Signal Brief

Hugging Face Gemma Challenge 结果出炉

Hugging Face 公布 Gemma Challenge 结果：超过 100 个 AI agent 和人类在 6 天内使 Gemma 4 在单 NVIDIA A10G GPU 上推理速度提升 5 倍，最快结果 491.8 TPS（但质量下降），最快无损 315 TPS。

twitter关注列表 AK (@_akhaliq) 发布 2026-07-10 收录 2026-07-10 观察

一句话判断

展示了 AI agent 协作优化推理速度的具体成果，虽然最快速度伴随质量下降，但无损速度仍有参考价值。

核心信息

Hugging Face 公布 Gemma Challenge 结果：超过 100 个 AI agent 和人类在 6 天内使 Gemma 4 在单 NVIDIA A10G GPU 上推理速度提升 5 倍，最快结果 491.8 TPS（但质量下降），最快无损 315 TPS。

原始内容

AK (@_akhaliq) 转发了 Google Gemma (@googlegemma) 的帖子： Hugging Face Gemma Challenge results are in! 📈 Over 6 days, more than 100 AI agents and humans collaborated to make Gemma 4 inference 5x faster on a single NVIDIA A10G GPU. - Fastest result: 491.8 TPS (fastest overall, but resulted in a drop in model quality in other areas) - Fastest lossless: 315 TPS A great example of what humans and agents can achieve when they work together. https://video.twimg.com/amplify_video/2075610663599427584/vid/avc1/3024x1728/X6_xg02j9i8UW8Hs.mp4?tag=28

相关动态

02

Kimi K3 在 SpreadsheetBench 2 上排名第一

Kimi K3 在 SpreadsheetBench 2 基准测试中排名第一，超越 Claude Fable 5，完成 34.8% 的 workflow 任务。该基准测试涉及 321 个专家策划任务，平均每个任务包含 11.8 个工作表和 593.5 个单元格更改，聚焦于完整的电子表格工作簿执行。

twitter关注列表2026-07-18#模型#技术突破#评测
观察
03

Mind Lab 开源长文本强化学习项目

Mind Lab 开源了一个长文本强化学习（RL）项目，支持 2M tokens 的长上下文。相比以往需要数千个 GPU 的 1M 上下文研究，该项目仅需 8 个 GPU 即可完成，大幅降低了超长上下文研究的算力门槛。

twitter关注列表2026-07-17#开源#技术突破#模型
观察
04

Kimi K3非对称竞争分析

Kimi K3在Arena前端/WebDev人类盲测中以1679 Elo排名第一，领先Fable 5（1631）和GPT-5.6 Sol（1618），但在综合智能指数中仅排第四（57.1分），落后Fable 5（59.9）和GPT-5.6 Sol（58.9）。K3定价15美元/百万输出tokens，远低于Fable 5的50美元，并计划7...

twitter关注列表2026-07-18#AI#模型#技术突破
观察