AINews - 2026-04-30
📰 十大AI新闻要点
1. vLLM v0.20.0 发布：聚焦内存与MoE服务效率
vLLM v0.20.0 正式发布，核心亮点包括：TurboQuant 2-bit KV缓存实现4倍KV容量；为SM90+架构重新启用FA4 MLA预填充；引入新的vLLM IR基础架构；融合RMSNorm带来2.1%端到端延迟改进。此外，该版本还支持DeepSeek V4 MegaMoE在Blackwell、Jetson Thor、ROCm、Intel XPU等平台上的运行，并简化了GB200/Grace-Blackwell的部署。SemiAnalysis 同时指出，在B200/B300/H200/GB200分离式部署中，B300处理DeepSeek V4 Pro的速度可达H200的8倍。
2. Poolside 发布首个公开模型 Laguna XS.2：33B/3B活跃参数的MoE编码器
Poolside 宣布推出其首个公开模型 Laguna XS.2，这是一个33B总参数量/3B活跃参数的MoE编码模型，完全内部训练，采用Apache 2.0许可，并宣称可在单张GPU上运行。同时发布的还有Laguna M.1和一个Agent框架。该模型采用混合注意力机制和FP8 KV缓存，性能接近Qwen-3.5。Ollama 已立即支持该模型。
3. NVIDIA 发布 Nemotron 3 Nano Omni：30B/A3B 多模态MoE模型
NVIDIA 发布了 Nemotron 3 Nano Omni，这是一个开源的30B / A3B 多模态MoE模型，拥有256K上下文，专为处理文本、图像、视频、音频和文档的Agent工作负载而设计。该模型发布后迅速获得全栈支持，包括OpenRouter、LM Studio、Ollama、Unsloth、fal、Fireworks、DeepInfra、Together、Baseten等平台均宣布同日可用。其5.95%的词错误率（WER） 在Open ASR排行榜上表现突出，多个主机声称其吞吐量是同类开源全模态模型的约9倍。
4. Mistral 推出 Workflows 公开预览版：企业级AI编排层
Mistral 发布了 Workflows 公开预览版，这是一个旨在将企业AI流程转变为持久、可观测、容错的生产系统的编排层。这标志着Agent构建者正从演示阶段转向生产原语。相关讨论也强调了持久执行对于长时间运行的Agent至关重要，以及子Agent/Agent即工具（具备持久化、流式传输和恢复能力）的发展方向。
5. 本地/离线Agent取得可信进展：从愿景到可行工作流
Teknium 断言“完全离线的Agent是可能的”，Niels Rogge 演示了Pi与本地模型结合用于桌面清理，Google Gemma 分享了本地编码Agent教程。Hugging Face 的本地化推动也体现在数据上：Clement Delangue 表示已有30万用户在Hub上添加了硬件规格以探索本地可运行的模型。此外，Ammaar 开源了一个在设备上通过MLX运行Gemma 4的vibe-coding应用。
6. GPT-5.5 Pro 在 Epoch 能力指数上达到159，并在FrontierMath上取得新高
Epoch AI Research 报告称，GPT-5.5 Pro 在Epoch能力指数（ECI） 上达到159分，并在FrontierMath基准测试中创下新高：**Tier 1-3达到52%，Tier 4达到40%**。其中，有两个Tier 4问题此前从未被任何模型解决。同时，Greg Kamradt 表示GPT-5.5和Opus 4.7的ARC-AGI-3测试已完成，失败模式正在分析中。
7. ChatGPT 5.4 解决了一个60多年未解的Erdős数学难题
据报道，ChatGPT 5.4 Pro 在1小时20分钟内解决了一个长达60多年的Erdős数学难题（Erdős #1196）。该解决方案由一位23岁的用户引导，通过应用一个已知公式的新颖方式实现。著名数学家陶哲轩已评论并确认该证明的合法性。这一成就挑战了LLM仅能预测下一个token而缺乏真正推理能力的观点。
8. Google 与五角大楼的机密AI协议引发内部强烈反弹
据报道，Google签署了一项协议，允许其AI用于机密工作和“任何合法的政府目的”，合同语言可能允许政府请求修改安全过滤器，而对监控或自主武器的限制仅为非约束性的“非预期用途”。这引发了来自Google/DeepMind内部的罕见公开批评，有员工称其“可耻”，并指出事先没有内部公告或讨论。该事件凸显了安全政策、部署控制和合同语言正日益成为前沿AI提供商产品表面的一部分。
9. Anthropic 悄然为 Claude Code Pro 用户设置 Opus 模型额外付费墙
Anthropic 被曝为 Claude Code 用户引入了新的定价结构，即使是Pro计划（$20/月）的用户，也需要额外付费才能访问Opus模型。默认模型为Sonnet 4.5，而Opus 4.5被锁定在额外付费墙之后。此举引发了用户对透明度和成本影响的强烈不满，并被视为向计量模式转变的信号。
10. GitHub Copilot 对 Claude 模型实施9倍价格上调
GitHub Copilot 宣布从6月开始，对Claude模型实施900%的价格上调，从固定计划转向基于使用量的计费模式。这一变化是向API计费转变的一部分，可能会严重依赖Claude Agent进行生产的企业客户产生重大影响，因为推理成本的增加将显著改变单位经济效益。评论者指出，缺乏对Agent操作和Token使用情况的可见性会加剧财务影响。
🛠️ 十大工具产品要点
1. vLLM v0.20.0：TurboQuant 2-bit KV缓存与DeepSeek V4 MegaMoE支持
核心特性：TurboQuant 2-bit KV缓存（4倍KV容量）、FA4 MLA预填充（SM90+）、vLLM IR新基础架构、融合RMSNorm（2.1%端到端延迟改进）。支持DeepSeek V4 MegaMoE on Blackwell、Jetson Thor、ROCm、Intel XPU，并简化GB200/Grace-Blackwell部署。
2. Poolside Laguna XS.2：33B/3B活跃参数MoE编码模型，单GPU可运行
特性：Apache 2.0许可，33B总参/3B活跃参数MoE，混合注意力，FP8 KV缓存，性能接近Qwen-3.5。Ollama立即支持。同时发布Laguna M.1和Agent框架。
3. NVIDIA Nemotron 3 Nano Omni：30B/A3B多模态MoE，256K上下文
特性：开源，30B/A3B多模态MoE，256K上下文，支持文本/图像/视频/音频/文档。Parakeet编码器实现5.95% WER。全栈同日可用（OpenRouter, LM Studio, Ollama, Unsloth, fal, Fireworks等），吞吐量是同类模型的9倍。
4. Microsoft TRELLIS.2：4B参数开源图像转3D模型
特性：4B参数，图像转3D，输出1536³ PBR纹理资产。采用原生3D VAE实现16倍空间压缩。基于“无场”稀疏体素结构O-Voxel，可重建复杂3D拓扑。开源，提供Hugging Face演示。
5. Mistral Workflows：企业级AI编排层（公开预览）
特性：将AI流程转化为持久、可观测、容错的生产系统。支持子Agent/Agent即工具，具备持久化、流式传输和恢复能力。面向企业级长时运行Agent的编排需求。
6. Luce DFlash：Qwen3.6-27B在单张RTX 3090上实现2倍吞吐量
特性：基于
ggml的独立C++/CUDA栈，实现DDTree树验证推测解码、KV缓存压缩、滑动窗口Flash Attention。在HumanEval、GSM8K、Math500上达到1.98倍吞吐量，支持256K上下文，无需重新训练。
7. Hermes Agent：在指令遵循和实际工作流中超越OpenClaw
特性：多个报告显示Hermes在指令遵循和实际工作流中表现优于OpenClaw。已通过Telegram部署，并用于医学文献提取等场景。强调Harness选择对模型性能的关键影响。
8. LlamaIndex ParseBench：文档智能基准测试，超越OCR
特性：强调OCR基准测试忽略了语义格式（如删除线和上标），这些格式会实质性地改变Agent对文档的理解。ParseBench旨在更真实地评估文档智能能力。
9. Modded-NanoGPT Optimizer Benchmark：轻量级优化器比较框架
特性：Keller Jordan发布的轻量级优化器基准测试，用于在可复现的速通式任务上比较Muon和AdamW等优化方法。旨在为优化器研究提供标准化、可复现的评估环境。
10. DeepSeek V4 Pro 激进定价与缓存折扣
特性：DeepSeek 推出激进的V4 Pro定价策略和缓存折扣，并延长至5月底。此举强化了开源模型的经济性优势，促使许多Haiku/Flash工作负载被重新评估是否转向DeepSeek、Minimax、GLM、Nemotron等开源模型家族。