Mistral 发布 Mistral Large 4 预览版：1 万亿参数模型
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，已通过 API 提供，开放权重版本承诺本月月底发布。
#推理
Simon WillisonAI 评分6464
The DecoderAI 评分6969 Reflection 发布开源模型 Beam，主打低算力下的编码与推理能力
AI 公司 Reflection 宣布推出 Beam，这是其首个自由可用的模型，采用 501B 总参数、每 token 激活 23B 的 MoE 架构，面向编码、逻辑推理和智能体任务。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，以更低成本对标中国模型
Reflection AI 发布首个前沿开源权重模型 Beam，称其在高级推理基准上比肩 Z.ai 的 GLM-5.2，且推理算力少 3-4 倍。Beam 是 501B 总参数、23B 激活参数的 MoE 文本模型，预训练使用 23.8 万亿 token，上下文窗口 100 万 token，本月将开放权重和技术细节。
Simon WillisonAI 评分4747 Qwen3.8 27B 加法实验：用英文单词输出结果的基准测试
一项基准测试了本地 `Qwen3.8-27B-Q4_K_M.gguf` 模型将正整数相加并仅用英文单词表达精确结果的能力，在 5,070 个关闭推理的用例中数值准确率为 23.57%，一至三位数为 97.04%、十至十三位数降至 6.44%，格式合规率 96.17%。
The DecoderAI 评分5757 Google 研究者提出 RRSI 防止自优化智能体记忆测试任务
Google 研究者发表论文提出 RRSI（正则化智能体 harness 递归自我改进），在保持 harness 可编辑的同时，用随时间收缩的编辑预算和严格 critic 限制自优化，防止智能体记忆测试任务。
The DecoderAI 评分5757 LEGO-Bench 评测显示 AI 智能体可生成可用 3D 场景但几何自评接近随机水平
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片写出可执行的 Blender 程序来重建 3D 场景，并发布 LEGO-Bench 基准，包含 208 张来自 104 个室内外场景的图像和 443 个注册资产，从有效性、几何精度和视觉相似度三个维度打分。
The DecoderAI 评分6161 Cloudflare 发布决策模型 Clef 与 Clef-flash，主打低延迟智能体决策
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，主打速度，对标 TypeSafe AI 的 Jev。
OpenAI NewsAI 评分4444 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，讲解初创公司如何在 GPT-6 家族中选择合适模型、调节 reasoning effort、优化提示词与 skills、协调工具调用，并为生产环境准备工作流。
NVIDIA Blog精选AI 评分6262 NVIDIA DGX Spark 推出 64GB 版本，10 月 23 日开售
NVIDIA 宣布 DGX Spark 将于本月推出 64GB 统一内存版本，10 月 23 日起在 Acer、ASUS、Dell、Gigabyte、HP、MSI 开售，起价 $4,999，预装 DGX OS 与 NVIDIA AI 软件栈，支持在设备本地运行最高 100-billion-parameter 模型。
推荐理由：原文给出配置、价格与组网扩展路径，读者可据此评估本地跑智能体的可行方案。
MIT Technology Review · AIAI 评分4747 LLM 并不会推理——别被误导了
MIT Technology Review 撰文指出，当前 LLM 的 chain of thought 并非真正的推理，只是 next-token 预测的延长迭代，缺乏可检查的认知状态、知识与操作的分离，且常事后编造推理过程。
Latent SpaceAI 评分4545 Academia is for Ambition — Alex Zhang, MIT
Latent Space 播客专访 MIT 博士生 Alex Zhang，围绕其 RLM（Recursive Language Models）、GPU Mode 与 KernelBench 等工作展开。
NVIDIA Blog精选AI 评分6262 GPT-6 Astra Ultrafast 上线 OpenAI API，基于 NVIDIA Blackwell GPU 提供最高 8x token 生成加速
GPT-6 Astra Ultrafast 现已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行于 NVIDIA Blackwell GPU，token 生成速度比 Astra Standard 模式最高快 8x。
推荐理由：原文说明了加速来源与开发者可感知的收益，便于判断它对编码智能体工作流的实际影响。
Ars Technica · AIAI 评分6666 Ataraxos 以 15 胜 1 负击败最强 Stratego 玩家 Pim Niemeijer
来自 Carnegie Mellon、MIT、New York University 和 Stanford University 的研究团队开发的 AI Ataraxos，在 Stratego 中以 15 胜 1 负、4 平的成绩击败了公认最强 Stratego 玩家 Pim Niemeijer，训练仅用了 16 GPUs 和几千美元。
The DecoderAI 评分7474 Ataraxia 战胜 Stratego 世界最强人类选手，算力成本仅为 DeepNash 的 1/500
论文中的 AI 系统 Ataraxos 击败了 Stratego 史上荣誉最多的选手 Niemeijer，有效胜率 85%，并在 2025 Stratego 世界锦标赛表演赛中 40 场赢下 38 场。
The DecoderAI 评分7474 OpenAI 称已封堵窃取模型推理的攻击，但该手法在 Azure 上仍可用
OpenAI 称在 7 月 28 日前关停了超过 15,000 个可疑账号，这些账号在 7 月 24、25 日两天内发起 16,000 次请求，试图通过把加密推理在会话间转移、让同系列更便宜的模型充当解密出口来窃取模型的隐藏推理，OpenAI 将核心团伙与 Moonshot AI 相关人员联系起来。
Latent SpaceAI 评分7474 Gemini 4 Argon 发布：Google DeepMind 回归前沿，1M 输出与多项评测结果
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，称在 19 项可信评测中 13 项居首，DeepSWE 得 77.9%（Opus 5.5 为 74.2%、Astra 为 74.1%），并经 Fairwind Program 先向政府用户和可信网络防御者开放。
The Decoder精选AI 评分8888 Google 发布 Gemini 4 Argon，在多项基准上追平 OpenAI 与 Anthropic
Google 发布新前沿模型 Gemini 4 Argon，这是继 Gemini 3.1 Pro 之后七个多月来的首个前沿模型，在部分基准上追平或超过 OpenAI 与 Anthropic 的竞品。
推荐理由：文章汇总了独立评测与价格数据，读者可据此判断它与竞品的真实差距和成本结构。
Ars Technica · AIAI 评分6363 Google 发布 Gemini 4 Argon 模型但暂未开放使用
Google 发布 Gemini 4 Argon，宣称在编码、知识工作和网络安全方面具备行业领先性能，但目前尚未向公众开放，公司内部工程师已在广泛使用。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络安全防御者开放，随后面向开发者、企业和消费者推出。
推荐理由：原文披露了输出上限、定价与分阶段开放策略，读者可据此判断其面向开发者的可用时间与成本。
Microsoft ResearchAI 评分4747 Microsoft Research 用机器学习预测电网空间天气风险
Microsoft Research 实习期间开发的机器学习管线可对美国本土 66,935 座变电站生成空间天气风险估计，提前 30-60 分钟预警，评估期内检出近 80% 的重大空间天气事件。
NVIDIA BlogAI 评分5959 CoreWeave 上线 NVIDIA Vera Rubin NVL72 并推出 CoreWeave Forge
CoreWeave 宣布在 CoreWeave Cloud 上线 NVIDIA Vera Rubin NVL72 系统（配 Spectrum-X 102.4T Ethernet），Cognition 成为首个在其上运行生产负载的客户，早期测试中 SWE-2 推理工作负载的总 token 吞吐较 GB200 NVL72 最高提升 4.8x。
AWS Machine Learning Blog精选AI 评分6666 GPT-6.1 Sol 在 Amazon Bedrock 正式可用
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，面向智能体编码、计算机使用和专业工作负载提供更强推理能力。据 OpenAI，它在 DeepSWE v1.1 上以约五分之一的任务成本匹配 GPT-6 Astra，且比 GPT-6 Sol 最佳成绩高 6.4 个百分点、推理投入更低。
推荐理由：原文给出了成本与能力的对比数据，读者可据此评估它在智能体工作流中的性价比取舍。
Google ResearchAI 评分4747 Diffusion Controller 如何统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用轻量"转向阻尼器"网络统一推理时引导与微调两类控制方法。
TechCrunch · AI精选AI 评分7676 OpenAI 发布 GPT-6.1 Sol，称性能接近 GPT-6 Astra 且价格更低
OpenAI 在 DevDay 活动上发布 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 的水平，但标准输入输出 token 价格仅为五分之一。
推荐理由：原文对比了新模型与旗舰模型的性能差距和价格差异，读者可据此判断其性价比定位。
Hugging Face Blog精选AI 评分7474 NVIDIA 开源表格基础模型 Kumo Tabular，在四个榜单排名第一
NVIDIA 发布开源表格基础模型 Kumo Tabular，属于 NVIDIA Kumo Structured 模型系列，已上线 Hugging Face。给定带标签的表格，它在单次前向传播中直接预测新行标签，支持分类与回归，无需训练、调优或特征工程。
推荐理由：原文交代了模型架构与人工数据预训练流程，读者可据此理解表格基础模型如何在免调优下兼顾精度与效率。
Import AIAI 评分4242 Import AI 474：Michael Levin 提出"柏拉图心智空间"；TPU 上太空；智谱启动外层 RSI 循环
智谱启动"外层 RSI 循环"，探索递归自我改进路径。Michael Levin 发表论文提出"柏拉图心智空间"假说，认为心智是非物理模式，身体与机器只是其进入物理世界的接口，并用 xenobots、anthrobots 及排序算法扰动实验作为佐证。本期还讨论了 TPU 上太空，以及机器人领域正为 LLM 时刻做准备但缺少通用算法。
Latent SpaceAI 评分6060 Runway 谈 WorldPrompt 与实时世界模型的工程实现
Runway 本月早些时候发布 GWM Worlds 2 研究预览，把高保真视频与音频生成变成实时交互式模拟，并提出 WorldPrompt 输入格式，可固定环境部分要素（含首帧）并生成带时间戳的事件。
Hugging Face BlogAI 评分3434 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速推理
Liquid AI 发布实验性草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。该草稿模型仅增加 280M 参数（约 8.9%），并首日支持 llama.cpp、MLX-VLM 和 SGLang。
Latent Space精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出降价 50% 的 GPT-6 Sol 与 Luna
Anthropic 发布 Claude Opus 5.5，称其多数任务达到 Claude Fable 5.1 水平、运行成本比 Opus 5 低 40%，并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由：原文汇总了同日两家的定价与评测数据，读者可据此比较降价幅度与实际成本差异。
Simon Willison精选AI 评分7676 Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 发布并引发价格战
Anthropic 发布 Claude Opus 5.5，OpenAI 约一小时后发布 GPT-6 Sol 和 GPT-6 Luna，作者实测并整理了当前价格表。
推荐理由：作者给出了完整价格表和同一测试下的实测表现，便于读者判断这轮降价对自身选型的影响。
Latent SpaceAI 评分5757 Latent Space 访谈 John Platt：AI for Science、Google ERA 与科研方法论
Latent Space 发布对 John Platt 的访谈，介绍他与 Google 团队推出的 Empirical Research Assistance（ERA）。
OpenAI NewsAI 评分4444 GPT-6 更好的 prompt caching
GPT-6 提升了 prompt caching 能力，带来更高的缓存命中率、新增诊断工具、显式断点（explicit breakpoints）以及可降低延迟和成本的控制项。
Latent Space精选AI 评分7676 小米发布开源模型 MiMo-V2.6 系列，Pro 版登顶开放权重模型
小米发布 MiMo-V2.6 系列，包含原生全模态的 MiMo-V2.6-Pro、MiMo-V2.6-Flash 以及最高 20x 输出提速的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：原文汇总了该模型的 RL 训练细节与开源范围，读者可据此判断开源 RL 环境的价值。
Simon WillisonAI 评分5959 TypeSafe AI 发布 System One 决策模型 Jev，输出浮点数而非文本
TypeSafe AI 上周发布 Jev，一种被称为 System One models（Simon Willison 认为叫 decision models 更合适）的新形态模型：接受文本输入，但输出对应类别、是非问题、评分的浮点数与置信度。
Latent SpaceAI 评分6262 TypeSafe CEO Diogo Almeida 谈 Jev：面向生产的 System One 模型与 RLCD 路线
Latent Space 播客访谈 TypeSafe AI CEO、InstructGPT 论文合著者 Diogo Almeida，围绕其新发布的 Jev 模型展开。
Latent SpaceAI 评分6262 Jev 发布两天内出现 6 个复现版本，技术路线各不相同
Latent Space 盘点了 Jev 发布两天内出现的 6 个复现版本，包括 Laya（421M 参数、ModernBERT-large 编码器加两层 Transformer。
NVIDIA Blog精选AI 评分6363 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中取得领先性能
NVIDIA 宣布 Vera Rubin NVL72 在 MLPerf Inference v6.1 首次提交中亮相，在 Qwen3-VL 上吞吐量较 GB300 NVL72 最高提升 3.7 倍，在 DeepSeek-R1 上最高提升 2.5 倍。
推荐理由：原文给出与上代系统的吞吐对比和扩展效率数据，读者可据此评估其推理经济性影响。
Latent SpaceAI 评分6262 TypeSafe 发布决策模型 Jev，主打比小前沿 LLM 更快更便宜
TypeSafe 发布非自回归的决策导向模型 Jev，宣称比小前沿 LLM 快 20–200 倍、便宜 40–400 倍，输出 token 免费，用 RLCD 训练，面向决策而非文本生成。社区讨论认为它适合在生产系统中替代 LLM 做结构化分类、评判和路由策略，但也有观点指出它不是通用语言模型，无法生成自由文本且需预定义输出格式，更像廉价、可校准的结构化选择推理引擎。
NVIDIA BlogAI 评分5656 Salesforce 发布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 构建
Salesforce 在 Dreamforce 上发布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 在近三十年企业 CRM 部署数据构成的专有合成数据集上后训练而成，采用监督微调与强化学习，使用 NVIDIA NeMo RL、NeMo Gym 和 NeMo AutoModel。
Latent SpaceAI 评分5757 Good Start Labs 谈游戏训练技能能否迁移到真实工作
Good Start Labs 创始人 Alex Duffy 在 Latent Space 访谈中讨论游戏训练技能能否迁移到真实工作。公司在 1830 铁路游戏中训练 30B 模型并测试金融研究任务，发现只有多轮终端智能体设计提升了 Finance-Agent 基准表现。Duffy 称现有证据支持目标导向执行与推理可迁移，但迁移的广度与可靠性仍是开放问题；公司主要向前沿实验室销售数据与学习环境。