Blackwell GPUs
PulseAugur coverage of Blackwell GPUs — every cluster mentioning Blackwell GPUs across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Apache TVM 推出 TIRx 编译器，用于演进的 ML 内核和硬件
Apache TVM 推出了 TIRx，这是一个开源编译器堆栈，专为机器学习内核和不断发展的硬件而设计。这个新系统支持硬件原生 DSL，并可编译到 GPU 和专用 AI 加速器，同时注重适应未来硬件代际的灵活性。TIRx 旨在为程序员和机器之间提供一个灵活的边界，使专家能够控制底层操作，同时也支持常用任务的可重用块基元。
-
新的推测解码方法提高了 LLM 推理速度和安全性
研究人员正在开发先进的推测解码技术，以加速大型语言模型推理。HyperDFlash 针对 DeepSeek-V4 的多超连接架构优化了解码，提高了草稿的准确性和速度。Dustin 通过识别关键标记并减少重新计算来专注于高效的长上下文生成。同时，TAIS 对推测解码的输出进行安全性不变性筛选，发现在温度为零时没有分歧。JetSpec 和 RLM-Cascade 通过结合草稿策略并在响应级别应用推测解码来实现高性价比的 API 服务，提供…
-
Unsloth 更新 AI 库，支持 CUDA 13.3、Mac 和 Windows
Unsloth 发布了其 AI 优化库的更新，包括对 Windows 上的 CUDA 13.3 支持以及对 Apple Silicon Mac 的兼容性改进。新版本解决了 CUDA 13.2 的问题，并为各种 macOS 和 Windows 配置提供了预编译二进制文件。更新还包括对 Unsloth Studio 的增强，例如公开 parallel 标志并添加了前端国际化支持。
-
Together AI发布FlashAttention-3和-4，加速大语言模型处理
Together AI发布了FlashAttention-3和FlashAttention-4，这是其用于大语言模型的GPU加速注意力机制的重大升级。FlashAttention-3专为Hopper GPU设计，通过利用张量核心（Tensor Cores）和张量内存加速器（Tensor Memory Accelerator）等新硬件特性并支持FP8精度，实现了高达75%的利用率和比前代产品快1.5-2倍的速度。FlashAttenti…
-
ThriftAttention 通过择优混合精度注意力机制提升AI效率
研究人员开发了ThriftAttention，一种用于提高AI模型长上下文注意力机制效率的新颖方法。该技术选择性地将更高精度（FP16）应用于一小部分关键的查询-键交互，而其余部分则以较低精度（FP4）进行处理。这种择优方法旨在以FP4推理速度维持接近FP16的质量，从而缓解在长上下文设置中低精度常带来的显著质量下降。该方法已证明其能够恢复FP4和FP16注意力之间性能差距的很大一部分，并且随着序列长度的增长，收益也随之增加。
-
LongLive-2.0基础设施加速长视频生成训练和推理
研究人员开发了 LongLive-2.0，这是一个并行基础设施，旨在优化长视频生成模型的训练和推理。该系统利用 NVFP4 精度和序列并行自回归训练来减少内存需求并加速计算。对于推理，LongLive-2.0 采用 W4A4 NVFP4 推理和异步流式 VAE 解码等技术来实现高吞吐量，在训练中展示了高达 2.15 倍的加速，在推理中展示了 1.84 倍的加速。
-
英伟达 RTX Mega Geometry 通过减少 VRAM 提升路径追踪性能
英伟达开发了 RTX Mega Geometry，一项旨在通过减少 VRAM 消耗和消除视觉伪影来增强路径追踪渲染的新技术。这项创新解决了现有 API（如微软的 DXR）在处理现代游戏高几何复杂度时遇到的限制。通过引入 GPU 驱动的 Cluster Acceleration Structure (CLAS)，RTX Mega Geometry 大幅加快了 BVH 重建速度并降低了 CPU 开销，从而能够在不牺牲性能的情况下实现全保真几何追踪。
-
AMD和OpenAI通过新芯片和GPU提升2026年AI性能
AMD发布了专为2026年设计的全新Ryzen AI PRO芯片，旨在提升企业用户的设备端AI性能和安全性。另外，OpenAI公布了利用NVIDIA Blackwell和Hopper GPU的新训练规范，声称GPT-5.2等模型的AI性能提升了40%。
-
LongCat Image Edit 和 SageAttention 提升 AI 图像生成速度和真实感
Meituan 开发的新模型 LongCat Image Edit 2026 在 Stable Diffusion 工作流中展示了卓越的面部修复能力，速度提升 30%，且无伪影。该模型拥有 60 亿参数，提供自然的真实感和效率，在图像编辑任务中优于 Stable Diffusion。此外，SageAttention 核心将 Blackwell GPU 上的 AI 推理速度提升高达 35%，优化了图像和视频模型的注意力操作。
-
Thinking Machines 任命 Soumith Chintala 为新任首席技术官，组建 vLLM 团队
Thinking Machines 任命 Soumith Chintala 为其新任首席技术官，接替 Barret Zoph。Chintala 在人工智能研究和开发方面拥有十年经验，预计将领导公司的技术进步。该公司还宣布计划组建一个 vLLM 团队，专注于推进开源 vLLM 和支持前沿模型。