Meta 编程优化开源权重模型 Muse Spark Open 上架 Amazon SageMaker JumpStart
Meta 将编程优化开源权重模型 Muse Spark Open 接入 Amazon SageMaker JumpStart。模型采用 MoE 架构，总参数 816B、单 token 激活 42B，上下文 1M tokens；接收文本、图像、文档、音频与音视频输入，并作为推理模型会返回 reasoning_content。
#推理
#推理
今日 0 条AWS Machine Learning BlogAI 评分5151
Hugging Face Blog精选AI 评分6969 Swiss AI 发布 Apertus 1.5：8B/70B 开源模型扩展多模态与长上下文
Swiss AI 团队发布 Apertus 1.5 (8B/70B)，在 1.0 基础上加入原生图像与音频理解、可切换思考模式以及 262,144 token 上下文窗口（4 倍提升），权重以 Apache 2.0 开源。
推荐理由：文章对照同尺寸开源权重模型，从多模态、长上下文与思考模式三方面详述 Apertus 1.5 的能力改进与取舍，可作为了解其定位的一手参考。
The DecoderAI 评分6363 OpenAI 年内将推出至少一款新模型，旗舰模型仍需完成对齐工作
据 The Information 报道，OpenAI 员工透露公司年底前可能发布一两款新模型，但当前在研的主力升级版本因对齐工作与测试基础设施尚未完成，能否年内发布尚不确定。
The Verge · AIAI 评分7474 Google 正式发布 Gemini 4 Argon 模型
Google 正式发布 Gemini 4 Argon，定位前沿推理模型，初期定价 $2/M 输入 token、$10/M 输出 token，约为 GPT-6 Astra 和 Anthropic Fable 5 的五分之一。
Hugging Face Blog精选AI 评分6161 Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参 24B、激活 2B
Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参数 24B、激活 2B，主打端侧智能体与工具调用场景。
推荐理由：该模型以 2B 激活参数在多项工具调用基准上领先更大 MoE，为本地智能体部署提供了一份参数效率与端侧推理速度的参考。
Ars Technica · AIAI 评分5959 Gemini 4 Argon 开始在 Gemini App 和 Antigravity 推广，但仅对付费用户开放
Google 开始向付费用户推广 Gemini 4 Argon 模型，目前只在付费档位开放，较低档位也无法获得完整访问权限，能力仍以发布前公布的基准结果为准。
AWS Machine Learning BlogAI 评分3939 Amazon SageMaker AI 上的 Mixture-of-Experts 内核优化实践
AWS 团队针对 Amazon SageMaker AI 上的 Mixture-of-Experts 大语言模型推理进行内核优化。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 4 Argon，主打复杂工程与科研任务
Gemini 4 Argon 今日全球上线，面向开发者、企业和 Google AI Ultra/Pro 订阅者通过 Gemini API、AI Studio、Gemini app 以及 Search 的 AI Mode 提供，Antigravity 中也已开放。
推荐理由：原文列出 Argon 在编码、量子化学、机器人等真实场景的可验证数字与基准排名，读者可以据此评估它在工程和科研任务中的实际能力。
Google DeepMind精选AI 评分6464 Google DeepMind 发布 Gemini 4 Argon 模型，主打机器人物理推理
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉-语义推理，在 ERQA 基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：Gemini 4 Argon 把能力铺到机器人控制、Real2Sim、物理理解和自改进四条主线，并附上可直接复用的代表性 Prompt。
The DecoderAI 评分5353 西方数学家担忧 AI 削弱数学理解，中国成立数学与 AI 联盟
菲尔兹奖得主丘成桐与中国数学家周日在北京成立「丘数学与人工智能联盟」，联合八家机构并计划建立超过 1000 名研究者的网络。西方 25 位菲尔兹奖得主包括陶哲轩和 Peter Scholze 担忧 AI 生成证明削弱数学理解、让人依赖，有人呼吁抵制 AI 生成的证明；丘成桐则警告中国正落后于美国，计划开发专用模型和机器可验证证明。据《南华早报》报道。
The DecoderAI 评分5050 Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法，能提升解题与判题但存在共享盲点
Sakana AI 与 UC Berkeley 提出 MASS（Multi-Agent Self-Supervision）方法，让同一语言模型同时承担解题、优化工作流与评估三个角色，在测试任务上对基模型的胜率从一轮后的 53.9% 升至两轮后的 69.9%。
Import AIAI 评分3636 Import AI 第 476 期：AI 创造力与递归自我改进；中国开源权重模型表现落后；AI 进军太空
Import AI 第 476 期报道 Scale AI 与 Elorian 发布的视觉推理基准 Humanity's Sixth Sense：人类 pass@1 为 93.1，最佳 AI 模型 GPT 6 Astra 仅 53.6，中国开源权重模型 GLM-5.3-flash（26.8）与 Kimi K3（25.5）垫底。
The DecoderAI 评分7474 Google DeepMind 的 AlphaProof Nexus 解出数十个开放数学问题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 自主解决了多个开放数学问题，相关研究发表在 Science 并经过同行评审。它在 353 个开放 Erdős 问题中解出 9 个（其中 2 个悬而未决 56 年），证明了 OEIS 整数序列数据库中的 44 个猜想，还解决了一个代数几何开放问题，改进了用于训练部分 AI 模型的 min-max 优化已知界。
The Decoder精选AI 评分7979 数学家震惊与愤慨：OpenAI 一次性发布 700 余篇数学稿件引发学界震荡
OpenAI 于 2026 年 10 月 6 日一次性发布 700 余篇声称解决多个开放数学问题的论文稿件，数学界反应以震惊和愤怒为主。
推荐理由：汇集菲尔兹奖得主在内的多位数学家对 OpenAI 一次发布的即时反应，呈现学界在前沿模型冲击下的真实分歧与情绪。
The DecoderAI 评分4949 传 Google Gemini 4 "Carbon" 编程表现接近 Anthropic Opus 5.5
据 Business Insider 报道，Google 正测试代号为 Argon、Barium、Carbon 的 Gemini 4 多个变体，其中 Carbon 已在内部编程平台 Jetski 上部署，编程任务上据称超越 Argon 并接近 Anthropic Opus 5.5。
Latent SpaceAI 评分4343 AlphaFold 为什么没有解决蛋白质折叠难题 — Google DeepMind Pushmeet Kohli 与 Biohub Sal Candido 对谈
Google DeepMind 与 Biohub 研究者在 Latent Space 对谈中指出，AlphaFold 突破只是起点，蛋白质折叠远未被解决。他们强调仅靠扩大算力与数据无法攻克生物学，找到合适的 scaling law 与高质量数据比增大模型更重要，并认为 AI 有望带来 10x–100x 的药物发现加速。
The Verge · AIAI 评分6767 OpenAI 一次性释放近400项AI生成数学结果，数学家称需要数年才能消化
OpenAI 本周一次性释放约400项AI生成的数学结果，分布在719篇手稿中，涵盖组合数学、数论、拓扑、理论计算机科学等多个分支，三十余位数学家称之为'前所未有'。仅约42%（约300项）经过 Lean 形式化验证，部分论文写作粗糙且存在错误，三篇已因符号错误被撤稿，OpenAI 未披露所用模型和提示词。多位数学家反映这会冲击学术职业路径，PhD 学生与初级研究者受影响最明显。
The DecoderAI 评分6868 部分数学家呼吁抵制 OpenAI，回应 700 多份 AI 证明草稿集中发布
部分数学家呼吁抵制 OpenAI，称其一次性发布 700 多份 AI 生成证明草稿是权力展示，而非学术成果展示。OpenAI 此前声称内部模型在一个月内解决了 100 多个开放数学问题，包括对 Navier-Stokes 千禧年问题的一种解法。数学界对抵制是否有效意见不一，争议还涉及证明可读性、训练数据抓取、署名以及研讨会与合作减少。
Latent SpaceAI 评分7474 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，距 Haiku 4.5 约一年后的首次小型模型更新，定价对齐 OpenAI GPT-6 Luna。
Simon WillisonAI 评分7171 Anthropic 发布 Claude Haiku 5.5，主打快速低成本
Anthropic 发布 Claude Haiku 5.5，主打快速低成本，定价 $0.10/$0.50 per million tokens，与上月发布的 GPT-6 Luna 一致。
The Decoder精选AI 评分7676 Anthropic 发布 Claude Haiku 5.5，100k token 以内价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，定位最快、最便宜的小模型，平均成本较 Haiku 4.5 低约 75%。
推荐理由：文中给出了 100k token 以内最高 90% 的阶梯定价和分词器对实际节省的影响，为高吞吐量部署提供了具体成本参考。
Hugging Face Blog精选AI 评分6969 Nemotron 通过微调与生成-验证-精炼推理在 IOI 和 IMO 2026 达到金牌水平
NVIDIA 在 Hugging Face 博客上介绍基于 Nemotron 3 微调的模型在 IOI 2026 和 IMO 2026 双双达到金牌水平。
推荐理由：把同一套 Nemotron 微调加搜索式推理配方在 IOI 与 IMO 两道不同赛道上都推到金牌水平，开源资产齐备便于复用。
The DecoderAI 评分6666 OpenAI 在 GitHub 公开 372 条 AI 生成数学结果，跳过传统期刊评审
OpenAI 在 GitHub 上公开 372 条由内部前沿模型生成的数学结果，每条针对一个开放问题或有实质进展。多数条目附带 Lean 形式化验证以缓解审稿瓶颈，平均每条消耗约三小时 ChatGPT Pro Thinking 算力，但未公开提示词和单条算力细节，公司表示将负责任地开放该模型。
Latent SpaceAI 评分5454 OpenAI 公开 722 篇内部模型数学论文；Mistral Large 4、EmbeddingGemma 2 同期密集更新
OpenAI 发布一款未公开内部模型的 722 篇数学论文（归为 372 个结果族），平均每题用约 3 小时 ChatGPT Pro 推理算力完成，多位评论者认为其覆盖了 500 个顶级开放数学问题中的相当一部分。
Simon WillisonAI 评分2020 Jake Boggan 谈 24 年研究 Barnette 猜想：得知被证明后的复杂心情
Hacker News 用户 Jake Boggan 在 openai/math 第 180 题相关讨论中回忆，自己 24 年来断断续续研究 Barnette 猜想（Barnette's Conjecture），去年夏天曾短暂以为已经攻克。得知该猜想已被证明后，他表示感到一种"遥远的悲伤"，如同听闻前女友在车祸中骤然离世，许多人可能今晚都有类似复杂情绪。
The Verge · AIAI 评分5858 OpenAI 发布 722 篇数学论文手稿，称解决数百个长期开放问题
OpenAI 在 GitHub 发布 722 篇数学论文手稿，涵盖 372 个结果家族，声称解决了数百个长期开放问题。论文由未发布的前沿模型产出，平均每次结果约使用 ChatGPT Pro 三小时的思考算力；发布流程由独立顾问组 AGMAI 协助，该组织此前曾建议避免把数学成果发布当作模型营销手段。
OpenAI NewsAI 评分5454 OpenAI 分享 AI 在数学开放问题上的进展并公开 Lean 形式化证明
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 形式化证明与研究细节。
Simon WillisonAI 评分6161 Mistral 发布 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 预览版，这是一款 1 trillion 总参数、49B 激活参数的模型，训练在其自有的 3,800 块 NVIDIA Grace Blackwell GPU 集群上，目前通过 Mistral API 提供。
The Verge · AIAI 评分6161 Google 将取消 Gemini Flash 和 Pro 模型的免费访问
Google 宣布从 10 月 9 日起，Gemini 免费用户只能使用 Flash Lite 模型，Flash 需要订阅 $4.99/月 的 Google AI Plus 才能使用；AI Plus 订阅同时被降级，将不再包含 Gemini Pro。
The DecoderAI 评分4545 研究者将 LeCun 的 JEPA 扩展为横跨物理到生物学的通用世界模型
PhAI Labs 联合 Stanford、Oxford、Princeton 团队提出 JEPA-Anything，将标准 JEPA 的单一预测拆分为四个正交因子预测模块，在物理、机器人、天气预报等 10 项任务上一致优于基线，简化 Pong 环境干预预测误差下降 35%，Burgers 方程误差下降近一半。
The DecoderAI 评分6464 Reflection 发布开放权重模型 Beam，以更低算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布开放权重模型 Beam，主打以更少算力达到接近中国开源模型的水平。Beam 采用 MoE 架构，单 token 激活 501B 总参数中的 23B，在推理任务上以 3-4 倍低于 GLM-5.2 的算力取得相当成绩，并在 SWE-Bench 等编码基准上接近 Qwen 3.8 Max，Kimi K3 在原始性能上仍领先。
Simon WillisonAI 评分2121 Qwen3.8 27B 用英文单词表达加法结果的能力测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 用英文单词输出正整数加法结果的能力。在 5,070 个禁用推理的用例中，数值准确率仅 23.57%，从 1-3 位操作数的 97.04% 骤降至 10-13 位操作数的 6.44%。开启中等推理后，在 169 个对比用例中获得 167 个正确答案。
TechCrunch · AIAI 评分5959 Reflection AI 发布开放权重模型 Beam，以更低算力对标中国开源模型
Reflection AI 发布首款前沿开放权重模型 Beam，声称在推理基准上以更低算力对标中国开源模型。Beam 采用 MoE 架构，总参数 501B、激活参数 23B，预训练数据量 23.8T tokens，上下文窗口 1M tokens，仅支持文本。
OpenAI NewsAI 评分1717 GPT-6 模型家族选型指南
OpenAI 针对创业公司的 GPT-6 模型家族选型指南，涵盖模型选择、调节推理强度（reasoning effort）、改进提示词与技能（prompts and skills）、协调工具调用以及为生产环境准备工作流等关键环节。
The DecoderAI 评分4242 Mercor 研究：AI 速度和准确度超越持证会计师，但仍无法独立完成结账
Mercor 基于 APEX Accounting Benchmark 的研究显示，AI 在结构化记账任务的速度和准确度上已超过持证会计师，但仍无法在无人监督下完成结账。18 个月前顶级模型得分低于会计师平均的 37%，如今几乎完美完成同一任务。完整基准上 Claude Opus 5.5 以 61.8% 领跑，但近 60% 的任务仍无模型能完整解答。
MIT Technology Review · AIAI 评分5151 前AlphaGo团队成员：大语言模型并不真正具备推理能力
前Google DeepMind AlphaGo团队成员Thore Graepel撰文称，大语言模型的链式思维仍只是更长的逐token预测，并非真正的系统2推理。他指出三个缺陷：缺乏显式可审查的认知状态、知识与推理纠缠在神经网络权重里、链式思维常事后编造。Graepel已离开DeepMind，希望借鉴AlphaGo显式博弈树与信念更新机制，构建可审计的通用机器推理系统。
Latent SpaceAI 评分4444 Alex Zhang（MIT）做客 Latent Space：「学术属于雄心」
Latent Space 专访 MIT 博士生 Alex Zhang，焦点是他提出的 RLM（Recursive Language Models）与 harness 设计思路。
Ars Technica · AIAI 评分5959 Ataraxos AI 以低成本击败最强人类 Stratego 棋手
由卡内基梅隆、MIT、纽约大学和斯坦福研究人员开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平的战绩击败公认最强的 Pim Niemeijer。Ataraxos 只需 16 张 GPU 和几千美元训练成本，而 DeepMind 此前曾尝试用更大预算也未能攻破 Stratego 这类信息长期隐藏的不完美信息博弈。
The Decoder精选AI 评分7777 OpenAI 称已阻止窃取模型推理的攻击，但同一手法在 Azure 上仍然有效
OpenAI 称已阻止一场通过蒸馏窃取其模型推理过程的攻击，并关闭了超过 15,000 个相关账号，其将核心团伙与 Moonshot AI 相关人员关联。研究人员复现后表示，该手法在 Microsoft Azure 上对包括 GPT-6 Astra 在内的所有 OpenAI 模型以及最高到 Sonnet 5 的 Anthropic 模型仍然有效，一次尝试即可逐字提取推理内容。
推荐理由：对比模型官方 API 与云平台上的防护差异，可看清蒸馏攻击为何在第三方托管渠道依然奏效，修补节奏为何难以同步。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新的前沿模型 Gemini 4 Argon，先通过 Fairwind Program 面向一批可信网络安全防御方开放，随后逐步向开发者、企业和消费者推出。
推荐理由：官方给出 1M 输出 token、DeepSWE v1.1 77.9% 等指标与分阶段开放安排，可据此了解前沿模型的发布节奏与安全门槛。