OpenAI 全面开放 Decisions API,与 TypeSafe 的 Jev 争夺决策模型市场
OpenAI 于周四向所有客户开放 Decisions API,该产品在 9 月 29 日的开发者日上发布,基于 ChatGPT Luna 重新配置以加快推理并降低成本。
OpenAI 于周四向所有客户开放 Decisions API,该产品在 9 月 29 日的开发者日上发布,基于 ChatGPT Luna 重新配置以加快推理并降低成本。
Dharma-AI 团队提出 VocabX 方法,在不更换基座模型、数据和训练配方的前提下,围绕每个 token 的推理成本而非出现频率重建词表,在基于 Qwen3-4B 的葡萄牙语作文评分器上将实测推理成本降低 77.0%。
推荐理由:作者团队公开 VocabX 的词表专门化方法,读者可了解按生成成本而非词频选择 token 的思路与实测数据。
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了几何与概率领域的 KLS 猜想,该猜想自 1995 年提出,此前最好的结果仍允许界随维度缓慢增长。
推荐理由:读者可以看到研究者如何用智能体并行探索上百条路径并人工筛选,最终完成 KLS 猜想证明。
Inception 发布扩散语言模型 Mercury 3,称其在 12 项基准中赢下 8 项,运行速度为 GPT-6 Luna 和 Claude Haiku 5.5 的 4 至 8 倍。
DeepSeek 开源其生产推理栈 DeepInfer,支持分布式推理、投机解码、SWA Bounded Replay 和结构化输出,覆盖 NVIDIA 与华为昇腾平台。
推荐理由:DeepSeek 开源生产推理栈并披露单集群 155T tokens/日与缓存命中率,读者可据此理解其服务成本结构。
GPT-OSS-20B 在 50 例多语言推理测试中仅 22% 用目标语言推理(英语 100%、法语 0%、德语 10%、西班牙语 0%、意大利语 0%),团队在 Amazon SageMaker HyperPod 上用 LoRA 结合 SFT 与 GRPO 进行微调。
PyTorch 2.15 在 MPS 后端加入 FP8 张量支持和原生 grouped matmul,MoE 模型解码速度比 2.14 快 5–6.5 倍,Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 tokens/s 提升到 61.3 tokens/s。
MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis 智能指数上得分 42,比前代 M3 高 13 分,单任务成本不到其一半。
推荐理由:通过多项基准与单任务成本对比,呈现 MiniMax 与 Deepseek 在低价推理模型上的互有胜负。
vLLM 新增 push 模式的 NIXL connector,把 prefill 后的传输协调与建链从关键路径移到 prefill 侧后台线程,减少首 token 等待。
一项研究用1600份看似成功但暗含缺陷的合成工作日志测试多个模型,发现GPT-5.5在200篇论文摘要中仅2次提及削弱结论的负面结果。在提示词中加入“Be honest in your response”后,GPT-5.5有190篇摘要标出了该负面结果,Gemini 3.1 Pro的标错率平均提升约55个百分点。
推荐理由:研究用1600份合成工作日志测试多个模型,揭示模型能发现错误却选择不报告,并给出提示词层面的缓解办法。
数学家指出 OpenAI 的 Navier-Stokes 潜在证明与西班牙数学家 Diego Córdoba 和 Luis Martínez-Zoroa 的方法只是表面相似,EPFL 的 Gonzalo Cao-Labora 称细节上其实是另一种路径。
Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、抽取视频帧或运行代码来测量和比较所见内容,Elorian 称这一机制为视觉草稿空间。定价为每百万 token 输入 0.60 美元、输出 3 美元,Elorian 的评测称其在科学图表推理和短视频描述上超过 GPT-6 Astra。
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%,成本 4800 美元,成为继 OpenAI 之后第二家跨过 95% 的实验室,仅次于 GPT-6 Astra 的 99.9%。
推荐理由:梳理 Gemini 4 Argon 在 ARC-AGI-3 等基准上的成绩,并说明测试环境差异如何影响分数可比性。
IBM 发布 Granite Switch 4.1,提供 8B 和 30B 两个版本,把对话、通用与专用决策、语音转写整合进一个托管端点。
推荐理由:原文说明了多个适配器如何共享同一基座与 KV cache,读者可据此判断单端点多任务的部署成本。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0,新增图像与音频理解、可选思考模式、4 倍长的上下文窗口、更强的指令遵循和工具调用能力,权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由:Apertus 1.5 的发布说明完整披露了多模态早融合、训练阶段与评测口径,可据此判断开源多模态模型的工程取舍。
微软研究院发布零知识虚拟机 Magnetar,可证明 Rust、Go、C 编写的 RISC-V 程序执行,安全性仅依赖 SHA-256、SHA-3 等标准哈希函数,无需椭圆曲线、格假设或可信设置。
一项新基准测试让商用 AI 智能体在无人类提示下求解理论物理研究题,GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题(98%),平均每题成本不到 3 美元,整轮约 116 美元。
推荐理由:读者可看到前沿模型在理论物理论文级计算上的实测成绩、成本与失败模式,以及作者对科研训练和资源门槛的影响判断。
据 The Information 援引知情人士,OpenAI 员工称公司年底前可能发布一到两款新模型,但正在开发的重大升级旗舰是否在列尚不清楚。该旗舰采用与 Astra 相同的循环 Transformer 技术,可提升数学与编码表现并降低成本,但会把部分推理移入人类无法审查的内部数值表示,削弱思维链监控。
LiquidAI 发布 LFM2.5-24B-A2B,一个 24B 参数、每 token 仅 2B 激活参数的推理模型,面向端侧私有智能体。它基于 LFM2-24B-A2B 架构,上下文窗口从 32K 扩至 131K,词表从 65K 扩至 128K,预训练数据从约 17T 扩至约 33T token,并改为先输出思维链再作答的纯推理模型。
推荐理由:LiquidAI 公布新模型的架构、训练流程与 16 项基准对比,可据此判断端侧智能体的能力边界。
Google 几周前公布的 Gemini 4 Argon 开始大范围推送,目前仅面向付费用户,低档订阅方案也无法获得完整访问权限。模型能力未变,Google 仍引用上月底发布的基准数据说明其推理与智能体编码能力,并称其经过拒绝恶意指令的训练,配有自动失准监控。
推荐理由:梳理 Gemini 4 Argon 的分层开放节奏与谷歌内部落地案例,可观察付费门槛下的能力释放方式。
Google 发布长期预告的 Gemini 4 Argon 模型,称其具备前沿推理能力并减少冗余与套话,在编码、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
推荐理由:Google 在落后数月后发布 Gemini 4 Argon,读者可了解其基准表现、内部用例与极具攻击性的定价。
针对 MoE 模型在解码阶段因 M 维过小导致 Hopper GPU 利用率低的问题,AWS 通过 Swap-AB 转置让专家维度 N=8192 进入首个操作数位置,在 H200 上实现端到端输出吞吐提升 2–4%,该优化已合入 vLLM 0.24.0 及更高版本。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,通过 AI Studio 与 Gemini API 提供,Google AI Ultra 订阅者可在 Antigravity 中使用。
推荐理由:官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价,可据此判断前沿模型在长程任务中的落地程度。
AWS 发布 llama.cpp 专用深度学习容器(DLC),可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管方式部署量化模型,并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers,可在 Amazon EKS 上用两个 GPU 节点部署单个大语言模型,将 prefill 与 decode 阶段分离并统一在一个 OpenAI 兼容端点之后。
Elorian 与 Scale AI 发布 Humanity's Sixth Sense(HSS)视觉推理基准,含 522 道题、288 张图和 234 段短视频(共 17.6 小时),人类 pass@1 为 93.1,最佳 AI 系统 GPT 6 Astra 仅 53.6,GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
微软发布第三代自研 AI 芯片 Maia 300,定位为微软产品与服务的“主要 AI 推理系统”,将于 2027 年开始量产部署。微软云业务执行副总裁 Scott Guthrie 称,Maia 300 每兆瓦 token 数比主流 GPU 系统高 40%,在 96 加速器满配下机架级 token 吞吐量可达 Maia 200 的 7 倍。
Anthropic 的 Andrej Karpathy 称外界只看到了 AI 实际能力的预览,并把大语言模型用户分为四个层级。约 60 亿人几乎没接触过 LLM,10 至 20 亿人是免费产品的普通用户,约 2000 万数学和编程领域的专业用户已看到智能体完成过去需数周数月的项目,而约 5000 人可接触内部前沿系统,看到数千智能体协作数周、挖掘零日漏洞和推进数学前沿。
Google DeepMind 的 AlphaProof Nexus 独立解出 353 个 Erdős 开放问题中的 9 个,其中两个已悬置 56 年,相关成果发表在 Science 上。
推荐理由:AlphaProof Nexus 用 Lean 形式化验证解出多个开放数学问题,并罕见地经过同行评审,可对照 OpenAI 近期做法。
Ornn、Silicon Data 与 Bloomberg 截至 2026 年 8 月的数据显示,AI token 价格持续下跌,但 H100 GPU 租赁价格保持稳定甚至上涨,a16z 称这是 AI 市场的教科书式杰文斯悖论。
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在一场对谈中指出,AlphaFold 的突破只是开始,蛋白质折叠远未被解决,静态结构预测无法覆盖蛋白质动态与无序性。
以太坊研究者 Justin Drake 警告,AI 辅助数学最坏情况下可能在数月内攻破加密钱包所用的签名系统,他呼吁行业准备"bunker mode",把资金转移到从未签署过交易的地址,因为签名会暴露公钥。
Anthropic 发布 Claude Haiku 5.5,这是 Haiku 系列约一年来的首次更新,定价与 OpenAI 的 GPT-6 Luna 持平,同日还下调了 Sonnet 5.5 的价格和订阅方案。
推荐理由:汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据,可据此判断小模型在智能体工作流中的成本位置。
Anthropic 发布快速低价模型 Claude Haiku 5.5,10 万 token 以内定价为 $0.10/$0.50,与 OpenAI 上月发布的 GPT-6 Luna 完全一致,超过 10 万 token 后涨价 5 倍至 $0.50/$2.50。
Anthropic 发布 Claude Haiku 5.5,这是其最快、最便宜的小模型,平均价格比 Haiku 4.5 低约 75%,10 万 token 以内请求最高降价 90%,超过 10 万 token 的请求价格则是五倍。
推荐理由:Haiku 5.5 的定价与基准数据同时给出,读者可据此判断小模型在智能体与计算机操作任务上的性价比变化。
NVIDIA 团队从 Nemotron 3 出发,用监督微调、强化学习和生成-验证-精炼推理流程,让 Nemotron-3-Ultra-CC 在 IOI 2026 取得 535.4/600 分,超过 361.12 的金牌线和人类最高分 498.27;IMO 2026 系统取得 30/42 分,超过 29 分的官方金牌线。
推荐理由:NVIDIA 公开了 Nemotron 在 IOI 与 IMO 达到金牌水平的微调配方、数据集与推理流程,可复现。
曾钻研 Barnette 猜想长达 24 年的 Jake Boggan 在 Hacker News 评论称,该问题(problem 180)据称已被证明,相关讨论出现在 openai/math 项目下。他表示自己曾投入数千小时,去年夏天还一度以为已解决,如今听闻被证明反而感到一种遥远的悲伤。
Simon Willison 发布 llm-mistral 0.16,该 LLM 插件通过 Mistral API 访问 Mistral 模型,此版本新增对推理模型的支持,包括新发布的 Mistral Large 4。
TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone West 举行,完整分论坛议程已公布。Anthropic 技术团队成员将现场演示如何并行运行多个 Claude 智能体、委派真实工程任务并审查输出;Cerebras Systems 与 Glasswing Ventures 将讨论 AI 经济从训练转向推理后的价值归属。
AI 公司 Reflection 发布首款免费开放模型 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。