模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf v6.1 成绩单给出 Vera Rubin 与 GB300 的吞吐、扩展效率和软件优化数据，可据此比较两代平台的推理经济性。
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 系统与 DSX 平台的多项能效进展，提出以每兆瓦有效 token 数衡量 AI 基础设施。
推荐理由：NVIDIA 公布 Vera Rubin 与 DSX 平台在每兆瓦 token 产出上的多项实测数据，可据此判断 AI 工厂的能效与成本走向。
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，为 Apple Silicon 生成高质量内核。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，并给出注意力与 Mamba 两类内核的实测对比。
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 4x 推理加速、26B MoE 与 18GB 显存门槛，读者可据此判断本地交互式工作流的可行性。