AI FRONTIER
Signals worth understanding before they become obvious.
OpenRouter 新模型：Particle AI 的 Particle-1
Particle-1 是 Particle AI 推出的 token 高效型智能体编程模型，基于 DeepSeek V4.1 Flash 后训练，面向终端工作流、代码库修改和数据工程任务，在保持接近基座模型准确率的同时减少推理与工具调用 token。
- 定价为每 100 万 token 输入 $0.25、输出 $1.00，缓存读取 $0.03。
- 上下文窗口为 1,048,576 token，最多支持 131,072 个补全 token。
- 支持通过 tools 和 tool_choice 进行函数调用，并通过 response_format 中的 JSON schema 支持结构化输出。
- 输入支持文本和图像，输出为文本；发布日期为 2026 年 10 月 28 日。
对于构建编程智能体的团队，Particle-1 以低 token 价格和 1M 上下文提供了可测试的替代方案，但需自行验证其宣称的准确率是否接近基座模型。
Polymathic AI 与普林斯顿研究人员发布 FlashMap：面向 LLM 解码的流映射草稿器，报告提速 6.14 倍
Polymathic AI 与普林斯顿研究人员发布 FlashMap，一种用于大语言模型解码的流映射草稿器，论文摘要报告其解码提速 6.14 倍。
- 论文摘要报告 FlashMap 实现 6.14 倍更快的 LLM 解码。
- FlashMap 被描述为一种流映射草稿器（flow map drafter）。
- 该工作由 Polymathic AI 与普林斯顿研究人员发布。
对构建推理栈的团队而言，草稿式解码加速值得在自有模型上实测，以确认 6.14 倍这一报告数字能否在自身负载中复现。
NVIDIA Nemotron 3.5 Transcribe 与 Granary v2：可提示、可适配的智能多语言转写
NVIDIA 发布开放权重模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合进一个检查点，并同步开放 Granary v2 数据管线与 NeMo Speech 微调配方。
- 模型支持 40 种语言转写、31 种语言与英语互译，并在 13 种语言中做说话人归属，可处理最长一小时的录音、最多 8 位说话人。
- 在 Hugging Face Open ASR Leaderboard 英语榜上，该模型以 5.33% 平均 WER 位列开放权重模型第一。
- Artificial Analysis 榜单中，它以约 4B 激活参数（总参数 30B 的混合 Mamba–Transformer MoE）取得 2.8% AA-WER，与 24B 模型并列开放权重第一。
- Granary v2 公开清单覆盖 48 种语言、16 个来源语料共 463,062 小时，较 v1 的 25 种语言扩大。
开发者可用自然语言提示控制输出格式，再借助 Granary v2 与 NeMo Speech 配方针对领域词汇微调，从而在开放权重模型上兼顾多语言覆盖与专业场景精度。
GLM-5.3 Workers AI 模型中的跨请求 KV 缓存暴露，以及我们使用 SGLang 的修复
Cloudflare 博客报告了 GLM-5.3 Workers AI 模型中存在跨请求 KV 缓存暴露问题，并介绍了使用 SGLang 进行的修复。
- 来源为 Cloudflare Blog。
- 问题为 GLM-5.3 Workers AI 模型中的跨请求 KV 缓存暴露。
- 修复方案使用 SGLang。
在 Workers AI 上部署 GLM-5.3 的开发者应审查 KV 缓存隔离，并考虑采用 SGLang 修复方案。
OmniBrain-0：面向具身智能的统一智能体模型
小米具身智能团队提出 OmniBrain-0，一个轻量级统一具身智能体，通过共享高层决策模型协调操作与导航，整合任务理解、规划、进度跟踪与反馈驱动的恢复。其渐进式训练框架结合具身预训练、领域专家智能体蒸馏与多教师在线策略蒸馏（MOPD）。
- 论文报告在 LIBERO-Pro、LIBERO-Plus、RoboCasa365、RoboTwin 2.0 和 R2R-CE Val-Unseen 以及多个真实世界操作任务上评估 OmniBrain-0。
- 论文称 OmniBrain-0 相比其闭源教师模型具有显著更低的推理与执行开销。
- 训练框架包含具身预训练、领域专用智能体蒸馏与多教师在线策略蒸馏（MOPD）三个阶段。
- 论文还提出 Rubric-Guided Recursive Self-Improvement（RSI），由 Meta-Agent 将执行证据转化为改进的评分标准、步骤级提醒和已验证轨迹。
对构建具身智能体的团队而言，该工作表明可将多个教师模型的交互经验蒸馏进单一紧凑决策模型，从而在降低推理开销的同时保持跨域任务表现。
MiniMax-M3.1-Flash 发布：428B 总参数原生多模态 MoE，支持 1M token 上下文
MiniMax 发布 MiniMax-M3.1-Flash，这是基于 M3 的原生多模态混合专家模型，总参数约 428B、每 token 激活 23B，支持文本、图像和视频输入并输出文本，上下文窗口最高 1M token。相比 M3，该版本在全模型采用稀疏注意力、引入量化感知训练，并用 DSpark 投机解码替代此前的 EAGLE 类 MTP 方案。
- 模型卡显示总参数约 428B，每 token 激活 23B，采用 MiniMax Sparse Attention（MSA）贯穿全模型。
- 模型卡报告 BankerToolBench 76.2、DeepSWE v1.1 73.7%、OSWorld V2 61.7、Agents' Last Exam 29.6、CyberGym 82.2。
- 三项主要改动：前三个全注意力层替换为稀疏注意力、对路由 MoE 专家与注意力路径做量化感知训练、DSpark 投机解码并随发布提供 draft head。
- 许可证为 minimax-community，推荐使用 SGLang、vLLM 或 TokenSpeed 部署，Transformers 等集成仍在进行中。
对构建者而言，1M 上下文加稀疏注意力与量化感知训练，意味着长上下文智能体工作负载的显存与推理成本可能下降，但 428B 总参数仍需多卡部署，且上述基准为模型卡自报结果。
LOTUS：基于低秩多线性分解的LLM幻觉检测
论文提出LOTUS（Low-rank Order-statistic TUcker-based Subspace learning），一种多线性低秩分解框架，从LLM隐藏状态中提取紧凑表示并降低对标注数据的依赖，再训练轻量级幻觉分类器。
- 先用互补统计描述符汇总变长token表示，捕捉峰值激活、激活分布与跨层变化。
- 再用低秩多线性分解提取紧凑表示，用于训练轻量级幻觉分类器。
- 论文报告在多个LLM和问答基准上，幻觉检测性能优于近期最先进基线。
- 论文共26页、3幅图，并提供了代码链接。
对构建者而言，该工作提示可从跨层、跨特征模式的隐藏状态结构中提取信号，而非依赖选定激活或池化压缩，从而以更少标注数据训练轻量检测器。