過去三天的新消息分別從模型執行、科學研究與 AI 搜尋服務指出同一個實務條件：模型能做什麼，取決於硬體、工具、實驗驗證與資料來源。今天公開的專案和案例都附帶了明確的支援範圍，尚未把局部結果延伸成普遍保證。

🔥 DeepSeek 開源 DeepInfer 推理框架，但目前只支援單一模型

DeepSeek 公開 DeepInfer，README 將它描述為支援大規模服務的推理框架，並列出 optimized kernels、Attention data parallelism、context parallelism、MoE expert parallelism、非同步排程、batch-invariant inference、deterministic sampling 與 structured outputs 等功能。這次開源版本目前列出的支援模型是 DeepSeek-V4.1-Flash。

專案支援 NVIDIA SM100 GPU 與 Huawei Ascend 950 NPU，建置條件包含 Linux、GCC 13 以上、Python 3.12，以及 NVIDIA 環境的 CUDA 13 或 Ascend 環境的 CANN 9.2。README 提供在 4 張 SM100 GPU 上執行 prefill、64 張 GPU 上執行 decode 的效能圖，並附上重現 benchmark 的腳本。

DeepSeek 同時列出完整推理服務尚未包含的部分，包括 KV cache 系統、prefill/decode 分離，以及跨 data-parallel replicas 的負載平衡。專案以 Apache 2.0 授權發布，現階段的使用範圍仍受模型、GPU/NPU 型號與缺少的服務元件限制。

Google 開源 TorchTPU，讓 PyTorch 透過原生 backend 使用 TPU

Google 的 google-pytorch/torch_tpu 提供 PyTorch 到 TPU 裝置的 backend，包含 PyTorch ATen kernels、XLA compilation cache、資料與張量平行訓練範例，以及 torch.compile() 整合。README 也列出 Llama、Qwen、ResNet、DLRM、minGPT 和 UNet 等模型或工作負載的範例。

專案目前公開的 PyPI 版本是 torch-tpu 0.2.0，安裝文件要求 Python 3.11 以上，並以 Bazel 管理從原始碼建置。官方文件提供分散式訓練、模型推理、debugging 與 benchmarking 的入口，但依賴與建置步驟仍需要依照 TPU 和 PyTorch 環境配置。

這個 repository 的公開內容是 backend、kernel、編譯快取和範例，並沒有在 README 中提供與其他 PyTorch TPU 執行方式的統一效能比較。使用者仍需要 TPU 硬體、相容的 PyTorch 環境，以及可能超過 30 分鐘的首次完整 Bazel 建置。

Claude 產生 318,484 個蛋白質設計，211 個送進實驗室測試

Anthropic 公開一項針對蠍子神經毒素的蛋白質 binder 設計案例。Claude 在 64 小時內使用 12 個設計工具，產生 318,484 個蛋白質設計並篩選 180 個；研究團隊再加入 31 個，總共將 211 個設計交給 Adaptyv Bio 與 Twist Bioscience 進行結合測試。17 個設計符合研究團隊設定的 binder 條件，分別對應四種毒素。

研究團隊設定的條件包括每次重複實驗都要有結合訊號、每個解離常數 KD 不高於 1 µM，並且不能對無關的人類蛋白 CLEC12A 顯示訊號。60 個單一毒素設計中有 11 個符合條件，針對多種毒素的設計則沒有一個達到同時結合多種毒素的條件。

Anthropic 明確表示，這些結果只確認了重組蛋白的體外結合，尚未確認能否中和細胞環境中的毒素，也沒有宣稱已經產生抗蛇毒或抗蠍毒血清。後續還需要以從毒液純化的毒素測試，並進行功能性、動物與藥物開發相關評估。Anthropic 已公開 211 個設計、預測結構、分數與實驗資料。

一個放有 50,000 筆假統計的網站仍被 ChatGPT 引用

Peec AI 研究員 Metehan Yesilyurt 分享一項從 2026 年 3 月開始的實驗：他用 GPT-4.1 在一天內產生 50,000 個統計頁面，數字全部是虛構，網站建置成本約 50 美元。作者表示，Google 在網站上線後很快降低其曝光，但 ChatGPT 的抓取仍持續；七個月後，網站已有超過 330 個 referring domains，並在學術論文、銀行投資研究與其他出版內容中被引用。

作者提供的 Cloudflare 資料顯示，最近 30 天網站收到超過 600,000 次 bot requests，其中約 72,000 次來自 ChatGPT-User。作者也以 GA4 觀察到超過 10,000 次來自 ChatGPT 的 sessions，但指出其中多數看起來是 bot traffic。這些數字是網站經營者自有分析工具的紀錄，不是對所有 AI 搜尋系統的獨立測試。

文章把這個案例區分為 Google 排名與 LLM retrieval 的差異：網站可能不再出現在 Google 結果中，仍被 AI 系統的查詢、快取或頁面擷取流程找到。作者也記錄了假數字先被引用，再被其他頁面當成有來源資料的過程；他表示實驗不是建立假內容的操作指南，並建議統計資料附上來源與年份、更新日期和可獨立核對的資料。文章未證明所有 AI 系統都會以相同方式處理統計資料。