128GB DDR5 套件价格较历史最低价涨了近 10 倍，年内 DRAM 均价上涨 500%，单位内存价格退回到 2007 年水平。

据 Tom's Hardware 梳理与 SemiAnalysis 复盘，超大规模买家已预付定金锁走几乎全部 2027 年全球 DRAM 产能，主流 DRAM 芯片按重量计价值已达黄金的一半以上。

这不是单纯的涨价周期：当 AI 把「HBM + 大显存」变成出货前提，内存从成本项变成了战略物资。芯片能靠制程追，产能和交付期追不上。就算英伟达把 Vera Rubin 铺开，卡的利用率也会被内存卡住。

当价格 itself 成为瓶颈，拼的已经不是谁的模型更聪明，拼的是谁先锁住了明年的内存。

OpenAI 宣布暂停部分前沿强化学习训练 2 周，同时按住最大规模的下一轮 RL 运行，期间强化工作负载隔离、网络隔离与红队测试。

官方表述很直白：能力增速已超过安全与对齐的准备度。Greg Brockman 进一步明确，对安全的信心将越来越多地决定前沿扩展的节奏，影响的主要是更远期的发布，已接近交付的模型不在此列。

工程细节比口径更值得看：采样 token 监控可在约 30 分钟内呼叫安全团队，高风险工具调用推理将带实时监控器上线，整体监控开销约 20%。训练与评估基础设施、推理期监控，第一次被公开认定为前沿进展的瓶颈，不再只是算力。

当安全从事后检查变成进度条本身，「快一点」不再是默认答案。

Qwen3.8-27B 在 Artificial Analysis 代理指数上排到 27B 档第 7，在 Vals Index v2 开源权重榜第 6，并在 Cline 本地模型榜 4 天内冲到第一。

参数不大，覆盖面不小：Harvey 法律基准开源权重第一，声称保留视觉、推理、工具调用与 262K 上下文，并出现了可在 Apple Silicon 上以 2/4/6/8-bit 运行的 refusal-removed MLX 构建。

但榜单与体感的分歧也在放大：有开发者在长任务实测中认为，基准胜利并未稳定转化为对 Opus 4.5 的代际超越。当「能在本地跑」与「能可靠跑完长任务」不再同义，成本、可用性与可控性的三角，成了更硬的考核。

可本地部署的「部分无审查、能力可用」模型，已经不再是假设，这是今年本地模型最实质的变化。

Z.ai 以与 GLM-5.2 相同价格上线 GLM-5.3 API，Artificial Analysis 智力指数报 60（与 Kimi K3 并列），GDPval-AA v2 暴涨 246 分至 1770 Elo。

参数面未变：总参 753B、激活 40B 的 MoE，1M 上下文，权重落地后走 MIT 许可，关键变化在训练工程而非参数本身。

提升来自后训练而非基座：据转引的知乎长文分析，核心是异步 RL（SAO）、可执行沙盒训练与同策略蒸馏以缓解灾难性遗忘。当长周期 agent 能力越来越多由 RL 系统与环境质量决定，参数规模不再是唯一的杠杆。

换言之，GLM-5.3 是一次「环境与训练工程」的胜利。

Modular 宣布 Mojo 以 Apache 2.0 开源，并把平台定位为跨加速器的可移植层，涵盖高通数据中心 AI 加速器在内。

对 infra 工程师而言，意义不在「又一门语言」：工具链开放与硬件抽象同时到位，才让性能代码有可能在不同加速器间搬运，而不重写。

当开源不再只是权重，是整条工具链，吸引力会从模型转移到「在哪写、怎么跑」的那层。Mojo 的下一步，看有多少团队愿意把热路径真的迁过去。

RadixArk 发布 Miles v0.1，历时 9 个月、72 位贡献者、1326 次提交、85 项 GPU 端到端 CI，已在 Kimi K3、DeepSeek V4、Qwen 3.8、GLM 5.2 等模型上实测。

定位很务实：把 RL 跑起来容易，调对、跑稳、跑满规模才是瓶颈。于是把功夫下在 rollout、CI、可观测性与环境管道。

这与当天的另一条主线呼应：前沿竞争正从「谁有 PPO/GRPO」转向「谁有可复现的工程栈」。当开源 RL 栈开始拼工程，训练自己的模型会从少数人的特技，变成更多团队的常规动作。

NVIDIA 发布 TensorRT Model Connect 公开预览，承诺从受支持的 Hugging Face 模型两条命令直转端到端 TensorRT 推理，无需中间 ONNX 导出，结果可经原生 C++ API 部署。

值得单独提一句的是自述：该项目本身大量由 Codex agents 在人工 review 下完成实现、调优、测试、集成与文档。当 infra 团队愿意公开承认 agent 参与了核心链路，工具的「可信交付」也在被重写。

当「转模型」从流水线变成两条命令，部署的摩擦第一次被压到接近零。

Cursor 公开一篇 Git 存储设计复盘：把 Git 托管当作数据库来设计，以应对编码 agent 带来的仓库 churn 与分支/会话激增。

这不是模型发布，但与模型同等相关：后台自动化越多，Git 托管就越从通用 DevOps 原语，变成 AI 编程后端的核心依赖。

对搭建编码 agent 后端的团队来说，这篇笔记比一次模型更新更实用，因为它回答了「规模上来后，哪里会先崩」。当 agent 开始成倍制造提交，底层存储的稳，才是上层体验的稳。

DFlash 2 声称在 M5 Max 上以 70 tok/s 运行 Qwen3.8-27B，相比自回归解码最高提速 4.6 倍，且保持相同输出。

若在独立复现中站住，端侧推理的可用阈值会被重写：本来需要排队上云的长上下文任务，有机会在本地一口气跑完。

当速度开始决定「是否可用」，推理加速不再是参数，是产品体验本身。

Cerebras 发布 CS-4，并给出系列性能宣称：10T 模型约 1000 tok/s、GPT-5.6 Sol 约 1300 tok/s，单位兆瓦吞吐最高 10 倍提升。

即便按厂商口径打折，脉络依然清晰：推理速度正同时成为产品体验、经济账与政策筹码。当「更快」能直接换成更低成本与更高并发，硬件发布就不再只是硬件发布。

当 1000 tok/s 被当作产品语言来卖，速度的军备竞赛已经进入定价表。

据多方转引，hyperscale 买家已预付定金几乎锁完 2027 年全球 DRAM 产能，把现货市场逼成期货市场。

对下游而言，价格只是表象，交付期才是约束：模型可以等，交付不能等；前一年没订到的团队，明年可能根本拿不到量。

当内存按「年」预定，AI 的供应链第一次有了类似能源的期货属性。