Meta 发布开源多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重多模态模型 Muse Spark Open，约 816B 总参数、每 token 约 42B 激活参数，上下文窗口达 1M tokens，支持文本、图像、音频、视频输入与文本输出，面向 agentic coding 场景。
推荐理由：原文给出完整架构参数与多框架部署配方，读者可据此评估自托管该模型的资源门槛与可行路径。
#推理
Hugging Face Blog精选AI 评分7878 AWS Machine Learning BlogAI 评分5858 Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 提供，可部署到自己 AWS 账号的 SageMaker AI 端点。
The DecoderAI 评分7171 GPT-6-Astra 在 TheoPhysEval 基准中解出 50 道物理研究题中的 49 道
一项新基准 TheoPhysEval 测试商用 AI 智能体解决理论物理研究问题的能力，GPT-6-Astra 在 OpenAI Codex 环境中答对 50 题中的 49 道（98%），平均每题成本不到 $3，整套基准花费约 $116。
Microsoft Research精选AI 评分7070 Microsoft Research 发布 zkVM Magnetar，基于标准哈希函数实现通用零知识证明
Microsoft Research 发布零知识虚拟机 Magnetar，可证明 Rust、Go 或 C 编写并按 RISC-V 架构编译的程序执行，在笔记本上每秒证明 7.2 至 8.7 million 条处理器指令，在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍，证明验证约 12 毫秒。
推荐理由：原文梳理了零知识证明普及的三大障碍及 Magnetar 分别如何应对，便于读者判断其技术路线取舍。
Hugging Face Blog精选AI 评分6262 Apertus 1.5 发布：8B 与 70B 模型新增多模态理解与思考模式
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式、4 倍更长的上下文窗口（262,144 tokens）、改进的指令遵循与工具使用，模型权重已于 7 月 24 日以 Apache 2.0 许可发布至 Hugging Face。
推荐理由：原文详述了从文本模型扩展到多模态的训练配方与各阶段开源产物，便于复现其开放开发路径。
Simon WillisonAI 评分4242 用 Claude Opus 5.5 Max 生成 "Tree Appreciator" 游戏
Simon Willison 用 Claude iPhone app 的聊天模式让 Claude Opus 5.5 Max 生成了一款 three.js 游戏 "Tree Appreciator"，机制是欣赏两棵算法生成树之间的差异。Claude 运行 3 小时 7 分钟后返回了带音乐、动画和成就的找不同游戏。作者发现提示中写 "make sure it is fun" 效果出奇地好。
Latent SpaceAI 评分5050 Leash Bio：以计算速度实现 Lab-in-the-Loop — Ian Quigley 访谈
Leash Bio 发布 Minos，一个供 AI 智能体进行可验证科学推理的 AI playground，并同步公开 preprint、博客与开放数据集。其团队发现此前数年收集的 DNA Encoded Libraries（DEL）数据可提供数万次 "lab-in-the-loop" 模拟，正好满足智能体科学 RL 的需求。
The DecoderAI 评分5858 OpenAI 今年或发布一到两款新模型，旗舰仍需对齐工作
据 The Information 引述知情人士，OpenAI 员工称年底前可能发布一到两款新模型，但当前研发的重大升级旗舰未必在列，仍需完成对齐工作并加固测试基础设施。
The Verge · AIAI 评分6262 微软在 Nature 发表机器学习天气偏差校正工具 PBC 并开源
微软与 MIT、ECMWF 等机构合作的研究在 Nature 发表，提出名为 Probabilistic Bias Correction（PBC）的机器学习方法，用以校正现有天气模型的系统性偏差，把两到六周的中期预报精度提升，工具现已开源。
The DecoderAI 评分5555 Artemis Security 发布安全专用模型 Orion-1，在自建基准上超过 Claude Opus 5.5 与 GPT-6 Sol
美国初创公司 Artemis Security 发布安全专用模型 Orion-1，可自主调查并响应企业网络攻击，处理认证服务、云环境、企业终端、SaaS 与网络设备的日志，把分散信号关联到同一攻击者，给出置信度、结论并推荐或启动响应。
Simon WillisonAI 评分2626 用 Python 3.15 profiling.sampling 分析 web-edit：火焰图与源码热力图
Simon Willison 用 Python 3.15 内置的 `profiling.sampling` 对未修改的 web-edit 应用做采样分析，`preserve_endings` 占 15,296 个 CPU 栈的 64.8%，`SequenceMatcher.find_longest_match` 贡献 38.3% 的叶子样本。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 4 Argon 并公布其安全与防护方案
Google DeepMind 宣布 Gemini 4 Argon 开始广泛推出，并将面向网络防御者的 Fairwind Program 扩展到更多可信防御方。
推荐理由：原文系统梳理了新模型在滥用防护、错位监控和提示词注入抵抗三层的具体做法与量化结果，可作为了解前沿模型安全实践的参考。
Hugging Face Blog精选AI 评分6767 Liquid AI 开源 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 开源 LFM2.5-24B-A2B，一个 24B 参数、仅 2B 激活参数的推理模型，面向端侧快速私密的智能体场景，支持工具调用与多步任务。
推荐理由：给出了架构、训练流程与多组对比数据，读者可据此判断它在端侧智能体场景的取舍边界。
Ars Technica · AIAI 评分6868 Gemini 4 Argon 开始在 Gemini 应用和 Antigravity 推向付费用户
Gemini 4 Argon 今日开始在 Gemini 应用和 Antigravity 中广泛推出，但目前仅面向付费用户，低档套餐用户也无完整访问权限，模型能力本身没有变化。
AWS Machine Learning BlogAI 评分4545 Amazon SageMaker AI 上的 Mixture-of-Experts kernel 工程优化
Amazon SageMaker AI 团队介绍了针对 fused MoE 模型的 kernel 优化方案，其中 Swap-AB 技巧在 H200 上为大规模 MoE 模型带来 2–4% 的端到端输出吞吐提升，已上游至 vLLM 0.24.0 及之后版本。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock 上用 Grok 4.7 构建长程智能体并评测推理档位
AWS 博客介绍 Grok 4.7 已在 Amazon Bedrock 上线，并构建一个工具调用智能体，在三个需要搜索而非查表的任务上以四个 reasoning effort 档位各跑 6 次共 72 次，答对 67 次：xhigh 全对 18/18，low 答对 15/18 但输出 token 约为 xhigh 的八分之一。
推荐理由：原文给出可复现的评测设计与四档推理档位的 token 与正确率对照，读者可据此在自己任务上量测成本质量权衡。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 并全球开放
Google DeepMind 宣布 Gemini 4 Argon 即日起全球开放，开发者和企业可通过 AI Studio 与 Gemini 平台的 API 使用，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini app 和 Search 的 AI Mode 使用。
推荐理由：原文列出定价、上下文规格和多领域实测数据，读者可据此评估它对现有工作流的适配度。
Google DeepMind同事件AI 评分7878 Google DeepMind 发布 Gemini 4 Argon 机器人模型
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 Embodied Reasoning (ERQA) 基准上纯推理得分 87%，超过其他前沿模型。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon 并全球开放》
The DecoderAI 评分6262 Anthropic 称 Claude 推理 token 盗取量下降 90% 至 99%
Anthropic 称其新防御措施已将被提取的 Claude reasoning token（模型内部思维链步骤）数量削减 90% 至 99%，攻击者通过数十万个虚假账号实施大规模蒸馏。
Latent Space精选AI 评分8888 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型，第三方评测接近前沿水平
Meta Superintelligence Labs（MSL）发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，定位为面向个人与专业智能体工作的前沿模型，1M 上下文窗口，定价为 $4/M 输入、$20/M 输出。
推荐理由：原文汇总了第三方评测数据与从业者正反两方反馈，读者可据此判断该模型的真实定位与争议点。
The DecoderAI 评分5757 Sakana AI 与 UC Berkeley 提出 MASS：让单个模型自我求解、评审与优化，但共享盲区可能让错误被当作进步
Sakana AI 与 UC Berkeley 研究者提出名为 MASS（Multi-Agent Self-Supervision）的递归自我改进方法，让同一个大语言模型同时承担求解、评审和优化三种角色，无需更强的教师模型。
The DecoderAI 评分7474 Meta 发布 Muse Wonder 系列前沿模型，编码与推理大幅提升
Meta 发布 Muse Wonder 和 Muse Wonder Full 两个前沿模型，Artificial Analysis Intelligence Index v4.3 得分分别为 52 和 56，前代 Muse Spark 1.3 为 48。
TechCrunch · AI精选AI 评分7878 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布了 Muse Wonder 和 Muse Wonder Full 一对新模型，这是该公司首次尝试前沿模型。
推荐理由：原文交代了定价与独占渠道，读者可据此判断它在 Meta 产品线中的定位。
The DecoderAI 评分6262 微软研究：清空聊天上下文可让 AI 智能体找到更优解
微软研究发现长程 AI 智能体会因累积对话上下文陷入 idea basins 而停滞，提出 Fork-and-Flush 方法：分出 K 个并行分支并清空各自聊天上下文但保留工作区。
Microsoft ResearchAI 评分5757 Microsoft Research 发布 StudentSim 个性化学生模拟器研究
Microsoft Research 发布研究系统 StudentSim，用公开去标识学习记录训练个性化 AI 学生模拟器，用于在真人测试前评估和改进 AI 导师。
AWS Machine Learning BlogAI 评分4444 使用 Ray LLM Deep Learning Containers 运行多节点推理工作负载
AWS 推出多节点 Ray LLM Deep Learning Containers，可在 Amazon EKS 上将单个大语言模型部署到两个 GPU 节点，通过一个 OpenAI 兼容端点实现 prefill/decode 分离推理。
AWS Machine Learning BlogAI 评分4545 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 展示了如何在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型：标准路径通过 AWS DLC for llama.cpp 提供 OpenAI 兼容的 chat completions，SemIf 扩展则直接返回各选项概率而不生成答案 token。
Import AIAI 评分5858 Import AI 476：视觉推理基准、开源模型竞争与 RSI 判断
Import AI 476 本期涵盖多个主题：Elorian 与 Scale AI 发布 Humanity's Sixth Sense 视觉推理基准，人类 pass@1 达 93.1。
The Decoder精选AI 评分7878 Google DeepMind AlphaProof Nexus 收录 Science 论文，解决数十个开放数学问题
Google DeepMind 的 AlphaProof Nexus 在 Science 发表新研究，独立解决了数十个开放数学问题：在 353 个开放 Erdős 问题中解出 9 个（其中 2 个悬置 56 年），证明 OEIS 整数序列数据库中的 44 个猜想，解决代数几何的一个开放问题，并改进 min-max 优化的一个已知界。
推荐理由：原文对比了 OpenAI 直接在 GitHub 公开证明与 DeepMind 走同行评审的不同路径，便于理解 AI 数学证明的争议焦点。
The DecoderAI 评分6262 研究发现 AI 智能体团队成本高出数倍但质量提升有限
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与团队模式，团队成本高出 1.8x 至 5.1x，但四组对比中仅 GPT-6 Sol 在 medium 推理档下团队高出 7.3 分，maximum 推理档下团队无明显优势。
The DecoderAI 评分5656 Microsoft 发布 Decision-1 决策模型，基于 Qwen3.5-9B
Microsoft 发布决策模型 Decision-1，用于分类、评估和路由决策，并称其有潜力在复杂环境中引导和控制智能体。
Latent SpaceAI 评分5757 Standard Bots 分享工业机器人 AI 落地经验：聚焦定向数据与本地推理
Latent Space 采访了 Standard Bots 联合创始人兼 CEO Evan Beard 和 AI 负责人 Leif Jentoft，介绍这家 AI 原生工业机器人公司的技术栈。
The Decoder精选AI 评分8888 OpenAI 一次性发布700余份数学论文，数学家震惊与反感交织
OpenAI 于10月6日一次性发布超过700份手稿，声称解决了数百个悬赏数学问题，数学博客 Proofs and Prompts 随后收集了100多位研究者的回应。
推荐理由：汇集了十余位数学家的第一手反应，可看出AI解题对学术共同体的冲击与分歧。
Latent SpaceAI 评分6666 TypeSafe 宣布 Series AI 并被曝首周 ARR 破 1 亿美元，多家厂商同日推出 decision 模型
TypeSafe 宣布 Series AI，Sequoia 称其上线首周 ARR 跨过 100M，估值 7.5B。
TechCrunch · AIAI 评分6666 TypeSafe AI 的非文本模型 Jev 发布数周后以 75 亿美元估值融资 8.7 亿美元
TypeSafe AI（Jev 的开发方）完成 8.7 亿美元融资，估值 75 亿美元，由 Andreessen Horowitz 领投，Sequoia 与现有投资方 DCVC 参与。
The DecoderAI 评分7474 Anthropic 发布 Claude Haiku 5.5，价格较 Haiku 4.5 平均降约 75%
Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的小模型，平均价格较 Haiku 4.5 低约 75%，100,000 tokens 以内的请求降价最高达 90%，超过 100,000 tokens 的请求价格为 5 倍。
Hugging Face Blog精选AI 评分7474 Nemotron 在 IOI 2026 与 IMO 2026 均达金牌水平并开源模型与数据
Nemotron 从 Nemotron 3 出发经 SFT、RL 与反馈式推理特化，在 IOI 2026 取得 535.4/600（高于 361.12 金牌线与人类最高分 498.27），在 IMO 2026 取得 30/42（高于官方金牌线 29）。
推荐理由：原文给出可复用的四步特化配方和完整开源清单，读者可据此迁移方法到自己的领域。
The Decoder精选AI 评分7878 OpenAI 在 GitHub 发布 372 项 AI 生成数学成果
OpenAI 将一个内部前沿模型生成的 372 项数学成果发布在 GitHub 仓库中，每项成果号称解决一个开放问题或取得实质进展，包含算法改进和与 Riemann 假设相关的进展，附带修订日志与引用。
推荐理由：原文对比了单次提示产出与万级智能体协作的算力差异，帮助读者理解批量数学结果对同行评审流程的冲击。
Latent SpaceAI 评分7474 OpenAI 公开内部模型的 722 篇数学论文，称解决 90 个顶级开放问题
OpenAI 在公开 GitHub 仓库发布其内部前沿模型产出的 722 篇数学手稿，分为 372 组相关结果，据称解决了 500 个顶级开放数学问题中的约 90 个，模型本身未发布。
OpenAI NewsAI 评分5050 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布其内部前沿模型在数学开放问题上的新结果，并在 GitHub 上分享 Lean 证明形式化与研究细节。