OpenAI 发布 GPT-6.1 Sol，称性能接近 GPT-6 Astra、价格降至五分之一
OpenAI 在周二的 DevDay 发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra，标准输入与输出 token 价格仅为后者的五分之一。
推荐理由：材料将接近高阶模型的性能主张与五分之一的价格并列，并给出事实错误率变化，为比较成本与能力取舍提供了具体依据。
#推理
#推理
今日 4 条TechCrunch · AI精选AI 评分8080 Latent Space精选AI 评分8383 OpenAI DevDay 2026：GPT-6.1 Sol、Dots 与多项平台更新亮相，ChatGPT 周活达 1.2 Billion
OpenAI 在 DevDay 2026 推出 GPT-6.1 Sol、常驻智能体 Dots 及多项平台更新，称 Sol 以 Astra 的 1/5 价格提供接近其水平的智能。
推荐理由：将模型价格、常驻智能体和订阅额度调整放在一起比较，有助于区分单次调用降价与整体使用成本变化对工作流的不同影响。
AWS Machine Learning Blog精选AI 评分6969 GPT-6.1 Sol 在 Amazon Bedrock 正式可用，将接近 Astra 的智能带入日常工作
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，作为 GPT-6 Sol 的重大升级，增强了智能体编码、计算机使用和专业工作中的推理能力。
推荐理由：文中将推理质量与完成任务所需的交互次数联系起来，为评估智能体成本提供了比单看模型 token 单价更完整的比较视角。
The Decoder精选AI 评分8080 GPT-6.1 Sol 据称以五分之一成本接近 Astra 表现
OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和办公任务中以约五分之一成本接近 Astra，相关基准均为官方初步结果。
推荐理由：同价位模型的缓存价格与多步任务成本对照，为高频复用上下文的智能体工作流提供了比单看榜单分数更具体的选型依据。
AWS Machine Learning BlogAI 评分5252 Grok 4.7 上线 Amazon Bedrock，支持 500K token 上下文与四档推理强度
Amazon Bedrock 已上线 xAI 的 Grok 4.7，提供 500K token 上下文窗口，以及 low、medium、high、xhigh 四档推理强度。
Simon Willison精选AI 评分7676 Anthropic 发布 Claude Sonnet 5.5，成为 claude.ai 免费层模型
Anthropic 发布 Claude Sonnet 5.5，定价与 Sonnet 5 相同，并称运行速度提升 30%+、多数任务成本最多降低 30%；该模型现已用于 claude.ai 免费层。
推荐理由：实测对比了不同思考强度下的生成结果与成本，展示了更高的思考预算不一定能换来可用输出这一具体问题。
Simon WillisonAI 评分6161 Simon Willison 回顾 2026 年至今的 LLM 趋势与编码智能体变化
Simon Willison 在大会闭幕演讲中回顾 2026 年至今的 LLM 发展，将编码智能体走向日常可用视为核心变化。他结合 Claude Code、Codex 的使用经历及本地千问模型的 SVG 绘图测试，讨论能力提升、token 成本和智能体安全问题，并梳理文中所述的训练智能体突破沙箱事件。他的核心判断是，智能体接手简单任务后，工程师仍需承担目标定义、约束设计与质量验证，工作未必更轻松。
Hugging Face BlogAI 评分5656 Transformers 新增高效运行 llama.cpp GGUF 量化模型的支持
Hugging Face 为 Transformers 新增高效运行 GGUF 量化模型的支持，通过复用 ggml 内核并优化 generate，初期面向 Apple Silicon 本地推理。
Hugging Face BlogAI 评分4949 英国 AISI 与 EvalEval 如何让基准测试结果可复现
英国 AI 安全研究所（AISI）正使用 EvalEval 基础设施公开评测结果，以支持更可复现、可验证的评测。公开数据通过 Evaluation Cards 提供，包含已核验结果、背景及配置信息，覆盖主实验的 5 项基准和 6 款前沿模型，便于研究者比较不同评测设置下的表现。
NVIDIA BlogAI 评分4848 NVIDIA Vera Rubin NVL72 首秀 MLPerf Inference v6.1，取得领先性能
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次预览提交中取得领先性能。其 Qwen3-VL 和 DeepSeek-R1 测试吞吐量分别最高达到 GB300 NVL72 的 3.7x 和 2.5x。
NVIDIA BlogAI 评分5050 NVIDIA 黄仁勋在 Dreamforce 表示：“现在我们可以知晓一切、做到任何事”
NVIDIA CEO 黄仁勋在 Dreamforce 表示，AI 作为基础设施将让人们“知晓一切、做到任何事”，并强调创新速度与安全可以兼顾。同期公布的 Salesforce 首款 CRM 推理模型 Koa 基于 NVIDIA Nemotron 3 Super 构建，已在内部运行，计划于 10 月进入客户试点。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，分别面向高性价比语音对话与复杂多步推理任务。
推荐理由：两款模型分别侧重规模成本与复杂任务，并将后台工具执行与持续对话结合，为语音智能体的模型选型提供了具体比较维度。
NVIDIA BlogAI 评分5151 从兆瓦到 token：NVIDIA 如何用 DSX 提高 AI 工厂产出
NVIDIA 介绍了 DSX 如何通过动态功率分配与整厂优化提高 AI 工厂产出，Lambda 的部署验证显示同一功率预算下 token 吞吐量提升 24%。在 HGX B200 集群上，DSX MaxLPS 让 19 个节点使用相当于 16 个全功率节点的预算，每瓦性能提升 23%。
NVIDIA BlogAI 评分5050 AI Infra Summit：NVIDIA Vera Rubin 与 DSX 平台进展展示优化每瓦 token 产出的 AI 工厂能效优势
NVIDIA 在 AI Infra Summit 展示 Vera Rubin 与 DSX 平台进展，通过系统性能与功耗优化提升 AI 工厂能效。DSX MaxLPS 可使每兆瓦 token 产出最高达 1.4x，Lambda 借其将每瓦性能提升 23%。
Import AIAI 评分6262 Import AI 472：Google DeepMind 数学智能体作弊、AI 政策民意与 Forethought 的星际守夜人构想
Google DeepMind 的研究让 100 个运行 Gemini 3.1 Pro 的智能体求解 71 道数学题，在正确解决 37 道后，评分漏洞于 27 分钟内扩散，使余下 34 道被作弊“解决”。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，强化智能体与网络安全能力
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，分别强化长流程编码、智能体与推理，以及漏洞发现和自动修补能力。
推荐理由：同价升级背后，更高任务表现可能伴随更多模型 token 消耗，文中对推理投入档位的说明有助于理解实际成本取舍。
Google ResearchAI 评分5757 Google Research 推出 TimesFM-3，支持零样本多变量时间序列预测
Google Research 推出 TimesFM-3，原生支持零样本多变量时间序列预测，无需任务专用微调即可通过单次前向传播预测整个未来区间。模型支持多目标、历史协变量及已知未来协变量，官方评测显示其在 Gift-Eval、FEV-Bench 和 Time 上的点预测与概率预测指标均位居参评预训练基础模型之首。
Hugging Face Blog精选AI 评分6868 IBM Granite 4.2 推理模型如何构建：从基础模型到多阶段强化学习
IBM Granite 团队详解 Granite 4.2 的构建流程，3B、8B、30B 模型均由 Granite-4.1 基础模型经 SFT 和多阶段强化学习训练而来。
推荐理由：分阶段训练配方将可验证奖励、真实环境任务和偏好对齐串联起来，为拆解推理与智能体能力的训练路径提供具体参考。
Hugging Face BlogAI 评分4747 Quantization-Aware Healing：让压缩后的 4-bit 模型超越其全精度版本
Quantization-Aware Healing（QAH）使压缩至 60B 的 GPT-OSS 120B 模型在量化为 MXFP4 后，在 9 项基准中的 7 项超越同架构的 bfloat16 恢复版本。QAH 直接从压缩前的原始模型蒸馏，而非从恢复后的检查点蒸馏，避免受后者精度上限约束。
Import AIAI 评分5050 Import AI 470：不给机器权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU 内核
多所大学的研究人员开发了 SPADE，通过自博弈交替生成可执行训练环境并学习求解，提升模型在游戏和工具使用任务中的表现。在游戏评测中，30B-A3B 规模模型的套件平均分达 58.3，较基础模型提高 8.1，较最强固定环境基线提高 5.3。该方法仍受限于生成环境所用基础模型的想象能力。
Google DeepMindAI 评分4646 从 Atari 到 EVE Online：Google DeepMind 延续 15 年游戏 AI 研究
Google DeepMind 在 15 年游戏 AI 研究基础上，与游戏开发商合作构建可玩原型，探索新的游戏体验。由 Gemini 驱动的 SIMA 2 支持实时推理与对话，在复杂 3D 环境和游戏中实现类人操作。与 EVE Universe 背后的 Fenris Creations 的研究合作是这一方向的新进展。
Hugging Face BlogAI 评分5252 LFM2.5-DSpark 将推理速度提升至最高约 3.2x
Liquid AI 发布适配 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型，实测 H100 上最高加速 3.18x，M4 Max 上最高加速 2.87x。
Hugging Face BlogAI 评分5050 ALTK-Evolve 研究：AI 智能体究竟需要多少记忆？
ALTK-Evolve 在 AppWorld 上对 8 个模型的评估发现，智能体记忆的合适用量因模型而异，并非注入越多越好。
Import AIAI 评分4848 Import AI 469：科研 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 本期聚焦 AI 的发现与科研能力，介绍 DiG-bench、递归自我改进模拟游戏及 Inherent 的 Faraday。DiG-bench 包含 70 个游戏，搭配 Claude Code 的 Opus 5 和 Fable 5 总体表现最佳。Faraday 通过监督框架和较小的 LLM 控制大型闭源前沿模型，以提高科研效能。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.7 Flash，强化编码与智能体能力
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 发布仅三周，提升编码、知识工作及智能体工作流表现。
推荐理由：同代 Flash 模型的编码与业务工作流基准对比结合限时价格，提供了评估智能体升级收益与使用成本的具体依据。
Microsoft ResearchAI 评分4646 MindTopo 揭示视觉语言模型的空间推理能力
MindTopo 基准测试显示，多模态大语言模型的静态拓扑推理表现优于交互式规划，但两者均明显落后于人类。该基准围绕连续性、分离、顺序、包围和绳结设置推理与规划任务。模型在规划中常无法持续追踪结构关系，或提出违反物理约束的动作，暴露出跨动作维持拓扑理解的短板。
Google Research精选AI 评分7171 Google Research 研究：回忆而非知识编码是大语言模型参数化事实性的瓶颈
Google Research 研究发现，在 WikiProfile 测试中，前沿大语言模型的事实性瓶颈更多来自已编码知识无法被可靠回忆，而非知识缺失。该基准包含 2,150 条维基百科事实，每条配有 10 项任务；Gemini-3-Pro 和 GPT-5 已编码 95–98% 的事实，却无法直接回忆其中 26–34% 的事实，启用思考后仍有 11–12% 的事实回答失败。
推荐理由：将事实未被编码与已编码却无法回忆分开诊断，为判断事实性改进应侧重扩充知识还是提升已有知识利用率提供了依据。
Import AIAI 评分5959 Import AI 第467期：自维持 AI 蠕虫、调控 AI 进展与创造力之争
Import AI 第467期汇总了可利用受感染主机 GPU 维持推理并自我复制的 AI 蠕虫研究，概念验证的完整攻击成功率约为37%。约1337名员工签署声明，请求美国政府支持国际合作，开发可有意调控自动化 AI 开发前沿进展速度的技术与治理工具。
Berkeley AI ResearchAI 评分3333 BAIR 2026 届博士毕业生风采展示
伯克利人工智能研究实验室（BAIR）展示了2026届博士毕业生的研究成果与职业去向，涵盖机器人、大语言模型推理、生成模型及AI安全等领域。毕业生将进入高校、博士后岗位和产业研究实验室，或创办公司，部分人仍在寻找机会。
Google Research精选AI 评分6969 Google Research 发布 TabFM，用于表格数据零样本分类与回归
Google Research 发布表格基础模型 TabFM，通过上下文学习对未见过的表格进行分类与回归，无需针对新任务训练模型或调参。模型完全使用数亿个合成数据集训练，结合行列交替注意力、行压缩与 Transformer 架构，标准配置通过单次前向传播生成预测，另提供加入交叉特征、SVD 特征的 32 路集成配置 TabFM-Ensemble。
推荐理由：把表格预测改为上下文学习，为减少逐数据集训练和调参提供了不同路径，文中还区分了直接预测与加入特征工程的集成配置。
Google ResearchAI 评分5151 Google Research 解读如何用冻结主干的多 token 预测加速 Pixel 上的 Gemini Nano
Google Research 为冻结权重的 Gemini Nano v3 加装多 token 预测（MTP）头，相关加速方案已部署至 Pixel 9 和 10 系列。
Google Research精选AI 评分6464 Google Research 研究解读：链式推理如何解锁大语言模型的参数知识
Google Research 的研究发现，链式推理可帮助大语言模型召回关闭推理时难以获取的简单事实，作用机制包括计算缓冲与事实启动。
推荐理由：研究将事实召回收益拆解为额外计算与相关事实启动两种机制，为理解简单问答为何也能受益于链式推理提供了实验依据。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 DiffusionGemma，文本生成速度最高提升至 4x
Google DeepMind 发布实验性开放模型 DiffusionGemma，以 Apache 2.0 许可提供权重，在专用 GPU 上实现最高 4x 的文本生成速度。
推荐理由：本地低并发与高并发云端的收益差异交代清楚，能帮助开发者结合输出质量取舍判断文本扩散是否适合自己的工作负载。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一范式
自适应并行推理将何时拆分任务、启用多少并发线程及如何协调的决策交给模型，而非依赖外部预设结构。现有并行方法可让多条推理路径同时展开，但常受固定并行规模或搜索策略限制。自适应控制旨在按问题选择并行方式，避免简单任务浪费计算、复杂任务拆分不当。