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。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 1–20 条 · 共 30 条Hugging Face Blog精选AI 评分6969
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。
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 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 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 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。
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。
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。
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。
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。
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。
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。
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。
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。