Google Chrome 桌面版在用户不知情的情况下下载了一个 425 KB 的 TFLite 模型，接管 AEC3 中残差回声估计部分，默认开启且无开关，仅 Chrome 可用，Edge、Electron、Firefox 和 Safari 都拿不到。作者用 Microsoft AEC Challenge 合成语料的约 500 个文件跑 audioproc_f 对比，远端单讲帧的中位回声抑制从 19.8 dB 升到 27.0 dB，每文件中位提升 5.4 dB，80% 文件更好，双讲时近端电平基本不变（中位 +0.04 dB）。在 125 个文件上用 Whisper small.en 测试语音代理场景，中位词错率从 0.500 降到 0.235。
推荐理由：作者用 AEC Challenge 语料实测 Chrome 神经回声消除器，给出回声抑制与语音识别词错率的对照结果。
Phoronix 在 Core Ultra 9 290HX + RTX 5090 的 Razer Blade 18 上对比 Ubuntu 26.04 LTS、Windows 11 与 CachyOS 共 99 项测试：视频编码方面 Linux 明显占优，Ubuntu/CachyOS 在 OpenAPV 编码的全部设置下压制 Windows 11，AV1（SVT-AV1）编码同样领先，而 Kvazaar H.265 的 1080p 档位下 Windows 11 反而最快；综合几何平均 Windows 11 与 CachyOS 基本持平，但本地 AI/LLM 负载 Windows 11 有约 3 倍的性能优势场景。
推荐理由：覆盖 SVT-AV1、OpenAPV、Kvazaar 三类编码器的受控系统级实测，为编码农场操作系统选型提供量化依据。
作者在桌面 Chromium 的 libopus 构建中启用 AVX2 向量化，替换失效的 OPUS_X86_MAY_HAVE_AVX 并新增 opus_avx2 source_set，编译三个 _avx2.c 内核，使 Opus 编码时间减少 23%。实测显示语音编码下降 17% 至 23%，在复杂度 8、9、10 下稳定；音乐仅降约 2%，解码基本不变。约 96% 的 SILK 收益来自 silk_NSQ_del_dec，该改动已进入 Chromium 152。
Netflix 发布 VMAF v1（模型随 libvmaf v3.2.0 于 2026-06-20 上线）：在 DLM 基础上加入 AIM 分量以修正 v0 低码率下偏向切高分辨率、偏爱压缩伪影的系统性偏差；以基于归一化观看距离的特征调整取代 v0 手机模型的二阶多项式映射，避免手机端画质高估；整合 CAMBI 色带检测与色度特征，并将 NEG（抑制增强处理虚增分数）默认开启。v1 提供 1080p、phone、4K 近距/常规观看距离模型，HDR 版本在开发中。
推荐理由：VMAF 是行业事实上的编码评估标准，v1 对系统误差的修正会改变各家的码率梯设计与编码器对比结论。
NVIDIA 发布多语言语音转文字模型 Nemotron 3.5 ASR，同时提供多语言版和仅英文版 Nemotron 3 ASR 检查点，完全开源、可微调并支持自托管。作者在 Pipecat stt-benchmark 中测得该多语言模型速度超过基准中其他模型且准确率尚可，仅英文版速度相当、准确率接近当前最高分模型。延迟可通过音频处理 chunk size 调节，在 NVIDIA L40S 上以最低延迟配置可安全承载约 96 路并发转写，作者估算企业自托管成本约 $0.05/小时，而主流转写 API 通常为 $0.10-$1.00/小时。
推荐理由：作者用开源基准给出 Nemotron 3.5 ASR 的延迟与准确率位置，并附自托管成本与并发配置，便于评估语音代理选型。
Jan Ozer 的编码器对比研究引入盈亏平衡与上下文 ROI 分析：在 1080p60 体育等内容上，AV1 对 H.264 的 BD-rate 达 -59.83%、HEVC 为 -31.48%，但按真实观众分布加权后节省缩水——高端观众为主的分布约剩 51%，移动端为主的分布 AV1 对 H.264 仅 -23.16%（对应 VMAF +6.96 的画质提升）；测得各编解码器的盈亏平衡观看时长（如移动分布下 VP9 为 3188 小时、AV1 为 4099 小时），并给出 25 万观看小时下的净节省金额。
推荐理由：把编解码对比从单一 BD-rate 数字推进到按观众分布的 ROI 建模，方法与数据对部署决策都有直接用处。