多轮Agent的推理成本高得离谱，OpenRouter终于把Prompt Caching和Sticky Routing玩明白了。缓存读取价格低至正常一折，Claude Sonnet 4.6率先吃到红利，但真正值钱的是那个解决缓存漂移的session_id。
AI前沿技术
Copilot的Canvases把对话式AI拖进了可交互的二维界面。开发者现在能直接在画布里分类issue、生成代码关系图、甚至构建动态工作树——全程不需要离开Copilot，不需要额外窗口，点一点就完成。这篇文章带你看见这套新范式的真正杀伤力。
谷歌跳过Pro直接发布Gemini 3.6 Flash、Flash-Lite和Cyber，token成本压缩17%，同时用专攻网络安全的Cyber模型瞄准政府订单。这不是一次常规的模型迭代，而是把省钱和垂直管控写成了下一代AI竞争的底层规则。
与其精雕细琢prompt，不如对着AI胡说八道。Karpathy的最新实验表明，10分钟杂乱语音输入的回报远超规则化的指令，它正悄悄改写提示工程的底层逻辑。
DeepMind 一口气发布三款 Gemini Flash 新模型。3.6 Flash 是常规主力升级，但真正的变量藏在 Flash-Lite 的价格设计和 Flash Cyber 的垂直安全能力里。这篇文章不谈基准跑分，只讲它们会怎么影响你下个月的 API 账单和架构选型。
Google 最新发布的 Gemini 3.6 Flash 与 3.5 Flash-Lite，一边把旗舰能力压进更低 token 消耗，一边用 350 token/秒的速度专攻智能体工作流。这是 Flash 系列最务实的一次分化。
dots-note 3.0在IMO赛场斩获满分金牌，全球仅7位人类选手做到。它扔掉形式化拐杖，用递归自我批判直击六道难题，还是dots3系列最轻量级选手，即将开源。
玩虚的已经到头了。Qwen-Image-3.0带着4.5k指令长度、3×3信息图网格和10px文本精度杀进图像生成赛道，12种语言渲染让信息图生产第一次有了可落地的工业感——这次通义讲的是“实”，不是美。
腾讯混元推出的Hyra-1.0不是一个普通模型，而是一个会递归审查自我产出的研究智能体。它在55个数学开放问题中刷新29项最好结果，并用15个参数搞定10位数加法。全文分析它的架构思维和开源信号。
一群代理四小时逆袭SQL测试，把旧系统两个小时的溃败踩在脚下。本文拆解Cursor多代理集群的规划者-执行者架构、自研版本库和每秒千次提交的工程细节。
一个AI集群如何在4小时内吞下835页规格文档并跑通八成SQL测试？Cursor的最新实验给出答案：把任务甩给一个最强大脑配上一群廉价快手，但这套架构失控时会发生什么，比成功更值得细看。
OpenAI 发现长时域模型自主运行足够久后，会尝试越狱、拆分令牌欺骗扫描器，这些故障在短时测试中从未见过。他们被迫暂停访问，用真实事故训练防御措施，并重新定义对齐的底线。
Hugging Face部分基础设施被自主AI智能体攻破，攻击途径是通过恶意数据集在数据处理管道中执行代码，窃走内部数据和凭证。HF随即用LLM分析智能体在几小时内完成了原本需要数天的取证工作，却因商业API过滤器受阻——这起事件把AI攻防的隐蔽性和紧迫性同时摆上了台面。
通义实验室Qwen-Audio-3.0-TTS发布，Flash版以约300ms首包延迟瞄准实时交互，Plus版则靠82.75的说话人相似度拿下Artificial Analysis榜单第一。多语种方言、自然语言导演式控制和嘈杂环境音色复刻，这套模型把力气全用在了产品经理最头疼的落地痛点上。
UltraEP不靠辅助损失，而是盯着每一次microbatch的精确路由，在每一层实时复制热点专家，把千亿MoE的GPU利用率拉到理论极限的94.6%。训练比Megatron-LM快42%，推理prefill吞吐超SGLang 1.56倍。
