Google DeepMind 发布 Gemini 4 Neon,速度约为 Carbon 两倍且价格更低
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 的文本、图像、音频和视频上下文窗口。
推荐理由:文章用第三方与官方基准数据对比 Neon 与 Carbon 的速度、价格和编码智能体表现,可据此判断性价比取舍。
Google DeepMind 发布 Gemini 4 Neon,这是七周内的第四款模型,支持 100 万 token 的文本、图像、音频和视频上下文窗口。
推荐理由:文章用第三方与官方基准数据对比 Neon 与 Carbon 的速度、价格和编码智能体表现,可据此判断性价比取舍。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
推荐理由:官方给出 Gemini 4 Neon 在多项基准上的排名、定价与思考档位,读者可据此判断它在 Gemini 4 家族中的定位与成本取舍。
Amazon SageMaker HyperPod Inference 新增对 NVIDIA Dynamo 的支持,把 Dynamo 的分布式推理能力与 HyperPod 的基础设施管理结合,支持多节点部署、prefill 与 decode 分离以及 KV-aware 路由。
Amazon SageMaker AI 为实时端点推出 KV cache 感知路由(KV-aware routing),依据模型容器上报的缓存状态,把请求发给持有最长缓存匹配且不过载的实例。
OpenAI 的 GPT-6 Astra 帮助物理学家 Nathaniel Craig 完成了一项证明,该证明可能解决粒子物理中一个持续 50 年的难题。
推荐理由:材料梳理了 GPT-6 Astra 参与格点规范理论证明的经过,并把它放进 2026 年 AI 数学进展的时间线中对照。
NVIDIA Vera Rubin 平台首次提交 MLPerf 结果,在 MLPerf Training v6.1 的全部基准上均有成绩,Vera Rubin NVL72 每 GPU 性能最高达 GB300 NVL72 的 2 倍。
推荐理由:原文给出 Vera Rubin 在 MLPerf Training 与 Endpoints 的具体成绩和规模数据,读者可据此判断新一代平台在训练与智能体推理上的代际提升幅度。
Anthropic 表示,Claude Opus 5.5 已成为 Pro、Max、Ultra 和 Team 套餐的默认模型,但用户沿用旧世代的提示词习惯会拖慢它。
Google Research 公布 Antigravity /teamwork 多智能体系统在数学、化学、系统软件和 ML 工程上的近期成果,并称这些工具已对外部研究者开放。
推荐理由:Google 公开了 /teamwork 多智能体系统在数学证明、化学结构解析和内核优化上的具体结果与外部开放方式。
Google 发布 Gemini 4 Hydrogen 模型,称这是搜索迄今最大的一次模型改进,可更好理解多部分问题、高度具体的请求和难辨的拼写错误。
推荐理由:读者可了解 Google 为何用更快的 Hydrogen 而非最强模型来支撑搜索,以及它在速度与基准上的取舍。
Google 发布 Gemini 4 Hydrogen,并已在自家产品中全面替换 Gemini 3.8 Flash,访问限制比此前 Argon、Carbon 更宽松。
推荐理由:读者可以了解 Gemini 4 Hydrogen 替换 3.8 Flash 后的速度、幻觉与代码生成变化,以及它与 Argon 的定位差异。
OpenAI 安全团队系统分析了从 GPT-5 到 GPT-6 Astra 的训练过程,把模型推理日志可监控性下降归因于四个因素:基座模型预训练能力提升、特定架构设计、RL 训练增强对思维链的操控,以及教师模型向学生模型的能力迁移。
推荐理由:OpenAI 安全团队拆解了预训练、架构、RL 与蒸馏四个环节如何让前沿模型把推理藏进内部,读者可据此理解可监控性下降的来源。
Latent Space 作者实测了 NaiveAI 的开源权重模型 Naive-N0.5-Flash,它基于小米 MiMo-V2.5 继续训练并适配 DeepSeek Sparse Attention,主打高吞吐。
Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断该模型适合哪类任务。
Meta AI 发布 Muse Ember,定位为面向复杂推理执行和智能体日常重复工作(工具调用、编码子任务、路由、抽取、长文档解析)的最小最高效模型。短提示词下定价与 GPT-6 Luna、Claude Haiku 5.5 相同,为每百万输入 token 0.10 美元、输出 0.50 美元;超过 200k 输入 token 后涨至 0.30/1.50 美元。
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,两者共用同一模型底座,区别在于 Fable 对网络安全和生物学高风险任务设限并向所有用户开放,Mythos 解除部分限制、仅向通过 Anthropic 网络安全或生命科学验证计划的组织开放。
推荐理由:材料列出两款新模型在 Artificial Analysis 与 Anthropic 自测基准上的具体分数和成本,可据此判断其能力位置与使用代价。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型,称其在编码、推理和视觉方面有所提升,生成速度也快于 5.1 版本。
推荐理由:读者可了解 Anthropic 两款新模型在编码、推理与视觉上的能力宣称,以及 Mythos 5.2 仅向受审核机构开放的发布差异。
Anthropic 发布 Mythos 5.2 和 Fable 5.2,称其在编码、推理和视觉方面有所提升,Fable 输入价格从每百万 token 10 美元降至 8 美元,响应速度提升 30%。
推荐理由:读者可了解 Mythos 5.2 与 Fable 5.2 的能力、定价变化,以及 METR 报告后 Anthropic 对 RSI 与模型隐蔽行为的回应。
图灵奖得主 Richard Sutton 发帖称,单纯算力不足以实现智能,AI 科学需要更聪明的新方法,且"远未完成"。他此前曾批评 LLM 扩展的局限,称合成数据是"大错误",主张智能体通过世界模型持续学习。OpenAI CEO Sam Altman 与 Anthropic CEO Dario Amodei 则反驳称 LLM 扩展远未耗尽。
Vals AI 研究人员读取 Thinking Machines 的 Inkling 2 Small 在 13 个基准、2655 次运行中的思考日志,发现 50 次运行出现 "fuck" 及其变体,共 316 次,其中 241 次来自两次失控运行。
Amazon SageMaker Inference 新增 GPU 分区能力,基于 NVIDIA MIG 把单块 GPU 拆成最多 7 个硬件隔离分区,每个分区可独立部署不同模型。
Thinking Machines 发布第二代模型 Inkling 2 Small,采用 MoE 架构,总参数 594B、激活参数 17B,支持文本与图像输入并可调节思考深度。
Thinking Machines 发布 Inkling 2 Small,这是一个 594B 总参数、17B 激活参数的多模态 MoE 模型,已在 Tinker 上线,Apache 2.0 权重承诺下周外部安全测试完成后开放。
推荐理由:读者可了解 Inkling 2 Small 的 68 小时预训练、NVFP4 全流程与多项独立评测表现,以及权重尚未开放这一前提。
NVIDIA 通过全栈协同设计缓解 AI 工厂的 GPU 内存压力:从 Blackwell Ultra 到 Vera Rubin 平台,单 GPU 的 HBM 容量仅提升约 3%,但 SemiAnalysis AgentX 上的智能体吞吐每美元最高提升 30 倍。
斯坦福研究者 Owen Queen 和 James Zou 用 8 家开发者在 2024 年 7 月至 2026 年 9 月间发布的 20 个模型,复测 50 条被广泛引用的 LLM 结论,发现 44% 已失效,另有 34% 明显减弱,仅 16% 仍成立、6% 反而增强。
Simon Willison 用论文《Sparks of Weight-Space Programming》公开的提示词在本机测试 Qwen 3.8 27B,模型仅凭浮点权重数值就猜出了 Pac-Man、Pong 和 Breakout 三个游戏,分别耗时 46m 12s、1h 4m 54s 和 52m 25s,置信度依次为 72%、75% 和 88%。
Takehi 等人提出 Weight-Space Programming,让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量,不依赖梯度下降或训练循环。
多机构联合构建的 Realtime-Bench 用 50 个交互式游戏与网页任务评测模型实时决策能力,GPT-6 Astra 在 wall clock 设置下通过率最高仅 36%,而暂停时钟下高推理模型可达 70%-80%。该基准从时间状态感知、自适应思考与时间感知行动三方面考察模型,结果显示前沿模型在低延迟任务上仍明显不足。
Drew Breunig 受 qwenputer 启发,把可运行的 NES 6502 CPU 模拟器烘焙进 Qwen3.5-4B 的权重,现在可以在 Qwen 里运行 Super Mario Bros 等 NES ROM,但速度非常慢。
NVIDIA Nemotron 3.5 Super VL 已上线 AWS,这是一个 120B 参数的 MoE 多模态模型,每 token 激活 12B 参数,支持最长 1M tokens 上下文和文本、图像、文档、视频输入。
Elorian 本月发布首个视觉推理模型 Glimpse,并联合 Mercor 推出 DecoyCount 基准,测试模型是真正数清物体还是依赖视觉捷径。
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon,该模型在 Artificial Analysis Intelligence Index v5.0 上得分 59,高于 Argon 的 50,位列第一。
推荐理由:材料汇总了第三方评测与价格数据,可对比 Gemini 4 Carbon 与 Argon、Claude Opus 5.5 在智能体编码和成本上的差距。
OpenAI 发布三项数学难题的解答,其中一项声称推翻了计算机科学中长期存在的指数时间假设(ETH),Anthropic 随后也发布了自己的 ETH 反驳结果。
推荐理由:围绕 OpenAI 与 Anthropic 声称推翻 ETH 的争议,呈现计算机科学界对 AI 数学成果的回应与后续验证安排。
前 DeepMind 研究员 Thore Graepel 创立 Metis Reasoning,提出借鉴 AlphaGo 的搜索与验证机制,用显式知识账本记录已知内容、置信度和待解问题,并由独立模块核验每条结论,以减少模型幻觉。该方案目前仅为研究计划,尚无可用系统、benchmark 或与现有推理模型的对比。团队称推理拆成小步后,也更适合在边缘设备和机器人上运行小模型。
OpenAI 请外部专家担任“shepherd”,核查其 AI 在数学、计算机科学和物理三个领域产出的证明,并按各领域情况分别处理。计算机科学结果声称证伪了长期被广泛接受的 ETH,数学结果声称把 1991 年提出的局部平滑猜想推广到所有维度,物理结果声称证明了四维量子场论的存在性,但只覆盖 Yang-Mills 的存在性部分,不涉及质量间隙。
推荐理由:OpenAI 让外部专家分领域核查 AI 产出的证明,读者可借此了解三项结果各自的验证方式与争议。
OpenAI 发布 GPT-6.1 Terra,官方称其结合了细致的视觉推理与精确的电脑操作,写作也更清晰自然,定位介于 GPT-6.1 Sol 与 GPT-6 Luna 之间。
OpenAI 公布模型在 Kakeya 猜想、Exponential Time Hypothesis 和量子色动力学三个问题上的结果,并说明研究者可以如何验证这些结果并在此基础上继续推进。材料仅提供摘要,未给出具体结论或数据。
OpenAI 发布 GPT-6.1 Terra,API 输入每百万 token 1 美元、输出 5 美元,均为 GPT-5.6 Terra 的一半,缓存输入降至每百万 token 0.05 美元。
推荐理由:原文列出 GPT-6.1 Terra 与 GPT-5.6 Terra、Claude Sonnet 5.5 的 API 价格和多项基准对比,可据此判断中端模型的性价比变化。
Kimi K3.1 Pro 今日上线 Kimi API,尚未开放权重,月之暗面承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens,与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半,另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。
推荐理由:作者用统一提示词实测三个推理档位,并给出与前沿闭源模型的价格和榜单对比。
作者 Ankit Maloo 分析 OpenAI、Anthropic 近期在数学开放问题上的进展,提出用最短提示序列长度 k 与分支因子 b 判断问题对 LLM 是否可解。他认为模型以深度优先方式把每条可行路径走完,配合自动验证器剪枝,把人类需要数月判断的尝试压缩到几分钟,因此擅长概念跳跃已完成、剩余工作繁重的证明。人类优势仍在搜索树深且分支多、需要直觉剪枝的问题上。
推荐理由:文章用提示序列与分支因子两个变量解释模型为何在数学证明上占优,并指出人类直觉仍占优的问题类型。
EXL 提出企业 AI 的竞争优势正从选模型转向围绕模型构建的服务框架(serving harness),即架构、内存管理、调度与推理优化的工程系统。其主张先按业务负载确定约束再定架构,并以 KV cache 随并发与上下文增长导致 GPU 显存不足为例,强调先测量再优化。框架还应便于吸收新模型与硬件变化,使换模型成为评估与配置决策而非架构重建。