4B模型的翻译能力反超12B，这是HexaBee-4B交出的成绩单。底座是Gemma 3 4B IT，训练分三步：先用维基百科数据继续预训练，再把多语言问答和答案翻译放一起联合训练，最后专攻双向翻译。阿拉伯语、中文、英语、希伯来语、波斯语、西班牙语之间共30个翻译方向，全都覆盖。36,572个合成测试样例上，方向宏平均chrF++拿到73.75。对比一下，Gemma 3 4B IT只有57.11，12B IT也只有66.83。所有方向，它都赢过这两个基线。
长上下文推理这边，LongR的思路是边想边读。它在推理和查阅文档之间来回交替，奖励信号取自相关文档带来的相对信息增益，不需要人工标注证据。LongBench v2上提升超过9%，RULER和InfiniteBench也持续涨分。换用不同的强化学习算法，效果同样成立。
扩散模型想省钱，就得压token。压太狠会出问题：通道加多，重建变好，生成反而更难。APEX把层级潜在空间和按通道组的异步去噪绑在一起，解决这个矛盾。自编码器按"先结构后细节"的顺序排通道前缀，共享去噪器在错开的局部时间步生成它们，token数一点没增加。ImageNet-512上，64倍和128倍压缩下它全面领先对比方法；训练和引导采样算力相同时，还打败了256-token模型。代码已经开源。
三篇论文说的是同一件事：堆参数不是唯一答案。小模型靠训练流程设计就能越级，长文本靠奖励机制省掉标注，扩散模型靠潜在空间排布换效率。巧劲越来越值钱。