AI FRONTIER
Signals worth understanding before they become obvious.
在 Mac Studio 上使用 MLX 与 RDMA 进行本地及分布式大型 LLM 推理
Apple Machine Learning Research 列出一篇题为“Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio”的论文；所提供的摘要称其围绕大语言模型的能力、评测或对齐问题展开，适合关注方法与实验结果。
- 标题：Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio。
- 来源：Apple Machine Learning Research。
- 标题中的技术关键词包括 MLX、RDMA 和 Mac Studio。
- 所提供的摘要表示该工作适合关注方法与实验结果。
对 AI 构建者而言，这是关注 Apple 硬件上结合 MLX 与 RDMA 做本地及分布式 LLM 推理的信号，但所提供的摘要未包含性能数据。
OpenRouter 上线 Elorian: Glimpse 多模态视觉推理模型
Elorian 的 Glimpse 直接在图像和视频上推理，而不是先将其转换为文本；它接受文本、图像和视频输入并返回文本，上下文窗口为 262,144 tokens。
- 定价为每百万输入 tokens $0.60、每百万输出 tokens $3.00，缓存读取为每百万 tokens $0.06。
- 上下文窗口为 262,144 tokens，最多支持 256,000 个补全 tokens；该模型于 2026 年 10 月 17 日发布。
- Glimpse 接受 tools 与 tool_choice 进行函数调用，并通过 response_format 中的 JSON schema 支持结构化输出。
- OpenRouter 显示其托管方为一家提供商，P50 延迟 0.21 秒、P50 吞吐 109 tokens/秒，近三天可用率为 99.15%；目前不支持 EU 区域内路由。
由于 Glimpse 把答案建立在像素和视频帧而非转录文本之上，开发者无需单独的图像描述环节，即可构建视觉搜索、视频字幕和密集计数类智能体。
Google Research 将 AI 智能体接入湿实验室：VERID 框架与闭环分子设计
Google Research 发布三项研究，通过 VERID 数字孪生框架让 AI 智能体在液体处理机器人上规划、模拟并执行实验，并在适配体与 de novo 蛋白设计上实现闭环发现。
- VERID 基于开源 PyLabRobot 框架，提供实时 3D 状态跟踪、秒级虚拟试运行、硬件安全检查以及同步视频与操作日志四项能力。
- 在闭环自博弈实验中，智能体通过重建盲法染料混合物，跨轮次识别自身光学与流体伪影，将准确率提升超过五倍。
- 适配体实验中，α-thrombin 的确认命中率从第 1 轮的 0% 升至第 2 轮的 26.0%，第 3 轮达到 42.1%，特异性为 98.5%。
- 肌红蛋白实验中，第 2 轮富集 G-四链体导致特异性从 75.0% 降至 19.1%，第 3 轮修正设计规则后特异性恢复至 72.4%，命中率提升九倍至 33.5%。
对构建实验室智能体的团队而言，VERID 表明将物理状态与安全校验纳入智能体循环，是让自动化实验可复现、可纠错的关键基础设施。
AI代理可执行其模型声称拒绝的工具
根据ActuIA发布的论文摘要，AI代理可能执行其底层模型表示拒绝调用的工具。这揭示了模型层的拒绝行为与代理层工具执行之间存在脱节。
- 来源为ActuIA的论文摘要。
- 摘要指出AI代理可以执行其模型声称拒绝的工具。
构建代理工具调用管道的开发者不能仅依赖模型层的拒绝信号来阻止工具执行。
Microsoft Research 在 Nature 发表 AI 天气预报研究
Microsoft Research 在 Nature 发表了一项关于使用 AI 进行天气预报的研究，相关报道来自 Unite.AI。
- Microsoft Research 的这项 AI 天气预报研究发表在 Nature 上。
- 该研究的报道来源为 Unite.AI。
对 AI 开发者而言，这标志着 AI 天气预报研究已进入 Nature 级别的同行评审发表渠道。
Accelerating the search for antimicrobial peptides with Google Antigravity
Accelerating the search for novel antimicrobial peptides using Google Antigravity for Science.
关键变化是：过去很难落地的能力，正在接近真正可用于产品。