低位计算、云端边界与可交互世界

推理执行｜从候选方案走到实际计算

SnakeCharmer｜共同控制预取的时机与落点

10 月 22 日的 SnakeCharmer 将地址预测与预取控制分开：前端提供候选地址，后端共同决定是否发出、何时发出，以及返回数据放在哪里。它用零值置信度过滤低收益请求，用执行反馈调整预取距离，并借空闲寄存器缓冲数据，减少 L1 竞争；预测准确并不自动等于程序加速。

实验用 AccelSim、AccelWattch 模拟 A100 与 V100，比较 Snake、APOGEE 及组件消融，只计 GPU kernel 执行。14 个负载先按地址预测潜力筛选，包含图算法、CNN 和小型 decoder-only Transformer，不能外推为完整 LLM 服务收益。这是微架构研究，原文未给可核验的项目代码入口，不能描述成现有 GPU 上可安装的软件优化。

来源：2026-10-22（UTC 首提），A 级｜论文与首提记录 · 控制机制、模拟与负载筛选。

FIGFLEX｜让低位权重同时减少计算工作

近期补充：10 月 21 日 UTC 的 FIGFLEX 将混合精度量化与 FP–INT GEMM 数据通路共同设计。Radix-4 移位加法结构让较低位宽释放更多并行计算位置，量化器再按 GPTQ 不能补偿的误差分配位宽，并用列缩放适配硬件。它量化 decoder 线性层权重，激活、embedding 和输出头仍为 FP16。

质量评估覆盖六个模型，对照 GPTQ、AWQ 等；硬件结果来自 SystemVerilog RTL、NanGate 15nm、1GHz 综合，对照重新实现的 FIGNA、FIGLUT、AxCore。端到端请求收益是估计，batch=1 仍受内存带宽限制，不能当作流片实测。平均 2/3bit 仅计权重编码，不含缩放、零点和精度标签；原文未提供可核验公开仓入口。

来源：2026-10-21（UTC 首提；近期补充），A 级｜论文与首提记录 · 架构、量化与综合评估。

TensorRT 调优器｜在准确性约束下搜索构建路线

NVIDIA 在 10 月 23 日的两篇工程文章中，解释 TensorRT 11.1 已提供的 Global Performance Tuner。它把编译选项组合表示为可搜索的构建路线，逐个构建并测量完整引擎；启用参考输出验证后，排除构建失败或准确性不达标的候选，再从已测合格路线中选最快者。

调优仍需要调用方提供代表性输入、参考输出和阈值；最快路线只对应搜索过的候选，模型、shape、GPU 或软件版本改变后需要重新测量。文章的负载图没有交代足够的硬件和 shape 条件，不宜引用为通用加速倍数。这次的新材料是工程解释，并非 TensorRT 11.1 当天发布。

来源：2026-10-23（工程文章；功能早于本次文章），B 级｜构建路线与准确性约束 · 搜索设计与使用条件 · 现有调优接口文档。

平台交付｜接口统一之后仍要核对责任边界

Claude on Google Cloud｜新增 Anthropic 托管路径

Google 在 10 月 23 日宣布 Anthropic-managed Claude 部署选项 GA，在既有 Google-managed 路径之外，由 Anthropic 运营 Claude API，Google Cloud 提供 IAM 接入与 Marketplace 计费。Managed Agents 等能力仍保留各自的 Beta 状态；部署选项 GA 不会把所有平台功能一起变为 GA。

官方文档明确，Google 集成层与 Anthropic API 分别承担数据处理责任，存储、推理或支持服务可能离开 Google Cloud。接入会创建独立的 Anthropic 组织，原组织的配置与 ZDR 安排不会自动继承。Managed Agents 只在创建时检查权限，撤销创建者的 IAM 权限不会停止既有会话或定时部署；因此，接入验收还需检查运行资源与权限撤销的生命周期。

来源：2026-10-23，A 级｜Google 原始 GA 发布；B 级｜Google 接入与数据处理说明 · Anthropic 身份与运行契约。

AWS 1:1 NAT｜在连接附件上转换重叠地址

AWS 在 10 月 23 日为 Transit Gateway 与 Cloud WAN 提供 attachment 级托管 1:1 NAT，通过 Regional Private NAT Gateway 为重叠网段建立双向地址映射，减少多云连接、合作方接入与网络合并时的重新编号工作。它是静态、无状态的 IPv4 CIDR 转换，源与目标前缀长度相同，保留主机位与端口，不需另写反向转换规则，也允许另一侧主动发起连接。

这不是共享端口的 NAPT，IPv6 流量不会被转换。Cloud WAN 还限定 attachment 类型，启用 appliance mode 的 VPC attachment 不能同时启用 NAT，Connect 与其 transport attachment 也不能同时开 NAT。对跨云数据与计算平台而言，这能减少地址冲突造成的接入工作，但路由和已有网络模式仍须一并验证。

来源：2026-10-23，A 级｜AWS 原始交付公告；B 级｜Cloud WAN 映射语义与兼容限制。

科研计算｜规划与代理模型各自接受验证

ArcTN｜同时核算收缩计划与执行成本

10 月 22 日 UTC 的 ArcTN，为量子电路张量网络选择收缩顺序。Light、Heavy 两种预设结合随机贪心构造、子树重配置和并行回火，在搜索时间、运算量与中间张量大小之间取舍；Fixed、Dynamic slicing 用于满足中间结果大小限制，保存的计划也能复用。

主实验使用 Xeon Platinum 8253，每次固定八个物理核，对照 Cotengra、OMECO、Google TNCO；海光服务器的加速器测试实际只用一张 BW200 DCU。统计限于各配置共同完成的案例，slicing 部分只生成和验证计划，没有执行数值收缩，FLOPs 降幅不能直接视为运行加速。原仓含基准与记录结果，但采用非商业 source-available 许可，Light/Heavy 引擎为随 wheel 提供的专有组件，不能称全栈开源。

来源：2026-10-22（UTC 首提），A 级｜论文与首提记录 · 规划、执行与比较范围 · 原仓及交付许可。

CARS｜让血管中心线承载几何条件

近期补充：10 月 21 日 UTC 的 CARS，以中心线坐标、逐点管腔半径和入口流量为条件，在查询点预测压力与速度。它把血管自身的中心线作为注意力焦点，减少几何融合成本；主要精度配置的第二阶段仍是完整 self-attention，不能把整个模型统称为线性复杂度。

推理评估为单张 A100 80GB、FP32、batch 1，对照参数量接近的神经算子；CFD 参考在 Azure F16s_v2 的八个 MPI rank 上运行，前向时间不含分割、中心线提取和网格生成。训练与测试重复部分基础解剖，主要说明参数空间插值；标签来自稳态、刚性壁、Newtonian OpenFOAM 流程，未验证真实患者终点，速度场也不足以保证连续性。派生数据、权重和代码尚未公开。

来源：2026-10-21（UTC 首提；近期补充），A 级｜论文与首提记录 · 代理结构、实验与临床外推限制。

交互模型｜连续生成与实体部署分开验收

Hy-Nomas｜把新指令接到持续的视频历史

腾讯在 10 月 23 日上传 Hy-Nomas 权重与基准，原仓提供训练、推理和交互演示代码。模型逐段生成视频，在段间接收文本或相机控制，并用持续 KV cache 保留历史。同步提供的 Hy-Nomas-Bench 包含多轮文本、相机导航、交错控制与空间记忆测试；公开的是输入与轨迹，未附评估分数，不能据此宣称领先。

标准配置采用八卡序列并行；另一条 RTX 4090 单卡路径使用 INT8 权重与 KV、FP8 解码器和 CPU 卸载，GPU 历史有界，CPU 历史仍会增长，在线 Nomas-PE 也需要单独资源。24 FPS 是输出播放帧率，不是实测生成速度；视频推理单卡可用也不等于完整交互服务只需一张卡。模型与代码按 Apache-2.0 发布，第三方组件仍各守其许可。

来源：2026-10-23（权重与基准上传），A 级｜原始模型卡 · 代码与部署配置 · 原始基准与数据范围 · 权重发布记录。

Microduck 仿真｜从 Agent 资产制作走到策略评估

NVIDIA 在 10 月 23 日展示一条 Microduck 工作流：Agent 在 RTX Spark 上规划任务，用 FreeCAD、Blender 制作可编辑资产，再由 Isaac Sim、Newton 构建环境与反馈。已有运动策略在 Isaac Lab 中继续学习斜坡和障碍，使用头部相机深度与机器人状态观测；该适应训练在 RTX PRO 6000 Blackwell Workstation Edition 上运行 4,096 个并行环境。

训练后的策略回到 RTX Spark 上做仿真评估，检查完成路线、跌倒、碰撞和停滞。文章附有实体行走演示，但没有给出这条新障碍课程的完整硬件部署与实机验收；BAM 执行器建模和域随机化仍需结合实际传感、接触与控制时序校准。这里可复用的是资产、训练与评估的交接方法，不能把仿真课程完成直接等同于实体任务通过。

来源：2026-10-23（工程工作流），B 级｜NVIDIA 原始流程、训练配置与部署范围。