SIMD（单指令多数据）常被认为复杂，但Mitchell Hashimoto通过Zig示例展示了其通用编程模式。文章以Ghostty终端中扫描控制字符为例，演示了五步法：广播常量、按向量宽度循环、并行比较、归约结果、标量尾部处理。该模式在ARM上实现4倍加速，Intel AVX2上8倍，AVX-512上16倍。作者强调编译器自动向量化有限，手动SIMD可预测且高效，鼓励开发者掌握这一技能。 核心观点： 1. SIMD通用模式包含5步：广播常量、按向量宽度循环、并行操作、归约结果、标量尾部处理。 2. 在Ghostty实际应用中，SIMD版本在AVX2上实现约5倍端到端加速。 3. 编译器自动向量化能力有限，手动SIMD可确保显式且可预测的优化。
OpenAI 与 Broadcom 联合推出专为大语言模型推理优化的定制芯片 Jalapeño，旨在提升 AI 系统的性能、效率和可扩展性。该芯片针对 LLM 推理场景进行专门设计，有望降低推理成本并提高响应速度，对开发者和研究者而言，意味着未来可能获得更高效、更低成本的 AI 推理基础设施。
Amp 上月重构架构，其 deep 与 rush 模式（GPT-5.5）通过 durable execution 与长连接 OpenAI WebSocket 削减用户与 GPU 间的通信跳转，在 durable execution 中运行 agent loops 以充分利用长连接优势，任务完成速度最高提升 40%，为开发者提供更高效的 AI 智能体响应体验。 核心观点： 1. Amp 上月重构架构，通过削减用户与 GPU 间跳转并在 durable execution 中运行 agent loops，以最大化利用长连接 OpenAI WebSocket。 2. 重构后的 deep 与 rush 模式（GPT-5.5）将任务完成速度最高提升 40%。