研究团队提出 TokenRouter，一个面向 token 级路由 LLM 推理的高效服务系统，采用以请求为中心的编程、以模型为中心的执行方式，为每个 LLM 启动子服务器并异步分发请求。其子服务器使用延迟批处理调度器，超参数由系统吞吐数学模型推导得出。在不同路由算法、负载和模型组合下，TokenRouter 的解码吞吐比现有系统高 2.01-64.15 倍，代码已在 GitHub 开源。
推荐理由：论文给出 token 级路由的服务系统设计与吞吐对比，可了解细粒度路由落地的系统瓶颈与解法。
Unsloth 发布 v0.1.905-beta，为 Windows、Mac 和 Linux 引入沙箱机制，分别使用 MXC、Seatbelt 和 Bwrap 隔离模型运行的代码。
推荐理由：Unsloth 新增跨平台沙箱与决策模型训练流程，读者可据此判断本地微调与部署的可用性变化。
Google 发布 autofinetune 项目，把自主研究循环用于 LLM 后训练，基于 Tunix、Gemma 和 Cloud TPU，由 Antigravity CLI 与 Gemini Flash 3.7 编排。
推荐理由：原文给出自主后训练循环的完整配置与两个真实案例，可据此迁移到自己的微调流程。
Google Cloud 将原生 TPU 支持集成进 vLLM，并以 Qwen3-Embedding-8B 和 Qwen3-VL-Embedding-8B 为目标模型做了多项工程优化，支持 4K+ token 文本和 15K+ token 多模态输入。
推荐理由：原文给出 vLLM-TPU 上部署 Qwen3 嵌入模型的具体优化与开源配方，可了解长上下文多模态嵌入的工程路径。