根據 ChainCatcher 引述 LatePost，字節跳動正在將其 AI 資源配置從面向消費者的產品（如抖音）轉向更偏向企業的服務，原因在於營運成本偏高以及盈利挑戰。抖音的日活用戶超過 2 億，但由於推論與多模態運算成本高昂，日虧損達數千萬人民幣；同時，來自電商與其他渠道的收入合計每日不足 100 萬人民幣。 與此同時，字節跳動的影片生成模型 Seedance 展示出強勁的獲利能力。憑藉其高效率的 MoE 架構（2000 億參數）以及更低的推論需求，Seedance 2.0 取得 70% 的毛利率，且絕大多數收入來自企業客戶。目前年化收入達 20 億美元。字節跳動已擴大其大型語言模型資料整理團隊至超過 3,000 人，並將 Volcano Engine 的 MaaS 業務提升為更高優先級。頂層管理層設定目標，將收入提高 10 倍並加速國際擴張。

根據 Beating，MoE Capital 這家由前 AGI House 成員創立的早期風投基金，本月完成了 2,500 萬美元的首輪募集關閉。該基金的特色在於其深度網絡：來自前沿 AI 實驗室的多名活躍研究員（包含 OpenAI、Anthropic 與 xAI）作為 LP 與顧問參與。 該公司希望透過研究員社群，在競爭激烈的早期 AI 投資中建立資訊優勢，使主要實驗室的研究員能夠推薦那些抱持創業抱負、即將離開的同事。MoE Capital 已投資 Phylo（開發生醫 AI 代理），以及 neolab 的 Recursive Superintelligence。

根據 Foresight News，Mantle 今天已推出 SPCXx，這是一種將 SpaceX 股票代幣化的版本，且 24 小時交易已即時上線。同時，Merchant Moe 啟動「Project X」激勵計畫，部署 100,000 MNT 代幣作為流動性提供者的獎勵。第一階段已開放 SPCXx/USDT0 池。 SPCXx 透過 Mantle 生態系平台 Fluxion 與 Merchant Moe 發行，並利用 Fluxion 的 Atomic RFQ 機制，讓代幣能夠進行直接鑄造與贖回，同時避免 AMM 的滑價。

根據 Beating，MiniMax 已在 Hugging Face 開源原生多模態「混合專家」（MoE）模型 MiniMax M3 的權重。該模型總共有 4280 億（428 billion）個參數，每個 token 啟用 230 億（23 billion）個參數，能原生支援最多 100 萬 token 的上下文。開發團隊釋出了 MXFP8 量化版本，並整合對主流推論框架的支援，包括 SGLang、vLLM 和 Transformers。MiniMax 也開源了輕量化的 MiniMax 稀疏注意力（MSA）核心程式庫，在搭配 NVIDIA Blackwell 架構最佳化的 100 萬 token 上下文下，預填充速度提升 9 倍、解碼速度提升 15 倍。

根據 Beating，Nvidia 於 6 月 4 日發布其旗艦級大型語言模型 Nemotron 3 Ultra，總參數量達 5,500 億（550 billion），其中活躍參數為 550 億（55 billion）。該模型在 Artificial Analysis 的智慧指數中得分 48，使其成為表現最強的開源美國模型，僅次於 Kimi K2.6 的 54 分。 該模型採用混合 Mamba-Transformer MoE 架構，會在 Mamba-2 狀態空間層與 Transformer 注意力層之間交替，支援 100 萬 token 的上下文視窗，同時避免 KV cache 出現二次方成長。與規模相近的密集模型相比，混合架構在代理任務上能達到 5 倍更高的吞吐量，並使推論成本降低 30%。Nemotron 3 Ultra 可在 Hugging Face、NVIDIA NIM 與 OpenRouter 上使用。

根據 Beating，MiniMax 已在 arXiv 發布其 M2 技術報告，詳細說明其旗艦型 MoE（mixture-of-experts，混合專家）架構與 Agent 訓練系統 Forge。該公司披露 Forge 如何透過分段的 FIFO（先進先出）排程以及前綴樹合併技術，優化長上下文的 Agent 強化學習，並達到最高 40 倍的訓練加速。 M2.7 展示了自主代理自我進化能力，完成超過 100 輪的分析、程式碼修訂與測試循環。在效能基準測試上，M2.7 在 SWE-Pro 上達到 56.22%，在 Multi-SWE-bench 上達到 52.7%，並在 MLE Bench 上取得 66.6% 的平均獎勵率，接近 Gemini 3.1 的效能水準。

根據 Beating，華為、清華大學的中國科學技術大學（USTC）以及北京大學的研究人員揭露了 HyperParallel-MoE，一種為 Ascend A3 晶片設計的編譯器排程框架。該框架透過在 MoE 專家計算模組中降低 36% 的延遲，並在 256 節點叢集上運行 671B 參數的類 DeepSeek 模型時，實現整體資料處理速度提升 58%（快 1.49–1.58 倍），同時單步訓練速度也提升了 8–9%。

根據 5 月 12 日的投資者關係披露，雲天億飛（Yuntianliyifei）在開發中的推論晶片採用 GPNPU 架構作為其核心技術路線圖。主要技術亮點包括具備可相容於主流 CUDA 生態系的 GPGPU 等級通用程式能力、針對推論效率進行最佳化的 NPU 核心，以及設計用於提升頻寬並降低存取延遲的 3D 堆疊式記憶體架構，以突破記憶體瓶頸帶來的「記憶牆」問題。 該公司亦採用運算模組化架構，以支援在機架層級進行擴容，建置達萬億與百萬億規模的 MoE 模型推論超級節點。技術路線圖目標是指數級降低代幣成本並加速大型模型應用部署。

據報導，NVIDIA 與 MIT 研究人員發布了 Lightning OPD（Offline On-Policy Distillation），這是一種用於大型語言模型的新型後訓練框架，可消除在訓練期間維持教師模型持續運行的需求。透過離線預先計算教師模型的對數機率，該框架可使訓練效率提升 4 倍，同時釋放所有 GPU 資源用於學生模型訓練。 在 8 張 NVIDIA H100 GPU 的測試中，Lightning OPD 成功蒸餾了 Qwen3-30B-A3B-Base（具 300 億參數的 MoE 模型），並在 AIME 2024 基準測試上達到 71.0；相較之下，標準 OPD 在相同硬體上因記憶體不足而失敗。對於較小的 Qwen3-8B 模型，該框架僅需 30 個 GPU 小時計算時間即可達到 69.9 分。

根據 Beating、Thinking Machines（由前 OpenAI 執行長 Mira Murati 創立的實驗室），該實驗室釋出其 Interaction 模型的研究預覽版，特色是原生即時音訊與影像處理，並具備 200 毫秒的微回合回應。該模型可在同一時間進行傾聽、觀看與說話，同時支援即時使用者中斷。 TML-Interaction-Small 模型採用 2760 億（276-billion）參數的 MoE（混合專家）架構，每次推論啟用 120 億（12 billion）參數。官方數據顯示，其語音輪替延遲為 0.40 秒，且 FD-bench V1.5 分數為 77.8，兩者皆優於 GPT-Realtime-2.0 與 Gemini 3.1 Flash Live。預計在未來幾個月開放有限的預覽存取。