美国企业AI采用率持续增长，前1%的“AI高级用户”企业人均月投入达7500美元，虽低于软件工程师约16000美元月薪，但AI支出高速增长引发算力与人力成本结构讨论。英伟达高管此前指出计算成本已超过人力，凸显AI投资对传统薪酬模式的潜在冲击。
人工智能初创公司Liquid AI发布并开源了端侧大模型LFM2.5-8B-A1B，专为消费级硬件设计，优化工具调用和指令遵循能力。该模型采用稀疏混合专家架构，总参数量8.3B，但每个Token仅激活1.5B参数，在降低计算成本的同时提升推理性能，可流畅运行于手机和笔记本电脑上。
尽管OpenAI营收未达预期导致科技股承压，但投资者仍保持韧性，未因负面报道放缓出资。分析指出，AI竞赛尚处早期，不会“赢家通吃”，虽计算成本高企，但提价策略可缓解营收压力。
阿里巴巴千问团队开源稀疏混合专家模型Qwen3.6-35B-A3B，总参数量350亿，激活参数仅30亿。该模型以低计算成本在多项编程基准测试中超越Qwen3.5-27B，并显著领先前代Qwen3.5-35B-A3B，实现轻量级模型在智能体编程领域的关键突破。
Minthy
这是一个基于RouWei-0.8的实验性预训练模型，采用16通道潜在空间架构，使用Flux自动编码器。该模型旨在以较低计算成本实现更精细的图像细节，同时保留原有模型的知识和性能。
ByteDance-Seed
人工海马网络（AHN）是一种创新的长上下文建模方法，通过将无损记忆转换为固定大小的压缩表示，结合了无损记忆的精确性和压缩记忆的高效性。该模型能够有效处理长序列，计算成本固定，适用于各种类似RNN的架构。
AdilZtn
SmolVLA是一款紧凑高效的视觉语言动作模型，能在降低计算成本的情况下取得有竞争力的性能，并可以部署在消费级硬件上。该模型使用LeRobot进行训练，专为机器人技术应用设计。
NiryoTeam
SmolVLA是一个紧凑且高效的视觉语言动作模型，能够在降低计算成本的情况下实现有竞争力的性能，并可以部署在消费级硬件上。该模型通过LeRobot进行训练，专为机器人技术任务设计。
tencent
SRPO是一种针对扩散模型的人类偏好对齐方法，通过Direct-Align技术和语义相对偏好优化，显著提升了FLUX.1-dev模型的真实感和美学质量，解决了多步去噪计算成本高和依赖离线奖励微调的问题。
GeniusJunP
SmolVLA是一个紧凑高效的视觉-语言-动作模型，能够在降低计算成本的情况下保持有竞争力的性能，适合部署在消费级硬件上。该模型使用LeRobot框架进行训练，专门针对机器人技术任务优化。
SmolVLA是一个紧凑高效的视觉-语言-动作模型，能在降低计算成本的情况下取得有竞争力的性能，可部署在消费级硬件上。该模型使用LeRobot框架训练，专为机器人技术应用设计。
Vinnnf
Thinkless是一个通过强化学习训练的大语言模型，能够自适应选择简答或长链推理模式，显著降低推理计算成本。
RedHatAI
Qwen3-30B-A3B-FP8-dynamic是基于Qwen3-30B-A3B模型通过FP8量化优化的版本，显著降低了内存需求和计算成本，同时保持了原始模型的高准确率。
kakaocorp
Kanana是由Kakao开发的双语(韩语/英语)语言模型系列，在韩语任务上表现卓越，在英语任务上具备竞争力，相比同规模模型显著降低计算成本。
Kanana是由Kakao开发的双语(韩语/英语)语言模型系列，该2.1B参数版本在韩语表现上超越同类模型，同时保持高效计算成本。
kiriyamaX
Kokoro是一款拥有8200万参数的开源文本转语音模型，以轻量架构实现媲美大型模型的音质，同时提升生成速度并降低计算成本。
nvidia
Minitron-8B-Base是通过剪裁Nemotron-4 15B获得的大型语言模型，采用蒸馏持续训练方法，相比从头训练节省了40倍的训练token和1.8倍的计算成本。
apple
TiC-CLIP是基于OpenCLIP改进的视觉语言模型，采用持续训练策略在时间序列数据上训练，有效降低了模型更新的计算成本。
NucleusAI
基于RetNet架构与Transformer混合的线性计算成本推理模型，通过跨架构迁移学习实现
Yukang
LongLoRA是一种高效的微调方法，能够在有限的计算成本下扩展预训练大语言模型的上下文长度。
LongLoRA是一种高效的大语言模型微调方法，能够在有限计算成本下扩展预训练模型的上下文长度。该方法通过移位短注意力和改进的LoRA技术，显著降低了长上下文训练的计算需求，同时保持模型性能。
warp-ai
Würstchen是一种高效文本生成图像的扩散模型，通过42倍空间压缩技术显著降低计算成本
ntu-spml
DistilHuBERT是一种通过层级蒸馏HuBERT模型实现的轻量级语音表征学习模型，在保持性能的同时显著减小模型体积和计算成本。
google
ELECTRA是一种通过判别式预训练的自监督语言表示学习方法，以较低计算成本实现高效训练。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
