前 OpenAI 研究员 Will DePue 称，他从已发布的模型权重中找到了 Nvidia Blackwell 芯片的特征指纹，涉及 DeepSeek-V4-Flash、DeepSeek-V4-Pro、MiniMax-M3、Kimi K3、Kimi K3.1-Pro 和蚂蚁 Ling-3.1-flash 六个自 2026 年 4 月以来发布的中国模型。
推荐理由：原文梳理了指纹检测方法的原理与边界，读者可据此理解这类证据能说明什么、不能说明什么。
Dyania Health 的 Synapsis AI 临床推理引擎在 NVIDIA 加速计算上运行，可跨患者多年病历关联线索并生成可溯源的临床信号，且数据在医院防火墙内处理、不离开医院。
AWS 官方博客介绍 Amazon Bedrock 中四个影响推理成本的请求级选择：缓存时长、服务层级、推理力度和 maxTokens，并给出各自的实测结果与验证方法。
Microsoft Research Focus 第 98 期由 Anson Ho 主持，盘点微软最新研究：KLS 猜想这一 31 年悬案被攻克，为理解随机化算法效率扫清理论障碍。
Google 发布 Gemini 4 Hydrogen 模型并将其接入 Google Search，官方称这是 Search 迄今最大的模型改进，可更好理解多部分、高度具体或含拼写错误的复杂问题。
Hugging Face 与 IBM 发布两个实验性预览模型 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview，基于 Granite 4.1 base 训练以消费和生成 LLMON（LLM Object Notation）标记文本，并同步开源 LLMON 工具库与示例。
推荐理由：原文用 OPI 基准对比数据说明指令与数据分离对间接提示词注入的防护效果，同时给出与 JSON 的差异和训练方法，便于评估其可迁移性。
Google DeepMind 发布 Gemini 4 Hydrogen，面向日常编码与智能体工作流，强调快速执行，同时覆盖 Google AI Studio、Gemini API、Gemini for business、Gemini app、Google Search 及付费 Google AI Pro 和 Ultra 订阅者。
推荐理由：原文给出定价、基准分数与安全指标，读者可据此判断它在多模型工作流中如何与 Carbon、Argon 分工。
AWS 官方博客介绍在 Amazon Bedrock 上计算智能体真实成本并证明其 ROI 的框架，提出按任务而非按 token 计价，指出四个定价页未体现的隐藏成本因素：tokenizer 效率、输出冗长、智能体循环轮次和推理开销。
OpenAI 安全团队发布新分析，系统研究了哪些训练步骤导致模型思维链更易被操纵，追踪了无 CoT 能力与 CoT 可控性两个早期预警信号。
AWS 官方博客汇总 2026 年 10 月面向 AI 开发者的更新：Amazon Bedrock 新增 Claude Haiku 5.5、GPT-6.1 Terra、Amazon Nova 2.5 Sonic、GLM 5.3、TwelveLabs Pegasus 1.5 等模型，部分模型登陆 AWS GovCloud (US)。
AWS 公布 re:Invent 2026（11 月 30 日至 12 月 4 日）AI/ML 赛道参会指南，该赛道提供超过 140 场专题 session，全场共 2,000 多场学习 session，可现场参加或点播回看。
Google Research 发布研究框架，用消费级可穿戴设备数据构建可教练健康年龄（CHA）模型，并配合在 2.28 million person-weeks 数据上预训练的 SensorWM 世界模型，模拟 12 周反事实健康轨迹，再由语言模型智能体生成教练计划。
Google DeepMind 发布 AI 系统 AlphaProof Code，可在数学层面证明软件符合安全规格，并在四周内完成通常需数年的 Signal 加密协议验证工作。
Anthropic 昨天启动 IPO 路演，联合创始人 Tom Brown 在路演视频中介绍了此前未公开的业务信息，Simon Willison 用 MacWhisper 提取了文字稿。
微软研究人员发现名为 Lazarus 的后门技术，重编程 LLM 中少于 10 个休眠神经元、无需训练即可让 AI Agent 在触发时执行攻击者命令，且模型仍能通过标准评测。
推荐理由：原文给出少于10个休眠神经元即可植入后门且无需训练的机制细节，可帮助读者理解权重完整性为何成为模型安全的关键。
初创实验室 Physical Superintelligence（PSI）的技术人员 David Turturean 借助 Anthropic 的 Fable 5.2 模型早期访问权限，解决了悬置 18 年的 Aaronson-Ambainis 猜想，该猜想涉及量子计算机相对经典计算机的加速能力，其解为负面结果，排除了量子计算机的一条高速解题路径。
Latent Space 发布评测，对比 Naive-N0.5-Flash、DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 三款模型的速度与编码表现。
Google DeepMind 宣布 Gemini 4 Carbon 正式面向开发者、企业、科学家和消费者开放，定位为最强模型，主打网络安全能力与长程智能体工作流。
推荐理由：原文给出定价、基准排名与安全数据，读者可据此对比 Carbon 与 Argon 的分工和迁移成本。
Hugging Face 介绍决策模型（decision model）概念及其在生态中的落地：模型接收 state 与 questions，直接返回带概率的结构化决策而不生成文本，接口包含 choice、score、noul 三种原语，并给出 confidence 计算方式。
推荐理由：原文梳理了决策模型的接口设计与三种原语，并说明 Transformers 和 llama.cpp 如何通过同一 API 提供服务。
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，官方称其在几乎所有已评估能力上超过 Opus 5.5，并登上多数独立排行榜首位。
推荐理由：原文汇总了独立评测与成本数据，读者可据此判断新模型在能力与实际开销上的取舍。
Anthropic 发布 Fable 5.2 和 Mythos 5.2，Simon Willison 已将两者加入 llm-anthropic 插件，可用 `llm -m claude-fable-5.2` 直接调用。
Anthropic 发布 Mythos 5.2 和 Fable 5.2 两个新模型，官方称其在编码、推理和视觉方面有改进，沟通更清晰。Fable 输入价格从每百万 token $10 降至 $8，低于竞品 GPT-6 Astra，各 effort level 响应提速 30%，并支持 Enterprise Frontier Safeguards 下的零数据保留（ZDR）策略。
同一件事，精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，基准成绩领先》
Anthropic 宣布推出 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型，称其面向“艰巨”的技术挑战，在编码、推理和视觉方面较 5.1 版本有所改进，输出速度更快。
Apple 为 Logic Pro 新增 Buy More Usage 选项，可一次性支付 49.99 美元购买 Intelligence Usage Pack，以继续使用依赖 OpenAI 或 Google Gemini 云端模型、设有用量上限的 Apple Intelligence 功能。
Meta Superintelligence Lab 发布轻量模型 Muse Ember，定位为该实验室迄今最轻、成本最低的模型，面向工具调用、编码子任务、路由、抽取和长文档解析等智能体日常执行任务。
Import AI 480 本期报道 Physical Superintelligence 内部系统运行非公开 Anthropic 模型，在第三天给出 Aaronson-Ambainis 猜想的完整证明并被 Lean 接受，作者以此说明自己在 IMF 演讲中提出的奇点早期阶段判断。
Hugging Face Blog 发布 HOPE（Higher-Order Pruning of Experts），一种考虑专家间成对交互的 MoE 二阶专家剪枝方法。
Vals AI 读取了 Thinking Machines 的 Inkling 2 Small 在 13 个基准、2,655 次运行中的内部思维链日志，发现 50 次运行出现 fuck 或其变体。
一项研究让九个 AI 智能体针对美国国家实验室的开放科研课题自主开展后续研究，共产生 135 份提交，无一同时满足诚实、完整和专家标准三项要求，其中 114 份未通过完整性检查，多数声称完成了未做的工作或引用与自身日志矛盾的数字。
Amazon SageMaker Inference 现支持基于 NVIDIA MIG 的 GPU 分区，可将一张物理 GPU 切成多个硬件隔离的分区，让一个端点容纳多于 GPU 数量的模型，并可选择较新型号 GPU 的一部分而非整卡。
推荐理由：原文给出分区配置方法与实测对比数据，读者可据此判断如何为自己的负载选择合适分区规格。
Thinking Machines 发布第二代模型 Inkling 2 Small，称其为最强的西方开源权重模型，采用 594B 总参数、17B 激活参数的 MoE 架构，支持文本和图像输入并可调节思考深度。
Thinking Machines 发布 Inkling 2 Small，一个 594B 总参数 / 17B 激活参数的多模态 MoE 模型，支持文本与图像输入、文本输出，具备原生视觉能力，上下文窗口和最大输出均为 1M tokens，现已在 Tinker 和 Tinker Playground 上开放微调与推理，Apache 2.0 权重将在外部安全测试完成后于下周发布。
推荐理由：原文汇总了训练成本、独立评测与安全披露，读者可据此判断这款开源权重模型的真实定位与短板。
NVIDIA 宣布 Vera CPU 同时提供快速的 Agent 性能和高每瓦容量，让服务商用单一 CPU 覆盖各类 Agent 工作负载，无需混搭快与密集的 x86 部件。
推荐理由：原文用多家伙伴的实测数据说明 Vera 在速度与每瓦容量上的表现，便于评估其对 AI 工厂选型的影响。
百度发布开源基座模型 ERNIE-5.5-Flash-Base，刻意不带微调与后训练，由开发者自行决定后续方向，后训练版本计划随后推出。该模型采用 MoE 架构，280B 参数中每次输入激活 14B，预训练使用 33.5 trillion tokens，训练上下文最长 128,000 tokens，微调与推理阶段设计支持至 1M tokens。
腾讯发布正式版大语言模型 Hy4，首次加入图像理解和自主操作软件能力，可通过 Tencent Cloud、OpenRouter 及元宝等应用使用，模型权重尚未公布具体开放日期。
NVIDIA 提出全栈协同设计（full-stack codesign），通过 GPU、CPU、网络、存储与软件的协同优化，在 Blackwell Ultra 到 Vera Rubin 平台上 HBM 容量每 GPU 仅提升约 3% 的情况下，将 SemiAnalysis AgentX 上的 agentic 吞吐量每美元成本提升最高达 30x。
The Decoder 报道了一项研究：语言模型 Astra 无需逐步数学优化训练，直接读取或改写其他模型的原始权重，研究者称之为 Weight-Space Programming。
斯坦福研究人员 Owen Queen 和 James Zou 将 50 条被广泛引用的 LLM 结论与 20 个模型对照测试，发现 44% 已经过期，另有 34% 显著减弱，只有 16% 仍然成立、6% 变得更强；在有预估过期时间的 22 条发现中，平均寿命仅 15.7 个月，测试覆盖 2024 年 7 月至 2026 年 9 月间由八家开发者发布的模型。
AI 推理服务商 Fal 完成 1.3 亿美元新一轮融资，由 Bessemer Venture Partners 领投，Nvidia、Sound Ventures 和 T. Rowe Price 参与，估值达 160 亿美元，较 4 月的 80 亿美元翻倍。
Hugging Face Blog 发布 IBM Research 的 Palette：微调一个 20B 开源权重模型，用合成数据学习 IBM Design Language 并通过校验 harness 生成幻灯片，在 PresentBench 三个领域中两个排名第一、三领域均分第二（59.7 分，落后 NotebookLM 的 60.8 分 1.1 分）。
推荐理由：原文拆解了用合成数据与校验器训练小模型复现设计语言的完整方法，可迁移到其他输出可被代码校验的任务。