面壁智能的 Agent ForgeKernel 在 22.5 小时无人直播中，不参考 DeepSeek 源码，用一块 B200、22 个 GPU 小时、42 轮迭代写出 Prefill 算子，最终耗时 472 微秒，比 FlashMLA 的 518 微秒快 9.8%。
能拿走的是用逐比特对齐加责任分离让模型自写训练框架和算子，落到软件工厂和本地模型部署两条线，前提是几十B模型、几百卡以内，万卡集群和稳定性还接不住。
英国金融科技公司 Revolut 称在不到一年内把 AI 编码推理成本削减约 90%，做法是把自托管模型设为默认，替代此前主要依赖的 Claude 等商业服务。
自托管 GLM 替代商业 API 的完整成本账，含 56 张 B200、NVFP4 量化、prefill/decode 分离和 256k 上下文取舍，可对照本地模型部署线估算自己的 token 单价与首字延迟门槛。
Anthropic 发文《构建 Agent：何时该把子 Agent 折叠回主循环》，称带技能的单 Agent 在质量、成本和延迟上优于多子 Agent 分工，token 消耗远低于后者，并开源 single-agent-loop-kit 工具。
可把子Agent按需折叠成Skill，砍掉80%以上系统提示词，落到软件工厂的多步任务编排上；前提是模型上下文够长，否则省下的token会被信息衰减和人格碎片吃掉。
DeepSeek 发布 V4.1-Flash 开源权重模型，采用因果编码器-解码器架构，输入侧激活 8B 参数、输出侧激活 16B 参数，主打推理效率与低成本。
能拿走的是 890 bytes/token 的 KV 压缩思路和 SSD 流式卸载跑全精度权重的做法，可落到本地模型部署线；代价是 763B 总参数仍需 256GB 内存加 64-96GB 显存，吞吐只有个位数到几十 tok/s。