● 全面梳理 Muon 优化器的工业挑战及应用实践

📌 一句话摘要 本文系统梳理了 Muon 优化器的数学原理、分布式训练工程挑战及工业落地案例，涵盖 Moonlight、Kimi K2、GLM-4.5、DeepSeek-V4 等主流大模型的应用实践。 📝 详细摘要 本文对 Muon 优化器进行了全面而深入的技术梳理。文章首先从数学原理出发，解释

● 163: 详解 DeepSeek V4：Infra 巨鲸、百万上下文走进现实、极致效率优化

📌 一句话摘要 邀请一线 AI 从业者深度拆解 DeepSeek V4 技术报告，探讨混合稀疏注意力、Muon 优化器、MHC 残差连接及 FP4 训练等组合创新，如何让百万上下文从理论走向实用。 📝 详细摘要 本期播客邀请 RadixArk 工程师（SGLang 核心开发者）赵晨阳和 UCLA

● DeepSeek V4 报告太详尽了！484 天换代之路全公开

📌 一句话摘要 DeepSeek V4 系列模型正式发布，通过 mHC 架构、混合注意力机制和 Muon 优化器，实现了百万 token 上下文下 KV cache 仅为 V3.2 的 10%，并全面开源、支持国产芯片。 📝 详细摘要 本文详细解读了 DeepSeek V4 系列模型的技术报告。

● 扒完 DeepSeek V4 报告，我翻出了这个隐藏彩蛋

📌 一句话摘要 本文深入分析了 DeepSeek V4 与 Kimi K2.6 在技术架构上的相互借鉴与五次「撞车」发布，揭示了中国开源 AI 双子星在技术路线、国产芯片适配和开源生态上的协同进化。 📝 详细摘要 文章以 DeepSeek V4 发布为引，发现其训练方案中采用了 Kimi 率先验

● 不加算力，只改一个算法：Muon 在万亿 MoE 模型中最高 2 倍加速

📌 一句话摘要 本文介绍了 Gram Newton-Schulz 算法，通过将 Muon 优化器的迭代过程转移到更小的 Gram 矩阵上，在万亿级 MoE 模型训练中实现了最高 2 倍的优化器加速。 📝 详细摘要 普林斯顿大学和纽约大学的研究者（包括 Tri Dao）提出了 Gram Newto