站在 2026 年的开端回望，LLM 的架构之争似乎进入了一个新的微妙阶段。过去几年，Transformer 架构以绝对的统治力横扫了人工智能领域，但随着算力成本的博弈和对推理效率的极致追求，挑战者们从未停止过脚步。
无论你是否身处AI行业，近期总能频繁刷到关于中国AI新物种的新闻。在美国拉斯维加斯会展中心举办的CES大会上，来自中国的AI产品遍布各个展馆，成为全场关注的焦点，这也恰如其分地印证了2025年中国AI应用落地的蓬勃发展态势。
干爆整个韩服 LOL，让中韩两国网友误以为是 AI 的乌龙事件。
自从开年谷歌首席工程师 Jaana Dogan 公开称赞 Claude Code 后，它就又火了一把。
针对大模型长文本处理难题，Transformer架构的核心作者之一Llion Jones领导的研究团队开源了一项新技术DroPE。
过去几十年里，科学计算领域积累了数量空前的开源软件工具。
在过去一年里，无论是企业还是独立开发者，都在“做 AI”。
发现一个很有意思的现象，模型能力已经不是瓶颈了。
故事得从我们那个行业交流群说起。
“软工任务要改多文件、多轮工具调用，模型怎么学透？高质量训练数据稀缺，又怕轨迹含噪声作弊？复杂 RL 训练成本高，中小团队望而却步？”
