Perplexity AI宣布开源其重建的Unigram分词器，声称可将CPU利用率降低5-6倍，同时提及小模型相关技术。
NVIDIA GB200芯片改变了服务大型MoE模型（如Qwen）时的prefill和decode分离方式，相比Hopper芯片有吞吐量优势，团队已发表量化对比结果。
Perplexity AI发布新研究，展示在NVIDIA GB200 NVL72 Blackwell机架系统上部署后训练Qwen3 235B模型的成果，涉及硬件与模型推理优化。
Perplexity 确认基于 NVIDIA 平台运行，并使用 CUTLASS Python 栈优化模型，展示了双方在 AI 算力上的合作。
该公司自研推理引擎ROSE，用于处理从嵌入到万亿参数MoE的生产及API流量。ROSE集成了CuTeDSL，以加速内核部署并在Hoppers和Blackwells GPU上实现峰值性能。
Perplexity AI宣布自研推理引擎ROSE，用于服务从嵌入模型到各种规模的模型，提升运行时优化。