LanceDB Lance Format v2.2: Half the Storage, None of the Slowdown

turbopuffer 宣布 v3 存储架构重写：ANN 向量索引从主索引降级为普通二级索引，换用新主索引，文本/正则/向量检索全面提速，并为把更多 SQL 查询（GROUP BY聚合）搬到 turbopuffer 打基础回顾演进：v1 以对象存储为真相源SPANN 分层聚类索引起步后迁移到 SPFresh 支持增量索引，靠极致便宜+够快的向量检索赢得 CursorNotion 等早期客户；v2 补强文本与正则检索并被 Linear 用于同步引擎向量优先架构约束了 GROUP BY 与聚合等查询计划已到极限向量数据库作为品类叙事被自家官方送终，检索基础设施正走向通用查询引擎

这篇来自企业一线的论文主张：企业部署的是"系统"而不是"权重"，可用能力由权重服务路径精度输出契约和 harness 共同决定，但作者审计的 18 个基准全都在给宣传用的模型 ID 打分，这本身就是测量误差 论文提出 IB2 协议让这一误差变得可报告：gold-blind 的能力绑定预检先验证服务路径能否执行评测契约；首过计分把失败纳入分数把不支持的能力挡在外面；裁定环节结构性盲分 在 11 个系统的实测中：同一权重不同服务路径的两次完整运行分别未通过绑定门的不同谓词，而第三次通过了宣传的模型 ID 完全暴露不了这种差异；七个套件中四个在六系统区间内饱和，区分度几乎全部来自受治理的数据库操作和多表 join；服务侧选择让同一声明版本+精度从 77.38 变到 82.54；把失败响应从分母剔除会直接改变排名结论

Gary Marcus 9 月 7 日针对 Jensen HuangAGI 比赛已经结束的公开表态写了一篇短文,核心反驳有两层:一是 Astra 与 Fable 5.1 在多数基准上差距不明显,Artificial Analysis 把 Astra 排在 Fable 5.1 之后约 5 分;二是 ARC-AGI 3 的 99.9% 分数是用 OpenAI 自家 Provider Adapter harness 跑出来的,默认 harness 只到 62.7%,ARC 作者 Franois Chollet 本人明确说做对不等于 AGIMarcus 还引述他和 Brundage 的 10 项打赌,认为 Astra 至多命中自动形式化和可靠编码两项,其余八项都没到,结论是用没有定义的口号抢先给科学问题盖棺

Liquid AI 与 Artificial Analysis 联合开源 Pipette 端侧基准平台（Apache 2.0，含 pipette-mgmt/clients/scores 与 iOS/Android 原生客户端）：核心论点是端侧行为是部署系统的属性，不是模型的属性，评测单元是 model quantization runtime device context 五维组合，已发布 1,000+ 实验室验证配置30+ 模型256-8192 token 上下文，覆盖 M5 MaxiPhone 17 ProGalaxy S26 Ultra公开数据示例：Galaxy S26 Ultra 上 Q4_K_M2564096 输入 token...