vLLM 新增对 NVIDIA 硬件视频解码的支持，通过 PyNvVideoCodec 实现视频解码从 CPU 向 GPU 的迁移，显著提升多 GPU 节点上的视频字幕生成吞吐量。在 8xH100 配置下，GPU 解码性能超过 CPU 解码一倍以上。支持 Qwen/Qwen3-VL-8B-Instruct 等轻量多模态模型，适用于自动驾驶等场景的视频描述任务。
推荐理由：原文给出了硬件视频解码支持的接入方式和性能提升数据，读者可据此评估其对多GPU视频任务的优化效果。
月之暗面发布 Kimi K3，2.8万亿参数开源模型，为首个3万亿参数级开源模型，支持1M上下文、多模态输入和动态工具加载。Together AI 提供 API 接入，支持 OpenAI 兼容调用，推理深度可调，定价按 token 计费，缓存命中输入价为每百万 token 0.30 美元。模型在 DeepSWE、BrowseComp 等基准上表现领先，支持结构化输出、流式响应和保留思考历史。
推荐理由：原文提供了模型参数、架构创新、API 使用方式和定价，读者可据此判断其在长上下文、推理和多模态任务中的实际部署潜力。
Vector Institute 发布关于多模态混合专家（MoE）模型的研究论文，系统分析了从稀疏路由到多模态部署的架构原理与训练挑战，实证揭示了模型在早期层按模态路由、深层按语义路由的结构演化规律，并提出通过QLoRA、Flash Attention 2与lm_head预钩子实现35.26B参数模型在四张A100 GPU上的可训练性，同时指出专家并行是长期可行方向。
推荐理由：原文通过实证分析揭示了多模态MoE模型在路由机制与训练实践中的关键规律，为后续优化提供了可复用的方法论。
fal 团队构建了一个完全可控的AI视频生成管线，从3D分镜设计到最终成片，并开源了核心的3DREAL Strong v2 LoRA适配器。
推荐理由：原文详细拆解了从3D分镜到AI生成视频的完整工作流，包括具体的工具链、验证步骤和迭代经验，可供从业者复现或借鉴其方法。
Gemma 4 系列包含四款模型：E2B、E4B、31B 和 26B A4B，支持图像与音频输入，采用稠密与 MoE 架构。其核心设计包括交错局部与全局注意力、K=V 优化、p-RoPE 位置编码、Per-Layer Embeddings（PLE）和多模态编码器（ViT 与 Conformer）。
推荐理由：原文通过图文结合方式详细拆解了 Gemma 4 的架构设计，包括多模态处理、MoE 与 PLE 技术，读者可据此理解其效率与能力的平衡机制。