导读 过去两年，小语言模型（SLM）在业界备受关注：参数更少、结构更轻，理应在真实部署中 “更快”。但只要真正把它们跑在 GPU 上，结论往往令人意外 —— 小模型其实没有想象中那么快。
在大语言模型（LLM）的研究浪潮中，绝大多数工作都聚焦于优化模型的输出分布 —— 扩大模型规模、强化分布学习、优化奖励信号…… 然而，如何将这些输出分布真正转化为高质量的生成结果 —— 即解码（decoding）阶段，却没有得到足够的重视。
AI 创作 Agent 正在接管过去最耗时的部分。
在架构层面，Milvus 2.6 大幅简化系统架构，整合多个核心组件 —— 例如将原有的 Coordinator 组件（含 RootCoord、QueryCoord、DataCoord）统一整合为 MixCoord，并将 IndexNode 与 DataNode 合并为单一组件。这些调整不仅降低了系统复杂度，更显著提升了系统的可维护性与横向扩展性。
尽管 Apple Intelligence 在大陆国行机型上落地仍然杳无音讯，但这并不代表苹果没有在努力推进。 前两天，伴随着 iOS 26.1 版本的更新，Apple Intelligence 先一步提供了对于繁体中文的支持。
a16z 指出：“模型开发的进展正在简化整个基础设施栈，使得语音智能体具备更低延迟和更高性能。这一提升主要出现在过去六个月内，得益于新一代对话模型的出现。”基于这些趋势，Deepgram 与 Opus Research 合作开展的《2025 语音 AI 状况调查报告》，基于 400 位商业领袖的洞察，涵盖十多个行业，分析了语音 AI 的应用现状与关键特性。
Digital Connexion 是由穆克什·安巴尼的依赖工业有限公司 、布鲁克菲尔德资产管理公司以及 Digital Realty Trust 共同组建的合资企业，已签署协议计划到 2030 年投资 110 亿美元在印度南部开发 数据 中心设施，标志着对科技领域增长最快赛道之一的最新投资。
CB Insights 发布的《2025 Future Tech Hotshots：Scouting Reports》报告，结合生成式 AI 分析与专有 Mosaic 评分体系，从全球海量初创企业中遴选出 45 家最具潜力的科技公司。
但当我们把视线从焦点模型上，挪到手机里AI应用真实数据上，就会发现一幅不同的画面。可以看到在非凡产研 10 月 AI App 增速榜上，跑得最快的那 17 个，并不是万事皆可聊的通用助手，而是一群看上去有点普通、甚至有点土气的小应用，其中Gauth、Starry、Knowunity、AI Baby Generator已经连续两个月上榜了。
大模型推理的爆发，实际源于 scaling 范式的转变：从 train-time scaling 到 test-time scaling（TTS），即将更多的算力消耗部署在 inference 阶段。典型的实现是以 DeepSeek r1 为代表的 long CoT 方法：通过增加思维链的长度来获得答案精度的提升。那么 long CoT 是 TTS 的唯一实现吗？
