性能优化

上海人工智能实验室最新研究让Harness框架具备自我进化能力，在不更换核心模型的情况下实现性能显著提升。

智谱GLM团队分享GLM-5大规模服务调试经验，通过解决乱码输出、重复生成、KV缓存竞态等问题，并引入LayerSplit技术，实现推理吞吐量提升最高132%。

月之暗面宣布开源FlashKDA，这是其基于CUTLASS的高性能Kimi Delta Attention内核实现，在H20平台上相比flash-linear-attention基线实现了1.72倍至2.22倍的预填充速度提升。

DeepSeek在开源周第六日公开V3/R1推理系统架构，通过跨节点批量扩展等技术实现高性能推理，单H800节点输入输出吞吐量分别达7.37万和1.48万token/秒。

Together AI推出稳定循环语言模型Parcae，仅用770M参数即可达到1.3B Transformer模型性能，并首次提出循环扩展定律。

PyTorch官方发布性能剖析系列第二篇，深入探讨如何通过融合多层感知机（MLP）中的线性层与激活函数，显著提升模型运行效率。