK 从零构建工具调用 Agent 循环，示例使用本地天气数据可独立运行。教程覆盖停止条件设计、按 toolCallId 返回结果、指纹计数拦截重复调用、models 参数实现有序模型回退，以及 Auto Exacto 默认按工具调用成功率重排提供商；并说明 MCP 只改变工具执行位置，循环控制仍是必要的。
推荐理由：教程给出了完整的停止条件、重复检测和模型回退实现，可用作自建 tool-calling 循环的参考骨架。
IBM Research 在 ALTK-Evolve 中新增 Consistency Analyzer 和一致性指南，用于衡量并改善智能体重复执行同一任务时的稳定性。
推荐理由：原文给出 Pass^k 与 Mean@k 的区别和一种只靠单条轨迹、无需标注的稳定性诊断方法，可将智能体一致性缺口缩小约一半。
Anthropic 为 Claude for Small Business 推出 43 个工作流和 27 个新集成，覆盖 Shopify、Salesforce、Stripe、Zoom、Xero、Zapier 等工具，产品自 5 月上线以来安装量超过 900,000 次。
推荐理由：官方公布了新增工作流与集成数量，并给出多个客户的可验证使用结果，读者可据此评估这类 Agent 产品对小型业务的落地形态。
OpenRouter 发布教程，讲解如何用独立的 judge 模型按书面评分标准自动给 Agent 输出打分，弥补确定性测试无法检查最终回答质量的问题。
推荐理由：原文给出可复用的评测方法和 Ori Eval 具体代码，覆盖评分模式选择与 judge 校准的实操细节。
Claude API 的 Messages API 新增按需压缩对话功能，以 compact-2026-09-04 beta 头开启。发送顶层 compaction 参数后返回带签名的压缩块概括所发消息，后续请求可先发该块替代原消息，支持后台运行、保留最近轮次原文，且在支持保留 thinking 的模型上已保留轮次的 thinking 可保持有效。
推荐理由：原文给出了 compaction 的调用方式和 beta 头参数，开发者可据此评估在长对话场景里如何按需压缩上下文。
LangChain 开源其 Paid Media Agent 并复盘构建过程，该 Agent 驻留 Slack，用于管理跨五个付费渠道的广告活动。六个月内付费媒体从 0 做到占营销管道的 20%，CPL 从 6 月到 8 月下降 30%。
推荐理由：原文给出了 Agent 工程的具体设计决策和成本数据，读者可以迁移其上下文分层和权限设计方法到自己的 Agent 项目。
Sakana AI 发布 Fugu Max 和 Fugu Ultra v2，用多智能体编排同时优化成本与性能。
推荐理由：原文给出具体基准成绩、定价对比和 API 升级方式，读者可据此评估编排架构在成本与性能上的实际位置。
OpenRouter 发布 Fusion 复合推理系统，调用模型可将提示词并行发给 1 至 8 个专家模型，由 judge 对比共识与分歧后生成结构化分析，再写出最终答案。
推荐理由：原文给出成本、延迟和适用场景的量化说明，读者可据此判断多模型研讨是否值得接入现有工作流。
Hugging Face 团队用 gr.Workflow 将 AUTOMATIC1111 的主要功能重建为 Workflow1111，画布包含 11 条媒体管线。
推荐理由：原文拆解了 11 条媒体管线和 73 个节点的具体构成，展示了 Gradio Workflow 混搭多模型并自动生成 REST 与 MCP 端点的做法。
SGLang 与 Miles 团队宣布为 DeepSeek-V4.1 提供 Day-0 支持，讲解其 SWA、mHC、Engram 记忆等架构及推理与 RL 训练优化。
推荐理由：原文详解 SGLang 与 Miles 对 DeepSeek-V4.1 的 Day-0 支持，给出 Engram offload、bounded replay 等实测数字和可复现配置。