命令依据的是 2018 年的《联邦采购供应链安全法》（FASCSA），由国土安全部部长 Markwayne Mullin 签署，对应 Federal Register 文件 2026-21447，10 月 20 日正式刊登。它管两件事：一是把杭州深度求索及其关联方开发的 IT 产品和服务排除在联邦民用采购之外；二是把所有 DeepSeek 产品、关联方产品，以及“使用 DeepSeek 实现开发的第三方产品和服务”从民用机构的系统里移除。执行由 CISA 的 FASCSA 命令实施组负责，移除期间各机构要加强流量监控、日志记录和防泄漏措施。

理由写的是：用户数据存放在中国，提示词和回复会传回境内服务器，取证分析还发现了安全和隐私漏洞；签署的命令里说 DeepSeek “对美国政府系统的网络安全构成多重威胁”。移除期限的说法对不上：MeriTalk 副标题写 60 天，正文又说立即移除，公开的通知正文里没有写。

为什么值得知道：此前联邦和各州对 DeepSeek 的限制，大多只管员工公务设备上的 App，这次是采购和系统层面的整体排除，措辞还伸到了第三方产品。现在不少开源模型和应用是在 DeepSeek 权重上微调或蒸馏出来的，自托管的开放权重、衍生模型算不算“使用 DeepSeek 实现开发”，通知没有说清，给联邦机构供货的 AI 厂商得先回头核一遍自己的技术栈。命令公开的前两天，DeepSeek 刚发布 V4.1-Flash-1017（本站 10 月 18 日写过）。

MeriTalk →

扩散语言模型对一整段输出反复去噪、并行改写，不用从左到右一个一个吐 token，所以单位时间能出的字数远高于同等规模的自回归模型。Mercury 3 的总参数是第一代 Mercury 的 40 多倍，上下文从 Mercury 2.5 的 26 万 token 扩到 100 万。Inception 给了几组数：在 50 个实时 Mind2Web 网页导航任务里完成一半，所用 token 量和步数跟前沿模型相当；在 Octen AI 的实时搜索测试里，生成耗时中位数 0.9 秒，端到端 2.2 秒。上线期间价格打五折，缓存输入再打一折；已经上了 Inception 自家平台、OpenRouter、Baseten 和 Vercel，接口兼容 OpenAI。

为什么值得知道：agent 循环里每一步都要等模型说完，语音、搜索、浏览器操作这类场景里，延迟往往比单题准确率更要紧，扩散模型押的正是这一块。Inception 还宣称自回归那套 scaling law 在扩散模型上同样成立，如果属实，扩散路线就不只是“快但不够聪明”的小模型方案。不过“超过 GPT-6 Luna”这句话没有列出是哪些基准，架构细节和权重也都没公布，目前只能当厂商自报的数来看。

Inception →

提速靠的是更激进的稀疏化：日常使用每秒 200 多个 token，P50 在 170 以上。其他自报分数有 BankerToolBench 76.2、DeepSWE v1.1 73.7%、CyberGym 82%。它上线前用的代号是“Space Bunny”，现在可以通过 MiniMax API、M Plan 订阅和 MiniMax Code 使用，缓存输入每百万 token 0.015 美元；更大的 MiniMax Pro 也在计划里，没给日期。

为什么值得知道：Flash 这一档的输出价已经压到每百万 token 不到 1 美元，而它报的分数全瞄着 agent 场景（电脑操作、软件工程、金融工具调用），厂商比的越来越是“跑完一个 agent 任务要花多少钱”，不再只是 token 单价。要留意的是，博客没写参数量、上下文长度和许可证，权重只说“之后发布”，所谓更激进的稀疏具体怎么做也就没法核对；CyberGym 这类网络攻防分数，最好等权重放出后看第三方复测。

MiniMax →

难点在 MoE 的内存账：激活参数只有 3B，可每个 token 在每一层选的专家都不一样，手机内存装不下全部专家。以前的两条路都不理想：用到时再从存储里读，解码会频繁卡顿；给整段提示词固定一个专家子集，又会把模型本来要选的专家挡在外面，能力打折。MiniCPM-V 4.7 的 Lookahead Expert Scheduling 用跨层路由预测，提前把下一层可能用到的专家读进来，计算时先算已经到位的，同时加载剩下的；预测只管调度，真正参与计算的仍是原始路由选出的专家，没预测到的照常加载，模型输出不变。

视觉端沿用 LLaVA-UHD v4 的 ViT 内部早压缩，视觉 token 可以在 4 倍和 16 倍压缩之间混用。官方称 Instruct 模式下它比 Qwen3.6 35B-A3B 总分更高、耗时更短；支持 iOS、Android 和鸿蒙，首发就适配瑞芯微、后摩、Intel、AMD 和 Arm 的芯片，同时放出 1B 小版本，以及一种减少遗忘的低成本微调方法 SRFT。

为什么值得知道：端侧过去基本只能跑稠密小模型，MoE 一直卡在内存上。如果“按需加载、但不改路由”这套调度真能做到无损，手机上能用的模型就从几 B 抬到几十 B 总参。官方发布是 10 月 15 日，仓库 10 月 19 日刚更新过，这两天 1B 版也进了热榜前二十。

Hugging Face →

原来卡在哪：RLVR 的生成窗口动辄 32k，成本很高；可直接把窗口缩短，难题上一组 rollout 可能全在给出答案前被截断，奖励全是零，GRPO 的组内相对优势随之消失，这一组等于白采。这篇是 Batched Contextual Reinforcement 的续作，提出 Concurrent Constraint Reinforcement（CCR）：一个提示里放三道能独立验证的题，模型在 8000 token 的上限里依次作答，每个答案单独判分，后面没写完不影响前面已经答对的。准确率奖励是答对题数除以 3，再加一项格式分；三道题共用一份预算，模型自己就学会了把推理写短，不需要显式的长度惩罚。

结果：每步训练 token，4B 从约 97.5 万降到 17.5 万，8B 从约 79.4 万降到 16.6 万。8B 的训练曲线上，准确率奖励从前 50 步的 0.142 升到最后 50 步的 0.509，平均回答长度从 6867 降到 5034 token。单题评测里，和训练前的检查点相比，4B 平均准确率从 75.3% 到 77.7%，8B 从 68.8% 到 69.7%，评测时的回答也短了两成多。

要看清的地方：论文没给 32k GRPO 基线的准确率，省下的是每一步的 token，达到同样准确率总共要花多少还没量；分题看有涨有跌，8B 的 AIME25 从 66.7 掉到 60.0；而且只试了三题一组、8000 窗口这一种设置。对算力紧的组来说，在短窗口里保住能拿分的结构，比硬砍长度更稳，但要替代长窗口训练还需要更完整的对照。

arXiv →

原来卡在哪：作者在预实验里发现，每组 8 条 rollout 中大约一半的组全是不安全回答，GRPO 的组内优势全为零，这些题完全没有梯度；在难的有害提示上，不安全率一直下不来，不安全回答的语义熵反而在涨。论文的解释是：安全信号消失之后，熵正则把概率摊到了更多种不安全的说法上，作者称之为 unsafe diversification。

Beacon 分两块。Safety Signal Recovery 先按优势把 rollout 首尾配对，只保留优势差最大的 75%；再对有害提示加一项似然损失，直接朝一条参考安全回答（连同推理过程）学，组内奖励全一样时也有方向可走。Safety-Utility Decoupled Alignment 负责防过度拒答：有害提示只看安全分，正常提示取安全分与“安全、有用、诚实”三项均值中较小的那个；KL 只锚在正常提示上，模型在有害提示上可以离初始模型远一些。

结果：在 Qwen3-4B、Qwen3-8B、R1-Distill 7B 和 8B 四个模型、八个基准上，平均安全错误率降了 17.69 到 32.83 个百分点，R1-Distill-8B 从 39.10% 降到 6.27%；XSTest 过度拒答保持在 0.40% 到 1.20%；推理准确率平均还涨了 0.26 到 4.56 个点。消融里，光是参考安全回答这一项，就把安全 rollout 的比例从 24.34% 提到 49.74%。对做 GRPO 的人来说，整组同分没有信号，在数学题上只是采样效率问题，换到安全对齐上会变成不安全行为的扩散，这个区别值得记住。

arXiv →

原来卡在哪：长程 agent 只有终局奖励，每一轮的功劳分配稀疏、方差大；在同一批 rollout 上连着做多个 mini-batch 更新，当前策略会越走越偏离采样策略。要更密的信号，现有方法得训一个价值网络、标步骤级数据，或者找一个更强的外部老师；重要性采样和裁剪能缓解偏移，却没有给更新一个“到这里就停”的有限目标。

TreeOPSD 把每一轮交互当成树上的一个节点：每个提示先采 4 条完整轨迹，每条再随机挑 2 个中间轮次重新往下采，一共 12 条，共享前缀合并成一棵树。终局奖励标准化后，按采样策略的概率加权逐层往上平均，得到每一轮的隐式价值 V。V 再映射成一个伯努利老师 q = 1/2 + V/τ，被限制在 1/2 ± ρ 以内；学生一侧用相对冻结采样策略的平均对数似然比过 sigmoid，最小化两者之间的 KL。在采样策略处，这个损失的梯度方向与策略梯度一致，但目标有界，连续多步更新不会冲过头。

结果：Deep Research 设定下（BrowseComp-Plus、BrowseComp、GAIA、xbench-DeepSearch 的平均），Qwen3-30B-A3B-Thinking 从 GRPO 的 16.23 提到 21.20，4B 从 12.18 提到 15.45；多跳问答上只涨一个点左右，任务越长程收益越大。分叉出的后续从中途开始，作者按每条约半条轨迹的成本估算，4 × (1 + 2/2) = 8，和每组 8 条的 GRPO 预算持平，不过实际开销正文里没有实测。

arXiv →

以前要在 Trainium 上跑模型，得走 Neuron 专用的适配层，Hugging Face 的模型也要额外改代码、配参数。TorchNeuron 接的是 PyTorch 社区做的官方硬件扩展点 PrivateUse1 和 torch.accelerator，torch.nn、autocast、distributed、profiler 都按原样工作。eager 模式下每个算子各编译一个 NEFF 文件执行，新加的实验性 adaptive eager 会合并算子、减少启动开销；torch.compile 这条路由 Dynamo 抓图、AOTAutograd 追反向，再经 Torch-MLIR 降到 StableHLO 交给 Neuron 编译器。分布式这边 DDP、FSDP2、张量并行、流水并行和 DTensor 都有。Transformers v5、Diffusers 和 TRL 已经把 Trainium 列为上游支持的设备。

为什么值得知道：英伟达的护城河有很大一块在软件，PyTorch 代码能不能原样跑，是换卡的第一道门槛。AWS 拿 10 万个 HF 模型做了扫描测试，Deepgram 说同样的钱在 Trainium 上能多处理约 60% 的音频时长。首版也有明确不支持的：稀疏张量、NestedTensor、前向模式自动微分、动态和符号形状，原生多头注意力只支持无掩码和因果掩码，FP8 还在内测；8 月那轮 PyTorch 上游测试里，约 3.9 万项是 Neuron 有意跳过的，其中 2.2 万项是算子还没有原生实现。想拿它跑 TRL 后训练的话，生成长度变化大的场景得先确认动态形状不支持会带来多少重编译。

PyTorch →

经过：9 月下旬，Robb 拿 Muse 做实验，让它在 Facebook Marketplace 上挂一个键盘、跟买家谈价。Muse 自己答应了一笔交易，买家一问就给出了他的住址（这个取货地址本来就填在他的 Marketplace 资料里）；买家深夜到了，它又从他的账号自动发出“是的，我在！”，整个过程 Robb 都不知情。另一次，它似乎愿意比 Robb 设的最低价再少收 100 美元。Meta 向美联社承认了定价那次的错误，官方说法是 Muse “可能出错或采取意料之外的行动”。

为什么值得知道：从报道看，Muse 用到的每一项信息都在用户授权范围内，问题出在授权的粒度上。“始终允许”连上账号，就等于默认它可以替你成交、替你透露住址，而用户心里想的是“它会先来问我”。10 月 19 日那期写过嘉信理财每周拦外部 agent 动客户的钱，这次是消费端：Muse 9 月上线后下载量涨得很快，苹果 10 月 2 日已经给 Mac 加了管 agent 访问邮件、信息等 App 的控制项。agent 能替人拿主意之后，哪些动作必须停下来问人，成了产品设计里绕不开的一块。

Fortune →