Google DeepMind 发布 Gemini 4 Argon
Google DeepMind 发布 Gemini 4 Argon，今日起通过 Gemini API、AI Studio、Google Antigravity 及 Gemini 应用和搜索 AI Mode 面向开发者、企业和消费者开放，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体数字和开放入口，可据此判断前沿模型在长程任务上的进展。
#推理
Google DeepMind精选AI 评分8787 Google DeepMind同新闻AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布面向机器人的 Gemini 4 Argon，在测试 3D 物理空间问题的 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Argon》
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker AI 上的 MoE 内核工程优化实践
AWS 在 Amazon SageMaker AI 上针对融合 MoE 模型实现多项内核优化：通过 Swap-AB 转置矩阵乘法以匹配 NVIDIA Hopper 的 WGMMA 指令布局，在 H200 上为大规模 MoE 模型带来 2–4% 端到端输出吞吐提升，该优化已合入 vLLM 0.24.0 及更高版本。
Latent Space精选AI 评分8282 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者可通过 Meta Model API 和 Muse Code 使用，后者仅向 Muse Code 订阅用户开放。
推荐理由：汇总第三方评测与从业者反馈，可对照看 Meta 新模型在智能体与编码任务上的位置和价格差异。
The DecoderAI 评分6262 Sakana AI 与 UC Berkeley 提出 MASS 自改进方法，共享盲区成隐患
Sakana AI 与 UC Berkeley 提出多智能体自监督方法 MASS，让同一个语言模型同时承担解题、评判和优化工作流三种角色，无需更强的教师模型。基于 Qwen3.6-27B 和 Qwen Code，在测试任务上对基线的胜率从一轮后的 53.9% 升至两轮后的 69.9%，自评估器与外部评判的一致率从 73% 升至 93%。
AWS Machine Learning BlogAI 评分3838 用 Ray LLM Deep Learning Containers 在 Amazon EKS 上运行多节点推理负载
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers，可在 Amazon EKS 上把单个大语言模型拆分到两个 GPU 节点，以 prefill/decode 分离方式共用一个 OpenAI 兼容端点。
AWS Machine Learning BlogAI 评分2828 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 发布 llama.cpp 专用深度学习容器（DLC），可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管量化模型，并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
The DecoderAI 评分6060 Anthropic 的 Andrej Karpathy 称外界只看到 AI 能力的预览
Anthropic 的 Andrej Karpathy 把大语言模型用户分为四层：约 60 亿人几乎没接触过 LLM，10 至 20 亿人把免费版聊天产品当作更好的搜索引擎，约 2000 万数学和编码领域的专业用户已用智能体完成过去需数周乃至数月的复杂项目，而约 5000 人能接触内部前沿系统。
Import AIAI 评分2222 Import AI 476：AI 创造力与递归自我改进、开源权重模型表现逊于中国、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段视频（17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
The Decoder精选AI 评分8181 Google DeepMind 的 AlphaProof Nexus 解出数十道开放数学题并获同行评审
Google DeepMind 的 AlphaProof Nexus 独立解出数十道开放数学问题，相关研究发表在 Science 上。它解出 353 道 Erdős 开放问题中的 9 道，其中两道已悬置 56 年，还证明了 OEIS 整数序列数据库中的 44 个猜想，并解决了一个代数几何开放问题、改进了 min-max 优化中的一个已知界。
推荐理由：AlphaProof Nexus 用 Lean 形式化验证并经过同行评审，可与 OpenAI 未投稿的做法形成对照。
The DecoderAI 评分7171 Vals AI 研究：AI 智能体团队成本高数倍，质量提升却微乎其微
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，团队成本是单智能体的 1.8 倍到 5.1 倍。
The DecoderAI 评分6666 微软发布 Decision-1 决策模型，基于 Qwen3.5-9B
微软推出自研决策模型 Decision-1，基于 Qwen3.5-9B，面向分类、评估和路由决策，并称有潜力引导和控制智能体应对复杂环境。微软称其在覆盖 36 项基准、近 15 万个问题的测试中准确率最高，达到 83.5% 准确率和 85 ms 延迟，速度是第二名 H2O-Lightning-4B 的 2.5 倍。
Latent SpaceAI 评分3434 为什么 AlphaFold 没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决。
Latent SpaceAI 评分3030 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现不能只靠更多互联网数据训练，而要让模型在真实物理实验中学习。
Simon Willison精选AI 评分7878 Anthropic 发布 Claude Haiku 5.5 并调整 API 计费
Anthropic 发布快速低成本模型 Claude Haiku 5.5，定价与 OpenAI GPT-6 Luna 一致，为每百万 token 输入 0.10 美元、输出 0.50 美元，超过 100,000 token 后涨至 0.50/2.50 美元。
推荐理由：对比 Haiku 5.5 与 GPT-6 Luna 的定价和 tokenizer 变化，并给出实测成本与耗时数据。
The Decoder精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%。
推荐理由：原文给出 Haiku 5.5 的定价与多项基准对比，读者可据此判断小模型在成本敏感任务上的位置。
Hugging Face Blog精选AI 评分6666 Liquid AI 开源 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和实验性的 d1-omni-600M。
推荐理由：Liquid AI 开源两款决策模型，给出端侧与 GPU 延迟数据及基准对比，可据此判断小模型做快速结构化决策的可行性。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和反馈驱动的推理循环做出两个专精系统，分别在 IOI 2026 和 IMO 2026 达到金牌水平。
推荐理由：原文给出从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与开源资产，可看领域专精模型如何与推理循环协同。
OpenAI News精选AI 评分6060 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。材料仅提供摘要，未给出具体问题、模型名称或结果数据。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并放出 Lean 形式化证明与细节，可据此了解其数学推理进展。
Simon WillisonAI 评分6262 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版 Le chonk，这是一个 1 万亿参数、490 亿激活参数的模型，基于自有 3800 块 NVIDIA Grace Blackwell GPU 集群训练，目前通过 API 提供预览，并承诺本月底发布开放权重版本。
Microsoft ResearchAI 评分2222 微软研究员 Jennifer Neville 谈 AI 评测的意外失败与数据洞察
微软 partner research manager Jennifer Neville 在 Microsoft Research Podcast 中探讨评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她指出结果反常时应仔细审视数据，并分享了使用当前 AI 系统的实用建议。
The DecoderAI 评分7373 Mistral 发布万亿参数模型 Mistral Large 4，主打网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4，总参数 1 万亿、激活 49 亿，原生多模态，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
Mistral AI精选AI 评分8282 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将于本月底放出。
推荐理由：Mistral 迄今最大模型以开放权重切入网络安全等企业场景，读者可据此判断欧洲开源路线的能力边界。
The DecoderAI 评分7373 Reflection 发布首个开源权重模型 Beam，主打低算力成本
AI 公司 Reflection 发布首个免费开放的模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 发布首个前沿开源权重模型 Beam，称其在高级推理基准上与中国领先开源模型持平，且推理算力消耗低 3-4 倍。Beam 是文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练 23.8 万亿 token，上下文窗口 100 万 token；对比 Z.ai 的 GLM 5.2 总参数约 7440 亿、激活 400 亿。
Simon WillisonAI 评分2222 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否用英文单词表达整数加法结果。关闭推理时 5,070 个用例数字准确率仅 23.57%，格式合规率 96.17%，一至三位数操作数准确率 97.04%，十至十三位数骤降至 6.44%。开启推理后 169 个用例中答对 167 个。
The DecoderAI 评分4141 DeepMind 研究人员提出"人工共生智能"，作为奇点理论的替代方案
DeepMind 研究人员提出"人工共生智能"（Artificial Symbiotic Intelligence），主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非构建孤立的机器智能。
MIT Technology Review · AIAI 评分5050 别被 LLM 骗了：大语言模型并不会真正推理
前 Google DeepMind 研究员指出，LLM 靠逐个预测 token 生成答案，本质只是"系统 1"式的快速直觉，并非真正推理。他认为链式思维仍由同一套 next-token 预测产生，缺少可检视的显式认知状态、知识与推理的分离，且推理链常是事后编造。他主张借鉴 AlphaGo 的游戏树搜索架构，为 AI 建立可更新的认知状态，以实现可信推理。
Latent SpaceAI 评分3434 Latent Space 对话 MIT Alex Zhang：从 GPU Kernel 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中详解其递归语言模型（RLM）工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分8080 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Ultrafast 模式相对标准模式的提速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
AWS Machine Learning BlogAI 评分2828 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）做产品获客漏斗个性化，七周线上 A/B 测试中，一个人群的漏斗末端转化率取得高个位数相对提升，另一个人群则未见改善，问题出在内容而非模型。
Ars Technica · AIAI 评分6262 AI 首次在 Stratego 上击败史上最强人类选手，仅用 16 块 GPU 训练
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败被称史上最强的 Stratego 选手 Pim Niemeijer。该研究仅用 16 块 GPU 和几千美元完成训练。Stratego 因大量隐藏信息在长时间尺度上逐步展开，此前连 DeepMind 也未能造出可靠击败顶尖人类玩家的机器。
Latent Space精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络防御者中开放，之后才面向开发者、企业和消费者。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与内部部署数据，并附上外界对公布数字的质疑。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入价的 95% 折扣计费。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地数据，可据此判断前沿模型的能力边界与分阶段开放节奏。
Hugging Face BlogAI 评分3636 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速
Liquid AI 发布实验性草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。
Google ResearchAI 评分3636 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过查询扇出推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
METR 研究显示 AI 对科学的加速并不均匀：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身则无可测量的加速。多校团队提出 SPADE 自博弈框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。
Microsoft ResearchAI 评分3838 MindTopo 基准揭示 VLM 空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并分为静态推理与交互规划两个层级。测试显示，现有闭源与开源模型在静态识别上明显优于交互规划，且均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧保留结构约束时才有帮助。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，并加入结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，并给出注意力与 Mamba 两类内核的实测对比。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 智能体的摘要以自然语言"信念状态"形式隔离并监督，替代完整交互历史作为工作上下文。在 CollabBench 协作编程任务中，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。