把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
SemiAnalysis 认为，AWS 可能通过 Anthropic 合作和多 GW Trainium 数据中心扩张迎来 AI 复苏。文章称 Anthropic 年化收入在 2025 年内增长 5 倍至 $5B，AWS 有 3 个园区处于建设最后阶段，合计超过 1.3GW IT capacity，专门服务 Anthropic 训练需求。
推荐理由：文章把云收入、数据中心建设和芯片 TCO 放在一起，提供了理解 AWS 押注 Anthropic 的背景。
月之暗面发布 Kimi K2-Instruct-0905，这是 Kimi K2 的最新版本，采用 MoE 架构，拥有 1T 总参数、32B 激活参数，上下文窗口从 128k 增至 256k tokens。
推荐理由：原文同时给出参数、评测和部署入口，可用于比较 K2 版本迭代、编码智能体表现和本地推理适配路径。
Sebastian Raschka 分析 OpenAI 本周发布的 gpt-oss-120b 和 gpt-oss-20b，称这是自 GPT-2 以来 OpenAI 再次共享大型完全开权重模型。
推荐理由：文章把 gpt-oss 与 GPT-2、Qwen3 的结构差异逐项拆开，便于理解开权重模型的工程取舍。
OpenAI 发布 gpt-oss 系列开放权重模型，gpt-oss-20b 面向低延迟、本地或专用场景，拥有 21B parameters 和 3.6B active parameters。
推荐理由：材料同时给出参数规模、许可、硬件需求和多种推理部署方式，便于评估开源权重落地成本。
OpenAI 在 Hugging Face 发布 gpt-oss 系列开放权重模型，包括 gpt-oss-120b 和 gpt-oss-20b，面向推理、智能体任务和开发者用例。
推荐理由：原文同时列出许可、显存需求、量化方式和多种推理接入路径，便于评估开放权重模型的部署成本。
Meta 正以新 Superintelligence 团队、激进挖角和大规模 AI 训练集群重建其 GenAI 战略，以追赶 OpenAI、DeepSeek 等基础模型实验室。
推荐理由：文章把人才挖角、数据问题和集群建设放在同一框架下，提供了理解 Meta 追赶策略的背景。
Moonshot AI 发布 Kimi-K2-Instruct，这是 Kimi K2 的后训练版本，面向通用聊天和 agentic experiences。Kimi K2 是 MoE 语言模型，拥有 1T 总参数、32B 激活参数、128K 上下文窗口，并在 15.5T tokens 上预训练。
推荐理由：材料同时给出架构参数、基准对比和部署方式，便于评估 Kimi K2 的编码与工具调用定位。
Mistral AI 与 All Hands AI 推出 Devstral Medium，并将 Devstral Small 升级到 Devstral Small 1.1，面向代码智能体和不同提示词、agentic scaffolds 的泛化。
推荐理由：原文同时给出开源许可、API价格和SWE-Bench Verified成绩，便于比较代码智能体模型取舍。
Mistral AI 发布 Devstral，这是一款面向软件工程任务的智能体式 LLM，并以 Apache 2.0 许可开放。
推荐理由：原文同时给出基准成绩、部署门槛和开放渠道，便于比较它在编码智能体中的适用场景。
Mistral AI 发布 Mistral Medium 3，称其在 SOTA 性能、8X lower cost 和更简单部署之间取得平衡，面向企业使用。Mistral 称该模型在全套基准上达到或超过 Claude Sonnet 3.7 的 90%，价格为 $0.4 input / $2 output per M token，并在编码和多模态理解等专业场景表现突出。
推荐理由：原文同时给出价格、部署方式和对比基准，便于评估中型模型在企业场景的取舍。
OpenAI 在 Hugging Face 发布 Whisper large-v3-turbo，它是 Whisper large-v3 的剪枝微调版本。模型将解码层从 32 层减少到 4 层，因此速度更快，但会有轻微质量下降；参数量为 809 M，支持在 Hugging Face Transformers 中用于自动语音识别、语音翻译和时间戳预测。
推荐理由：模型卡同时给出结构变化与部署示例，便于评估语音转写场景中的速度和质量取舍。