QwenGyre arXiv v1：2.4T 训练缩短 59 小时，较 Colocate 快 16 小时
QwenGyre 根据任务进度，在智能体运行与强化学习更新之间重新分配 GPU。2.4T 模型的 NL2RepoBench 48 步实验中，它比 Async 提前 59.13 小时（43.9%）、比 Colocate 提前 16.05 小时（17.5%）完成。常见的 1.85 倍来自另一个 122B TerminalBench 实验；论文没有提供实现代码链接及重复实验的波动范围。
devotd.
大语言模型
了解各主题的新进展及其来源。
最新文章
57 篇文章Parsimony 排行榜：已解决尝试的净增代码单元，需结合解决率解读
Parsimony 统计公开编码智能体基准中的补丁让代码增加了多少。网站排名依据可测量的成功尝试的平均净增代码单元，解决率和测量覆盖范围则另列显示。
TRL v1.15.0：默认启用融合 LM head，不再生成完整 logits 张量
TRL v1.15.0 在 SFT、DPO、KTO、GRPO、RLOO 和 Distillation 中计算 token 分数时不再生成完整的 logits 张量。项目测量中 DPO 的最大训练长度提高了 5.80 倍，但效果取决于原有的损失路径和词表大小。
Reflection Beam 测试版 API：262,144 token 上限，被忽略的 stop 参数
Reflection 于 10 月 5 日发布 501B 参数的 MoE 模型 Beam，并开始逐步开放测试版 API。迁移现有智能体时，关键在于服务的 token 上限、支持的端点，以及被接受却不起作用的参数。
AstaBrief 8B：单次生成引用报告，模型与数据许可分离
Ai2 的 AstaBrief 8B 是基于 Qwen3-8B 的模型，可根据问题和检索到的文献摘录一次性写出带引用的报告。证据检索属于输入路径；模型采用 Apache 2.0，而提示词与 SFT/DPO 数据为 CC BY-NC 4.0。
Olmo-core 3：专家常驻 GPU，万亿参数 MoE 训练测试
Ai2 于 10 月 1 日发布 Olmo-core 3，这是一个重新设计了混合专家（MoE）训练系统的框架。万亿级测试展示的是训练基础设施的系统性能，而不是新训练模型的质量。
Claude Sonnet 5.5 API：基础单价不变，思考与工具参数兼容性变化
Claude Sonnet 5.5 保持 Sonnet 5 的基础输入和输出单价，但仅替换模型 ID 可能导致 Messages API 请求失败。thinking disabled 和强制工具选择 tool_choice any/tool 会返回 HTTP 400；应用也不能再假定响应的第一个内容块就是文本。