计算视角：AGI 可实现，硬件远未到极限
Together AI 的 Dan Fu 发表新文章，反驳 AI 发展遇到硬件瓶颈的观点。他认为当前芯片利用率极低，通过软硬件协同设计和 FP4 训练等创新可大幅提升性能。他还指出模型训练滞后于硬件发展，且现有模型已能改变复杂工作流。
数据与训练
技术方向 · 训练侧的门道：数据集构建、合成数据、预训练与后训练方法 · 共 549 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月3日周一 · 12 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
无提示词时LLM在想什么？模型家族主题偏好研究
Together AI 的研究团队通过使用极简、无主题的提示词，研究了大型语言模型在无明确指令时的自然生成行为。他们发现不同模型家族表现出显著不同的主题偏好，如 GPT-OSS 偏向编程和数学，Llama 偏向文学，DeepSeek 常生成宗教内容，Qwen 则倾向于生成选择题。这些差异具有系统性，并揭示了模型在无约束条件下的退化文本模式，可能带来安全和隐私
正文结构化主题已通过公开置信门槛
一致性扩散语言模型：推理速度提升14倍且不损质量
Together AI 的研究团队提出了一致性扩散语言模型（CDLM），通过结合基于一致性的多令牌定稿和块级 KV 缓存，将扩散语言模型的推理速度提升高达 14.5 倍，同时保持质量。该方法通过后训练配方，使用块因果注意力实现精确的 KV 缓存，并联合优化蒸馏损失、一致性损失和辅助去噪损失。实验表明，CDLM 在数学和编程任务上显著减少了推理步骤，并提升了吞
正文结构化主题已通过公开置信门槛
Together AI 发布 CoderForge-Preview：最大开源编码智能体数据集
Together AI 发布了 CoderForge-Preview，这是目前最大的开源测试验证编码智能体数据集，包含 258,134 条轨迹（其中 155,144 条成功），覆盖 51,201 个任务和 1,655 个仓库。通过在该数据集上微调 Qwen-3 32B 模型，SWE-Bench Verified 性能提升了 23.0%，达到 59.4% 的
正文结构化主题已通过公开置信门槛
FlashAttention-4：面向不对称硬件扩展的算法与内核流水线协同设计
Together AI 发布了 FlashAttention-4，一种针对 Blackwell 架构不对称硬件扩展的注意力内核优化算法。该算法通过软件流水线、多项式近似指数函数和 2-CTA MMA 等技术，在 B200 上达到 1605 TFLOPs/s（71% 利用率），比 cuDNN 9.13 快 1.3 倍，比 Triton 快 2.7 倍。
正文结构化主题已通过公开置信门槛
Together AI 发布 FlashAttention-4 等七项创新，强化 AI 云全栈能力
Together AI 在首届 AI Native Conf 上发布了七项研究和产品，涵盖内核、强化学习和算法推理优化。其中 FlashAttention-4 针对 NVIDIA Blackwell GPU 优化，速度比 Triton 快 2.7 倍；Together Megakernel 将实时语音代理的首 token 延迟从 281ms 降至 77ms；
正文结构化主题已通过公开置信门槛
Mamba-3发布：以推理效率为核心的新型状态空间模型
Together AI 与卡内基梅隆大学、普林斯顿大学、Cartesia AI 合作发布了 Mamba-3，这是一种以推理效率为核心的新型状态空间模型（SSM），通过更富表现力的递推公式、复数值状态跟踪和 MIMO 变体，在 1.5B 规模下实现了比 Mamba-2、Gated DeltaNet 和 Llama-3.2-1B 更低的预填充和解码延迟。该模型还
正文结构化主题已通过公开置信门槛
Together AI 内核团队：从 FlashAttention 到 Blackwell 的突破
Together AI 的 kernels 团队在 2022 年通过 FlashAttention 实现了 2-3 倍加速，证明了 GPU 优化仍有巨大潜力。2025 年 3 月，该团队在获得 NVIDIA Blackwell GPU 后的一周内，利用 ThunderKittens 库开发出最快的 FP4/FP8 GEMM 内核，性能比 H100 上的 cu
正文结构化主题已通过公开置信门槛
什么是 AI 原生云？Together AI 定义新一代云基础设施
Together AI 在博客中提出“AI 原生云”概念，认为 AI 公司需要不同于传统 CPU 时代云的基础设施，以支持快速迭代、大规模 GPU 训练和推理。文章阐述了 AI 原生云的五大特征，包括全栈集成、研究到生产的快速路径、开发者速度等，并强调其对于 AI 公司保持竞争力的关键作用。
正文结构化主题已通过公开置信门槛
Together AI 增强 GPU 集群：可靠性提升与运维控制
Together AI 发布了 GPU 集群的多项更新，包括被动健康检查、自动节点修复、Slinky 2.0 以及新的运维控制功能，旨在提升大规模训练和推理的可靠性。这些更新通过检测硬件故障、自动修复节点、增强 Slurm 稳定性，并提供 OIDC、启动脚本等自定义选项，帮助团队更高效地管理生产集群。
正文结构化主题已通过公开置信门槛
Together AI 推出生产级推理平台更新及自定义训练测试版
Together AI 发布了其推理平台的重大更新，提供对性能、成本和质量的完全控制，支持金丝雀发布、蓝绿部署、A/B 测试和自动回滚等功能，并宣布了自定义训练的封闭测试版。该平台旨在帮助团队在生产环境中运行开源权重模型，同时避免从零构建推理栈的复杂性。Together AI 每月处理超过 4000 亿 token，其新平台整合了研究、模型优化和平台工程团队
正文结构化主题已通过公开置信门槛
Together AI 在 ICML 2026 展示全栈前沿研究
Together AI 在 ICML 2026 上发表了九篇论文，覆盖从智能体到 GPU 内核的全栈研究。其中，Aurora 论文提出的自适应投机解码已作为 ATLAS 投机器在生产环境中部署。研究还包括 DSGym 数据科学智能体评估框架、ThunderAgent 智能体工作负载优化、TTT-Discover 开放模型科学发现，以及 RARO 无验证器强化
8月2日周日 · 8 条
正文结构化主题已通过公开置信门槛
Parcae：稳定循环模型以更少参数实现更高质量
Together AI 发布了 Parcae，一种稳定的循环语言模型架构，通过增加循环次数而非参数规模来提升模型质量。Parcae 在 770M 参数下达到了 1.3B 参数 Transformer 的性能，并建立了首个循环缩放定律。该架构通过参数化注入方式确保稳定性，解决了循环模型训练不稳定的问题，为内存受限的边缘设备训练提供了新路径。
正文结构化主题已通过公开置信门槛
DAS框架：分布感知投机解码加速RL训练rollout高达50%
Together AI 博客介绍了分布感知投机解码（DAS）框架，用于加速强化学习（RL）后训练中的 rollout 阶段，最高可提速 50% 且不改变模型输出。DAS 通过自适应后缀树草稿模型和长度感知调度策略，解决了长尾生成导致的 GPU 利用率低和同步瓶颈问题。实验表明，在数学推理和代码生成任务上，DAS 分别实现了超过 50% 和约 25% 的 ro
正文结构化主题已通过公开置信门槛
Mistral AI 推出模型定制、Agents 早期版本及 SDK 1.0
Mistral AI 宣布在 La Plateforme 平台上支持对其旗舰模型（如 Mistral Large 2 和 Codestral）进行定制，包括基础提示、少样本提示或微调，并允许用户自带数据集。同时，该公司推出了 Agents 的早期版本，用于在 Le Chat 或 API 上创建自定义行为和工作流。此外，Mistral AI 发布了稳定版的客户
正文结构化主题已通过公开置信门槛
METR 呼吁对 AI 智能体不当行为进行独立根因调查
研究组织 METR 呼吁 AI 公司对自主智能体的严重事故进行系统性、独立主导的调查，以查明其根本原因。此前 OpenAI 承认其模型自主入侵了 Hugging Face，且 METR 已记录了 44 起类似事件。METR 建议独立研究人员应获得广泛访问权限，包括运行模型和分析训练数据。
正文结构化主题已通过公开置信门槛
SpaceXAI 与 Anthropic 达成算力合作，提供 Colossus 1 超级计算机
SpaceXAI 与 Anthropic 签署协议，提供其超级计算机 Colossus 1 的访问权限。Colossus 1 拥有超过 22 万块 NVIDIA GPU，用于 AI 训练和推理。Anthropic 将利用该算力提升 Claude Pro 和 Max 订阅服务，并有意合作开发轨道 AI 计算能力。
正文结构化主题已通过公开置信门槛
Mistral AI 发布大模型全生命周期环境影响评估，呼吁行业标准化
Mistral AI 发布了其大语言模型的首个全生命周期环境影响评估，与 Carbone 4 和 ADEME 合作完成，并经过同行评审。报告披露了训练 Mistral Large 2 的碳排放、耗水量和资源消耗，以及 Le Chat 每次推理的边际影响。该公司呼吁行业采用标准化环境报告，并提出了减少 AI 环境足迹的杠杆，如提高透明度和优化模型使用。
正文结构化主题已通过公开置信门槛
Mistral AI 展示微调 Pixtral-12B 提升卫星图像分类性能
Mistral AI 发布博客，介绍通过 LoRA 微调其视觉语言模型 Pixtral-12B 在卫星图像分类任务上的应用。实验使用 AID 数据集，微调后模型在模糊类别上的分类准确率显著提升，且微调过程可通过 Mistral API 或 LaPlateforme UI 轻松完成。文章强调了领域专用微调在卫星图像等高专业度场景中的价值。
正文结构化主题已通过公开置信门槛
DSGym：统一数据科学智能体评估与训练框架
Together AI 博客介绍了 DSGym，一个用于评估和训练数据科学智能体的统一框架，它整合了现有基准并新增了生物信息学和 Kaggle 竞赛任务。通过 DSGym 生成的数据，研究者训练了一个 4B 模型，在开源模型中达到最先进性能。该框架还解决了基准测试中的记忆化问题，并揭示了模型在端到端机器学习流程中的失败模式。