Anthropic发布的新模型Fable 5引发用户不满，因其安全检测机制频繁切换至旧模型Opus 4.8，影响使用体验。尽管Fable 5能力强大，但在高风险场景下自动降低回答质量，用户对此感到困惑。模型厂商应告知用户能力变化，以免影响学术研究和技术交流。

阿里巴巴旗下的高德发布了全球首个基于3D数据训练的城市模型ABot-Earth0.5。该模型通过直接使用3D数据，实现了城市场景生成效率提升约1000倍，并在数据处理和推理机制上进行了创新，确保生成内容与真实环境一致。用户可以通过卫星图或文字快速生成3D城市，并导入主流引擎使用。

Opus 4.8自称千问，实际上是中转站API的假冒身份。中转站通过伪造回答来节省成本，导致用户无法确认模型的真实身份。这一事件揭示了AI模型调用中的混乱与不透明，用户难以辨别真假，甚至可能与多个代理对话。

Addy Osmani 提出了将高级工程师判断力编码为 AI Agent 的方法，称为 agent-skills。该方法通过结构化工作流和明确的检查点，确保 AI 在编程时遵循关键步骤，如编写规范和测试，从而提高执行质量，避免忽视正确性。

Qwen系列模型最新升级为Qwen3-VL，在视觉理解和视频处理方面有显著提升。引入多维旋转位置编码（MRoPE）和DeepStack技术，增强了对复杂场景的推理能力，支持长文档和长视频处理，具备更高的上下文长度和精确的时间定位能力，推动多模态理解的进步。

北京大学和浙江大学的研究者提出了TIDE框架，实现了扩散语言模型的跨架构蒸馏，将16B MoE教师模型压缩至0.6B学生模型，提升了代码生成任务的性能和推理速度，并显著降低了内存需求。TIDE通过双轴调度、上下文增强和跨分词器匹配等技术，解决了蒸馏过程中的关键挑战，使得dLLM在消费级硬件上部署成为可能。

近年来，大模型在推理能力和效率上不断进步。Jackrong于2026年3月开源了高性能推理模型Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled，该模型结合了先进的推理能力，显著提升了复杂问题的解决能力，支持流式对话生成，适用于科研、编程和教育等领域，提供个性化的智能对话支持。

SAIR Foundation于2026年3月14日启动“数学蒸馏挑战赛”，旨在突破AI逻辑瓶颈，提升机器推理能力。比赛提供2200万道代数题，参赛者需编写压缩的“策略指南”以提高弱模型的准确率，分为两个阶段，欢迎全球学者和爱好者参与。

本文介绍了基于sub2api的部署方案，适合个人开发者和小团队，旨在统一接入大模型服务并提供API接口。内容包括环境配置、部署路径、验证方法及运维注意事项，强调使用Docker进行快速部署，以确保数据清洗和调用管理的高效性。

Anthropic指控三家中国大模型公司（Deepseek、Kimi、Minimax）通过蒸馏其模型并提供日志和交互数据作为证据。蒸馏是否构成抄袭存在争议，Anthropic认为这些公司通过混淆账号和IP地址进行不当行为。尽管Deepseek V4尚未发布，相关指控已引发关注，未来可能面临法律后果。

Anthropic 指控三家中国 AI 实验室通过虚假账号蒸馏其 Claude 模型。专家 Lambert 认为此事并不严重，强调蒸馏与强化学习的区别，指出蒸馏并非捷径，真正的创新依赖于强化学习。

Anthropic 指责其他公司蒸馏 Claude 模型，但自己也使用开源模型进行训练，引发网友质疑其双标行为。尽管开源训练没有问题，但其闭源做法引发争议。

Anthropic指控DeepSeek等三家中国AI公司滥用其Claude AI模型，创建24,000个虚假账户并进行1600万次交流。尽管“蒸馏”是合法的训练方法，Anthropic警告其可能被用于非法目的，助长专制政权的网络攻击和监控。

大模型在基准测试中表现优异，但推理成本高。模型蒸馏通过知识转移压缩模型，既保持准确性又降低成本，适合边缘设备。本文介绍了蒸馏的原理、应用场景及与其他优化技术的结合，以提高LLM应用的效率和性能。

黑森林实验室发布的FLUX.2-klein-4B模型，通过步数蒸馏实现亚秒级推理，显存需求仅13GB，支持多种生成模式，提升了AI图像生成的实时交互能力。

AI天气预报模型通过生成合成气候数据，解决了长期预报中的数据稀缺问题。研究者提出的长距离蒸馏方法，利用自回归模型生成大量数据，训练出仅需单步计算的概率模型，显著提高了预报准确性，已达到与欧洲中期天气预报中心相当的水平。

本文介绍了大语言模型的优化方法，包括蒸馏、量化、超长上下文和混合专家。蒸馏通过大模型指导小模型以减小体积并保留能力；量化通过降低精度节省内存；超长上下文利用局部窗口和环形注意力优化计算；混合专家则选择性激活部分专家以减少计算量。这些方法有效提升了模型的效率和性能。

本文探讨了流匹配模型的得分蒸馏方法，以提高图像生成效率。通过推导，统一了高斯扩散与流匹配，并将得分身份蒸馏（SiD）扩展至预训练的文本到图像流匹配模型。实验结果表明，SiD在不同模型中有效，无需教师微调或架构更改，首次系统性证明了得分蒸馏在文本到图像流匹配模型中的广泛适用性。