内存价格12个月暴涨500%，AI推理速度成新战场

[AINews] 内存价格12个月暴涨500%内存危机持续——摩尔定律倒退回2007年水平尽管Sama持续推进“Great Pacing”，Etched成为双独角兽，Cerebras宣布CS4能以1000 tok/s运行10T参数模型，

但自我们2月发布SemiAnalysis播客以来，内存短缺问题有增无减。据Tom's Hardware报道：我们已正式陷入困境。如果你正在阅读这个网站，你几乎不可能不知道内存价格已完全脱离现实。

有人称之为“RAMpocalypse”；我更喜欢“RAMageddon”。没错：128GB DDR5套件的价格比我们见过的最低价格贵了整整十倍。事实上，情况如此严峻，据报道，超大规模买家已锁定2027年全球几乎所有的DRAM产能，并支付预付款以保证其珍贵的DRAM供应。

DRAM现在按重量计算是全球价值最高的商品之一；主流DRAM芯片每公斤的价值超过纯金的一半。换句话说，推动所有硬件单价下降的著名摩尔定律，在内存领域已经逆转：AI新闻，2026年8月17日至8月18日。

我们检查了12个subreddits、544个Twitter账号，没有其他Discord。AINews网站可搜索所有历史期刊。提醒您，AINews现在是Latent Space的一部分。您可以选择订阅或退订邮件频率！

AI Twitter回顾OpenAI暂停前沿RL训练、扩大监控，转向“控制前沿节奏”OpenAI放慢前沿训练以加强安全和对齐控制：当天最大的系统/安全动态是OpenAI表示暂停部分前沿RL训练两周，并仍在进行其计划中最大规模的前沿RL训练，同时加强监控、隔离和红队测试。

Sam Altman将此描述为能力超越安全/对齐准备度的案例，而Greg Brockman强调，对安全的信心将日益决定前沿扩展的节奏。OpenAI还澄清，放缓主要影响更远期的发布，而非已接近发布的模型。

具体控制比广泛信息更重要：OpenAI分享了比平时更多的实施细节，包括更强的工作负载/网络隔离、持续安全测试和多阶段监控。

二手评论强调了有趣的运营细节：监控可能增加约20%开销，采样token监控可在约30分钟内通知安全/安保/研究团队，且针对高风险系统的工具使用推理可能附带主动监控器（据@eliebakouch）。

无论人们对政策框架看法如何，值得注意的是，这公开承认训练/评估基础设施和推理时监控器已成为前沿进展的瓶颈，而不仅仅是原始算力。开放模型：Qwen3.8-27B势头强劲，GLM-5.

3的训练后收益与小模型之争Qwen3.8-27B成为本地/开放模型讨论的焦点：多个帖子将Qwen3.8-27B视为新的“本地可运行的前沿”时刻，@kimmonismus称其为“DeepSeek时刻”，阿里巴巴Qwen庆祝其在四天内成为Cline本地模型第一名。

帖子中引用的基准包括Artificial Analysis的Agentic Index第7名（27B）、Vals Index v2开放权重模型第6名、Harvey法律基准开放权重第1名，以及Cline将其评为新的顶级本地模型。

反对声音同样强烈：@scaling01认为基准胜利相对于Opus 4.5在实际编码使用中被夸大，凸显了基准成功、成本效率和长任务定性可靠性之间日益扩大的差距。

强大本地模型的安全影响越来越难以忽视：@kimmonismus的一篇高互动帖子指出，Qwen3.8-27B的“去除拒绝”MLX构建可在Apple Silicon上以2/4/6/8位变体本地运行，声称保留视觉、推理、工具使用和262K上下文，且拒绝率接近零。

撇开修辞不谈，这是指向真正转变的最清晰线索：有用、可本地部署、部分未经审查的模型不再是假设。GLM-5.3看起来是训练后/基础设施的故事，而非基础模型故事：Z.ai通过API推出GLM-5.3，用于编码、防御性网络和长期智能体，价格与GLM-5.2相同。

Artificial Analysis报告称，GLM-5.3在Intelligence Index上与Kimi K3并列60分，在GDPval-AA v2上跃升246分至1770 Elo，同时保持753B总/40B活跃MoE规模、1M上下文，权重发布后采用MIT许可证。

技术上最有趣的解释来自@ZhihuFrontier转发的知乎长文：GLM-5.3的收益似乎源于更强的后训练，尤其是异步RL（SAO）、可执行沙箱训练，以及防止灾难性遗忘的on-policy蒸馏。

如果属实，这为“智能体能力扩展正从参数数量转向RL系统+环境质量”的观点提供了有意义的数据点。

推理与系统基础设施：Mojo开源、TensorRT Connect、Cursor的Git存储、更快的解码Mojo现已在Apache 2.0下开源：Modular的公告引起广泛关注，公司正式开源Mojo，

并将其更广泛平台定位为跨加速器（包括高通数据中心AI加速器）的可移植层。对基础设施工程师而言，其意义更多是工具链开放性与硬件抽象的结合，而非“新语言炒作”。

NVIDIA将模型到TensorRT部署压缩为“两个命令”：NVIDIA推出TensorRT Model Connect公开预览，承诺从支持的Hugging Face模型直接转换为端到端TensorRT推理，无需中间ONNX导出，输出可通过原生C++ API部署。

该帖子还声称，该项目本身主要由Codex智能体在人工审查下构建，这与其说是营销，不如说是另一个信号：基础设施/工具团队现在愿意承认智能体辅助涉及实现、调优、测试、集成和文档。

Cursor发布了一篇关于大规模Git托管的强有力基础设施回顾：按互动量计算，最突出的系统帖子是Cursor关于“像设计数据库一样”设计Git存储的文章。

这与AI相关而非特定于模型，但对任何构建编码智能体后端的人都高度相关：随着智能体放大仓库变更、后台自动化和分支/会话激增，Git托管成为核心AI基础设施依赖，而非通用DevOps原语。

快速解码和加速器宣称不断升级：端侧推理获得显著提升，DFlash 2声称Qwen3.8-27B在M5 Max上达到70 tok/s，自回归解码速度提升至4.6倍，“输出相同”。

数据中心方面，Cerebras宣布CS-4，后续宣称10T模型达1000 tok/s，GPT-5.6 Sol约1300 tok/s，每MW吞吐量提升高达10倍。即使考虑供应商宣传，主线清晰：推理速度正同时成为产品体验、经济性和国家竞争力政策。

智能体框架、评估与生产反馈循环Miles v0.

1是面向LLM和多模态模型的全新开源RL栈：@radixark宣布Miles，一个历时9个月构建的开源RL框架，拥有72位贡献者、1,326次提交和85个GPU E2E CI测试，据称已在Kimi K3、DeepSeek V4、Qwen 3.8、GLM 5.2、

Inkling和MiniMax H3等模型上经过实战检验。其卖点很实际：启动RL运行很容易，但调试正确性、利用率和规模才是真正的瓶颈。这契合当天更广泛的主题：前沿正从“谁拥有PPO/GRPO”转向“谁拥有稳健的rollout、CI、可观测性和环境管道”。

智能体搜索基准测试正在成熟：Artificial Analysis推出Search Index，在固定框架中将提供商与GPT-5.6 Lun进行比较。