Google 发布 Gemini 4 Argon，缩小与 OpenAI、Anthropic 的差距但未明显领先
Google 发布新前沿模型 Gemini 4 Argon，在部分基准上超过 OpenAI 和 Anthropic 的模型，但没有取得明显领先；推广价下每百万输入 token 2 美元、输出 token 10 美元。
#推理
#推理
今日 0 条The DecoderAI 评分6666 The DecoderAI 评分5959 OpenAI 与 Synopsys 签署多年合作，共建芯片设计模型 GPT-Synopsys
OpenAI 与 Synopsys 签署多年战略合作，将共同打造名为 GPT-Synopsys 的芯片设计专用模型，把 OpenAI 的 AI 技术与 Synopsys 的 EDA 工具结合起来。
OpenAI News精选AI 评分6161 OpenAI 阻止协同模型蒸馏行动并强化防御
OpenAI 阻止了一起协同模型蒸馏行动，该行动意在提取其受保护的模型推理。OpenAI 表示正在加强对对抗性蒸馏的防御。
NVIDIA BlogAI 评分4242 从训练到生产：NVIDIA 与 CoreWeave 打通智能体 AI 闭环
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72，并搭配 Spectrum-X 102.4T 以太网，成为首批交付该平台的云厂商之一。
AWS Machine Learning Blog精选AI 评分7070 GPT-6.1 Sol 正式上线 Amazon Bedrock
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，为智能体编码、计算机使用和专业工作负载提供更强的推理能力。据 OpenAI 称，它在 DeepSWE v1.1 上以约五分之一的任务成本达到 GPT-6 Astra 的水平，并比 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。
推荐理由：文章给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与数据隔离机制，读者可据此评估现有智能体工作流的迁移成本。
AWS Machine Learning Blog精选AI 评分6767 xAI 的 Grok 4.7 上线 Amazon Bedrock
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档推理强度。
推荐理由：文章给出在 Bedrock 上接入 Grok 4.7 的具体方式，并附与 4.6 的基准对比和输出 token 翻倍的成本取舍。
TechCrunch · AIAI 评分5757 Modal Labs 接近完成 7.5 亿美元融资，估值 157.5 亿美元
据知情人士消息，推理基础设施厂商 Modal Labs 正接近完成由 Accel 领投的 7.5 亿美元融资，投后估值 157.5 亿美元。这一估值是四个月前其 3.55 亿美元融资时 46.5 亿美元估值的三倍多，同期 Baseten 也接近以 260 亿美元估值融资。Modal 截至 5 月的年化营收已超过 3 亿美元，客户包括 Cognition、Suno、Ramp 和 Substack。
Latent Space精选AI 评分8383 OpenRouter 联合创始人谈从种子轮到被 Stripe 收购
OpenRouter 联合创始人兼 CEO Alex Atallah 与 AMP 的 Anjney Midha 在 Latent Space 播客中复盘 OpenRouter 从押注多模型到被 Stripe 收购的历程。
推荐理由：OpenRouter 联合创始人与投资人复盘多模型押注和推理市场的形成，并解释 Stripe 收购与 token 欺诈的关系。
Latent SpaceAI 评分4343 生物安全是一场 AI 军备竞赛：Radical Numerics CEO Eric Nguyen 谈基因组语言模型
Radical Numerics CEO Eric Nguyen 称生物安全正成为一场 AI 军备竞赛，防御方目前落后，主张继续推进前沿能力。他此前在 Arc Institute 参与领导 Evo 和 Evo 2，这些模型后被用于生成完整噬菌体基因组并合成为功能性病毒。
Simon Willison精选AI 评分8585 Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 发布，新一轮价格战开启
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，两家新模型定价都较上一代大幅下调：GPT-6 Luna 为 $0.10/M 输入、$0.50/M 输出，Opus 5.5 从 $5/$25 降到 $4/$20，缓存读取价格下降 60%。
推荐理由：原文列出各家主流模型的完整定价对比，包括缓存读取价格，读者可据此判断这轮降价对应用调用成本的影响。
AWS Machine Learning Blog精选AI 评分6767 GPT-6 Sol 和 GPT-6 Luna 在 Amazon Bedrock 正式可用
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 已在 Amazon Bedrock 正式可用，API 定价显著低于前代 GPT-5.6。GPT-6 Sol 面向编码、调试和跨工具多步流程等复杂任务，OpenAI 内部事实性评估显示其事实性错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向高并发的信息抽取、摘要和分类，可按请求调整推理强度。
推荐理由：两个新模型以低于 GPT-5.6 的 API 定价上线 Bedrock，读者可据此比较不同任务层级的模型与成本取舍。
Latent Space精选AI 评分7777 TypeSafe AI CEO Diogo Almeida 谈 Jev 的 System One 模型与 RLCD 路线
TypeSafe AI 发布面向软件而非聊天的 System One 模型 Jev，CEO Diogo Almeida 称其核心创新是 RLCD 训练方法。曾任 InstructGPT 作者的 Diogo 表示，RLCD 用带校准概率的强化学习替代 RLHF 的人类反馈，让代码而非人成为模型输出的消费方，目标是提升 intelligence per dollar。
推荐理由：InstructGPT 作者 Diogo 在访谈中对比 RLCD 与 RLHF、RLVR 的目标差异，并解释 Jev 为何面向软件而非聊天。
Latent SpaceAI 评分6666 两天内出现 6 个 Jev 复现，判别式决策模型引发社区跟进
Latent Space 的 AINews 汇总 9/17 至 9/18 的 AI 动态，核心是 Jev 发布两天内出现 6 个复现。
NVIDIA BlogAI 评分4949 NVIDIA Vera Rubin NVL72 首秀 MLPerf Inference v6.1，性能领先
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 预览提交中首次亮相，在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7x，在 DeepSeek-R1 上最高 2.5x。
Latent SpaceAI 评分4545 Good Start Labs：游戏里学到的技能能迁移到真实工作吗？
Good Start Labs 把游戏当作 AI 模型的训练环境，其用 1830 铁路游戏训练的 30B 模型只有在多轮终端智能体设计下才提升了 Finance-Agent benchmark 成绩，单轮问答设计则没有。
Google DeepMind精选AI 评分7373 Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 语音模型
Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，分别面向规模与成本效率、以及高复杂度任务。
推荐理由：两款语音模型分别面向规模成本与复杂任务，并给出各自评测数据和开放入口，可供判断语音智能体的选型。
NVIDIA BlogAI 评分4545 从兆瓦到 Token：NVIDIA 如何最大化 AI 工厂产出
NVIDIA 公布 DSX MaxLPS 在 Lambda 的首个部署验证：以 16 节点的功率预算运行 19 节点，token 吞吐提升 24% 至约 500 万 tokens/秒，每瓦性能提升 23%。
NVIDIA BlogAI 评分4545 AI Infra Summit：NVIDIA Vera Rubin 与 DSX 平台进展展示 AI 工厂的每瓦 Token 能效优化
NVIDIA 在 AI Infra Summit 公布 Vera Rubin 与 DSX 平台进展：Vera Rubin NVL72 在 MLPerf Inference v6.1 中吞吐量达 GB300 NVL72 的 3.7x。
OpenAI News精选AI 评分8080 OpenAI 发布 GPT-6 Astra，面向企业场景的新模型
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、computer use 以及更强的写作与设计判断。目前官方只给出能力方向，未披露参数、上下文窗口和开放时间。
推荐理由：官方给出推理、computer use 与写作设计判断三项能力方向，便于对照上一代理解其在企业办公场景的定位。
OpenAI NewsAI 评分5353 OpenAI 公开 Navier–Stokes 千禧年大奖难题的 AI 生成解答与 Lean 形式化证明
OpenAI 公开了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，产出包括一份论文写作与一份 Lean 形式化证明。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber，前者面向长程编码与自主智能体，价格与 3.7 Flash 相同，为每百万输入 tokens 0.75 美元、每百万输出 tokens 3.75 美元。
推荐理由：原文给出了与 3.7 Flash 同价同速的升级幅度以及 Cyber 版的受限开放方式，便于开发者判断是否迁移。
Hugging Face BlogAI 评分5656 Granite 4.2 推理模型如何构建：3B/8B/30B 全流程技术详解
IBM 发布 Granite 4.2 推理模型家族，包含 3B/8B/30B 三个 dense decoder-only 模型，基于 Granite-4.1 基模型后训练并以 Apache 2.0 开源。
Import AIAI 评分4949 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 收录新基准 DiG-bench：70 个规则与目标均隐藏的交互式游戏，用于评测 AI 自主探索与发现能力，其中 21 个已公开。Opus 5 和 Fable 5（配合 Claude Code）表现最佳，但只有这两者在最难 Tier 7 取得约 20% 成功率。
Microsoft ResearchAI 评分4949 MindTopo 揭示 VLM 空间推理能力：静态识别强于交互规划
Microsoft Research 提出 MindTopo 基准，用于评测多模态大模型（VLM）的拓扑推理能力，覆盖连通、分离、顺序、包围与绳结五类任务。测试发现，模型在静态识别上明显强于交互规划，两者均远低于人类水平，失败多出现在规划而非感知阶段。图像生成只在单帧可见关系时有用，视频推演跨多步仍常改变拓扑或违反任务动力学。
Google ResearchAI 评分5656 Google 研究：参数化事实性的瓶颈在召回而非编码
Google Research 发布论文指出，Gemini-3-Pro、GPT-5 等前沿大语言模型中 95–98% 的事实已被编码，却仍有 26–34% 无法直接召回。
Google Research精选AI 评分6565 Google AMIE（Video）实现专家级实时视频临床问诊
Google Research 发布 AMIE（Video），一个基于 Gemini 和 Project Astra 的实时视频临床问诊系统，在覆盖 5 个身体系统的 100 个场景、300 次问诊的随机 OSCE 研究中，其临床问诊、诊断和管理能力与 30 名认证初级保健医生持平，并在体征观察和引导虚拟查体上显著优于医生组和文本版 AMIE。
推荐理由：原文给出随机对照研究和多智能体架构细节，读者可以据此判断音视频通道相较纯文本究竟在哪类临床能力上带来了差异。
Microsoft Research精选AI 评分6161 微软提出 EvoLib：把经验转化为持续演化的知识
微软研究团队提出 EvoLib 框架，让大语言模型在推理时从自身经验中学习，无需真值标签或外部反馈。它把过去的尝试提炼为可复用的技能与反思洞察，通过整合和动态权重机制持续精炼，且不更新模型权重，可用于通过 API 部署的黑盒模型。在数学推理、带效率约束的代码编写和长程环境决策三类任务上，EvoLib 优于基于检索的记忆方法，并在大部分算力区间以更高效的 token 使用把测试时算力转化为性能提升。
推荐理由：EvoLib 将测试时的原始经验提炼为可复用技能与洞察，无需更新模型权重，读者可据此理解其持续学习机制。
Google ResearchAI 评分4848 Google SymptomAI：面向日常症状评估的对话式 AI 智能体研究
Google 基于 Gemini Flash 2.0 的 SymptomAI 对话式智能体在 13,917 人参与的随机研究中，由临床专家组对其鉴别诊断（DDx）进行盲评。评审在超过 50% 的案例中偏好 SymptomAI 的 DDx 多于其他临床医生的诊断，且该优势在临床医生自身信心较低的案例中最为显著。
Hugging Face Blog精选AI 评分7373 Thinking Machines 开源 1T 参数多模态模型 Inkling，支持图像文本音频输入
Thinking Machines 开源 1T 参数多模态大模型 Inkling，原生支持图像、文本和音频输入及 1M 上下文，采用 decoder-only MoE 架构（975B 总参数、41B 激活），同步提供 BF16 与 NVFP4 两个权重版本。
推荐理由：原文给出 Inkling 的 MoE 架构细节与多模态能力范围，并附 transformers、SGLang、vLLM 多框架部署示例和主流模型基准对比，方便评估其工程落地方案。
Hugging Face Blog精选AI 评分7474 transformers vLLM 推理后端现已达原生实现速度
Hugging Face 宣布 transformers 在 vLLM 中的推理后端现已在多种架构上跑出与 vLLM 原生手写实现持平或更快的吞吐，模型作者只需通过 `--model-impl transformers` 即可启用，无需再为每个新模型单独移植。
推荐理由：transformers 模型现可在 vLLM 中跑出与原生手写实现持平甚至更快的推理吞吐，模型作者无需再为每个新架构单独移植实现代码。
Mistral AIAI 评分5252 Mistral 发布 Leanstral 1.5：面向 Lean 4 形式化验证的开源模型
Mistral 发布面向 Lean 4 形式化验证的开源模型 Leanstral 1.5（Apache-2.0），共 119B 总参数、6B 激活参数。该模型在 miniF2F 验证与测试集均达 100%，在 PutnamBench 上解决 587/672 题，并在 FATE-H 与 FATE-X 上以 87% 与 34% 取得新 SOTA，单题成本约 $4。
Berkeley AI ResearchAI 评分3535 2026 BAIR 毕业生展示：博士研究方向与毕业去向
BAIR 公布 2026 届博士毕业生展示，涵盖机器人、LLM 推理、计算机视觉、生成模型、AI 安全、人机交互以及 AI for science 与医疗等方向。毕业生将赴高校教职、博士后岗位与工业研究实验室，其中 Hanlin Zhu 加入 OpenAI，Josh Kang 加入 Mistral AI。
Google ResearchAI 评分4848 Google Research 论文：推理过程如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 论文中发现，启用推理能让 reasoning LLM 召回原本几乎无法触及的参数化知识。
Google DeepMind精选AI 评分7878 DeepMind 发布 DiffusionGemma 实验模型，文本生成最高提速 4 倍
Google DeepMind 发布开源实验模型 DiffusionGemma，以文本扩散并行生成替代逐 token 自回归，在专用 GPU 上文本生成速度最高提升 4 倍。
推荐理由：开源 26B MoE 模型用文本扩散把解码瓶颈从显存带宽转向算力，读者可据此判断本地低并发推理的取舍。
Berkeley AI ResearchAI 评分3737 Berkeley AI Research：自适应并行推理——高效推理扩展的下一个范式
Berkeley AI Research 发文讨论自适应并行推理：让模型自行决定何时分解任务、开多少并发线程，而非由模型外部预设并行结构。文中梳理 MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法，指出顺序推理随探索量线性增长会加剧 context-rot 与延迟。
Import AIAI 评分6565 Jack Clark：AI 系统即将开始自我构建
Jack Clark 在 Import AI 第 455 期中提出，到 2028 年底出现由 AI 自主完成自身下一代训练的端到端自动化 AI 研发的概率为 60%+。
Google DeepMind精选AI 评分6161 Google DeepMind 发布 Gemini Robotics-ER 1.6，强化具身推理与仪表读数
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为推理优先的机器人模型升级版，在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由：相比 1.5 与 Gemini 3.0 Flash，新模型新增仪表读数能力，可了解机器人具身推理的进展与开放入口。
Mistral AI精选AI 评分7070 Mistral 发布开源 Mistral Small 4，统一推理、编码与多模态能力
Mistral 发布 Mistral Small 4，采用 119B 总参数 / 6B 激活的 MoE 架构，统一 Magistral 推理、Devstral 编码代理与 Pixtral 多模态能力，支持 256k 上下文和可配置推理强度，权重以 Apache 2.0 开源。
推荐理由：原文给出统一推理、编码与多模态能力的架构与同尺寸模型的输出效率对比，可作为评估开源部署延迟与成本的参考。
Google Research精选AI 评分6262 Google 评估 AMIE 对话式诊断 AI 在真实门诊场景中的可行性
Google Research 与 Beth Israel Deaconess Medical Center 合作，在真实门诊场景中开展了 AMIE 对话式诊断 AI 的前瞻性可行性研究。
推荐理由：在真实门诊流程中检验了 AMIE 对话式诊断 AI 的可行性与安全性，并盲评比较其与主治医生的诊断质量，为医疗 AI 的临床落地提供了前瞻性证据。
Mistral AI精选AI 评分7979 Mistral 发布 Mistral 3 模型家族，涵盖 Mistral Large 3 与 Ministral 3
Mistral 发布 Mistral 3 模型家族，旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE，在 LMArena OSS 非推理模型榜位列第 2，全系采用 Apache 2.0 协议开源。
推荐理由：原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名，以及 Ministral 3 端侧尺寸，可作为开源权重模型横向对比的坐标。