技术简报 - 2026-08-11

今天的四条信号，落在同一个问题的四个层面上：你凭什么相信它真的行。

Meta 的 Muse Glimmer 是一个 30B、Apache 2.0、专为本地智能体设计的蒸馏模型，工具调用与检索类基准大幅领先同级开源模型。值得注意的不是它赢的部分，而是它在同一张表里公开承认输掉了 5 项——桌面操作、终端会话这些「操作真实系统」的任务，仍然由 Qwen3.6-27B 领先。一份同时列出赢面和输面的表格，比一个总分有用得多。

vLLM v0.27.0 用 561 次提交在一个版本内为 Kimi K3 落齐了从内核到双前端的整条路径，回答了本站 07-16 发布 Kimi K3 时留下的悬念：开放权重公布后，自托管栈多久能真正跑起来。它的性能数字逐项标明是内核层还是端到端——这正是一个数字能不能横比的分界。而同一天 Ollama 对 Muse Glimmer 的支持只覆盖 Apple Silicon，再次说明「支持」从来不是布尔值。

后两条把同一个问题推到了源头。一次用智能体做的复现审计发现，ICML 2026 的 92 篇可验证论文里，能复现八成以上结论的只有 8 篇；另一项检查显示 99.2% 的论文至少含一个客观错误。真正变了的不是论文质量，而是验证的成本——过去没人跑得动第二遍，现在跑得动了，空缺就变成了数字。ARA 则往上追了一层，落到格式本身：复现所需的信息只有 45.4% 真的写在了 PDF 里，而被丢掉最多的是失败路径。

把四条连起来读：模型愿意说自己哪里不行、推理栈愿意说这个数字是怎么测的、审计愿意去跑第二遍、格式愿意保存失败——可验证性是这四件事共同的名字。