AI 模型與研究 第 10 頁

Qwen 公開八步生成與編輯的 Turbo 權重。核對 checkpoint 排程與 Diffusers 實作，分開看速度、畫質與研究授權，再判斷如何驗收合格交付。

Arena 用真實工作階段比較代理的守約失敗。拆開三個訊號、樣本快照差異與計分公式，判斷排名能支持多少信任，並把完成聲明接回交付證據。

微軟把固定選項評分獨立成模型服務。拆開 35 倍延遲比較、校準排名與部署條件，判斷哪些 Agent 工作值得先試，以及何時應讓高分判斷停下。

AgentGarten 把可編輯世界與神經渲染分工，讓 Agent 傳承經驗手冊。拆開四輪展示、傳統 RL 對照與實驗限制，判斷什麼樣的經驗值得留下。

JetBrains 把 Mellum2.1 的後訓練放進真實程式環境。拆開廠商跑分、H200 吞吐量、GGUF 檔案與早期使用者觀察，判斷本機 coding 子代理的能力、記憶體與交付邊界。

Long-WAM 把視覺歷史接進機器人動作。拆開 19.2 秒成功率與 107.4 ms 延遲的配置差異，評估自回歸預訓練、非同步交接與實體抓杯的證據邊界。

Haiku 5.5 降低短提示費率，超過 100K 則換價格。對照 tokenizer、獨立測試與 Sonnet 快取更新，判斷哪些工作值得交給小模型。

OpenAI 公開 722 份數學手稿與配套 Lean 材料。對照官方倉庫、獨立顧問團與形式證明規則，分清目錄規模、可驗證性與學界理解。

不用反向傳播，仍可能重算更多次。從 DUST 的小擾動原理到單卡檢查，教你分開用資料量與 GPU 時間判讀訓練效率。