Cognition宣布其年化收入运行率已突破10亿美元，距公司2024年1月成立约两年，也距Devin全面开放不到两年。公司将增长归因于AI编码智能体Devin的企业采用，并列出GE Aerospace、Rivian、Rohlik和Exa等客户。该指标是按当前收入节奏折算的年规模，并非已确认的年度营收；官方暂未披露客户数量、收入构成及利润数据，但这一里程碑显示AI开发工具正加速进入大型工程组织。

Anthropic七名联合创始人计划在潜在IPO前引入无额外经济权益的特殊股份，使创始人群体在满足最低持股要求时合计掌握50.1%投票权。报道称，创始人目前各自约持有2%股权，并承诺捐出80%个人财富，因此新结构意在把经济收益与公司控制权分离。方案还拟将创始人董事席位由两个增至三个，同时保留长期利益信托的董事选择权，并引入员工股份处理特定事项上的僵局。

Perplexity提出结合拒绝采样与提示引导自蒸馏的智能体后训练方法，用真实会话中的失败步骤学习纠错。系统让同一GLM 5.2模型分别以可见纠错提示的教师和不可见提示的学生运行，并通过KL损失迁移正确动作，同时避免模仿错误步骤。约每组10万用户的线上A/B测试中，工具调用失败率由2.24%降至1.77%，相对下降21.2%；强烈不满率仅由2.58%变为2.54%，变化不显著。

Moonshot AI的Kimi Linear采用KDA与MLA按3比1交错的混合注意力架构：KDA通过逐通道门控控制不同特征的记忆衰减，周期性MLA层负责补充全局上下文。该设计使用NoPE，由衰减动态形成位置信息。材料所列测试显示，在100万Token上下文下，其KV缓存较全注意力基线减少75%，解码吞吐提升6.3倍，并在MMLU-Pro和RULER上达到或超过基线；已述检查点为48B总参数、3B激活的稀疏模型。

微软Taste-Bench将智能体面对两条候选执行轨迹时能否选出更优方向作为评测重点，结果显示最佳模型的判断正确率仅为59.7%，说明前沿智能体即使能够执行任务，也未必能稳定识别更好的行动路线。材料称，把教师模型的判断能力蒸馏给学生模型后，学生在留出的SWE-bench Pro任务上获得提升；但需要依赖轨迹后段证据的决策，即使增加推理预算仍然困难，显示瓶颈并非单纯来自计算不足。

Spotify介绍Large Taste Model及四阶段NEO训练方案：先把内容嵌入量化为离散语义ID并加入开放权重LLM词表，再训练模型读取收听历史、输出目录实体及自然语言解释。首阶段冻结LLM主干，仅训练新增ID嵌入，以减少灾难性遗忘；相关消融在Qwen与Llama上均得到验证。系统在不使用约束解码时生成有效语义ID的比例为98%，生产推理倾向采用束搜索，并仅在需要限制到新内容时使用约束解码。

DoorDash披露将昂贵LLM推理离线蒸馏为分级监督、语义ID、用户记忆和可控内容生成四类共享能力，再由传统检索与排序系统低成本服务。其两阶段对比检索通过困难负样本训练，使相关性NDCG提升2.3%；覆盖数十亿门店商品的分层语义ID令MRR提升4%至5%。基于用户记忆与语义ID离线生成个性化集合后，宠物品类测试的下单率约提高1%，活跃用户增加6%，避免在线逐次调用大型模型。

Runway推出图像编辑功能Layers，可将任意图片一键拆分为多个独立可编辑图层，用户能够分别处理背景、文字和其他画面元素，无需先手工绘制遮罩。该功能把生成式编辑从整图重绘转向对象级控制，可用于移除背景、修改已有文字或重新调整单个视觉组件，同时尽量保留其余内容。官方发布材料展示了核心交互，但未披露支持的图像规格、图层数量上限、套餐范围、定价及更完整的上线节奏。

开源决策模型cbjev把十个问题与一份文档装入同一序列，并用定制注意力掩码隔离问题、共享文档上下文，使一次调用处理的Token由约5500降至约1000，相对Laya实现6.7倍推理加速。其布局保持单问题时的Token、位置ID和注意力结构与Laya一致，因此可直接加载现有检查点，无需从头训练。项目还通过自定义前向过程、torch.compile和CUDA Graph，将每个形状桶约300次内核启动压缩为一次。