Artificial Analysis 评测蚂蚁集团金融模型 Ling-3.0-flash-Fin
蚂蚁集团发布基于 Ling-3.0-flash 的金融开源权重模型 Ling-3.0-flash-Fin，在 Artificial Analysis Intelligence Index 得 23 分，Finance & Accounting Index 得 24 分。
#推理
#推理
今日 0 条Artificial Analysis 完整文章（网页）AI 评分5858 vLLM 官方博客（RSS）AI 评分5555 vLLM 如何用 GB300 NVL72 为 Kimi K3 训练最快的 DSpark 投机解码模型
vLLM 团队扩展 Speculators 训练库，为 2.8T 参数的 Kimi K3 训练出 DSpark 投机解码 draft 模型，将数学推理单流交互速度从约 110 提升至约 435 tok/s/user，并发负载下输出吞吐最高提升约 3.5 倍。
Google Research：Blog（网页）AI 评分4444 Google 用 Retrieve-for-Train 框架突破推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，用离线强化学习将奖励对齐的查询扇出编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归生成完整结果集，无需测试时 CoT 推理 token。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，旨在解决零样本 LLM 的复述坍缩与自回归延迟瓶颈，论文已被 ICML 2026 收录。
NVIDIA Technical Blog：Agentic AI / Generative AIAI 评分5353 NVIDIA 技术博客解析 Dense 与 MoE 模型的参数激活、吞吐差异及选型方法
NVIDIA 技术博客讲解 dense 与 MoE 架构在参数激活、吞吐和部署上的差异，以 Nemotron 3.5 Lightning 为例说明 MoE 每词元仅激活约 3B 参数、总参数 30B 仍需约 60 GB 显存。文章给出按显存预算、并发、微调和量化需求选型的建议，并对比 Gemma 4 31B、Qwen3.8-27B、Mistral Small 4 等模型的输出速度与价格数据。
公众号：阶跃星辰（Step）精选AI 评分6666 阶跃星辰发布 StepAudio 3 系列语音大模型，多款在 Artificial Analysis 榜单全球第一
阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen 和 Music 五款模型，已在阶跃星辰开放平台上线。
推荐理由：官方完整介绍了五款模型的能力与榜单成绩，可帮助读者了解语音模型在实时交互、理解和创作上的进展。
Artificial Analysis@ArtificialAnlysAI 评分6464Dwarkesh Patel：Podcast & Blog（RSS）精选AI 评分6767 Beren Millidge、John Schulman、Charlie O'Neill 对谈递归自我改进离我们还有多远
Dwarkesh Patel 与 Zyphra CTO Beren Millidge、Thinking Machines 首席科学家 John Schulman、Baseten 模型训练负责人 Charlie O'Neill 三位研究者对谈递归自我改进（RSI）的前景。
推荐理由：三位一线研究者就递归自我改进的技术瓶颈、蒸馏与RL环境壁垒、参数规模趋势给出具体分歧和可检验预测。
OpenRouter：Announcements（RSS）精选AI 评分6767 OpenRouter 发布 Fusion 复合模型，让多个模型辩论后合成最终答案
OpenRouter 发布 Fusion 复合推理系统，将一个提示词并行发给 1 到 8 个面板模型，由 judge 比较共识与分歧后由调用模型写出最终答案。默认三模型面板成本约为单次完成的四到五倍、延迟两到三倍，在 DRACO 深度研究基准上预算面板得 64.7%、前沿面板得 69.0%。
推荐理由：官方详解 Fusion 的多模型辩论机制、四到五倍成本与两到三倍延迟，并给出适用与不适用的具体场景。
OpenRouter@OpenRouterAI 评分5656- Artificial Analysis@ArtificialAnlysAI 评分7878
Anthropic：Research（发表成果 · 网页）精选AI 评分7373 Anthropic 红队评测 AI 模型的战术情报定位与常规武器开发能力
Anthropic Frontier Red Team 发布新评测，衡量模型在战术情报定位（账号关联、照片与文本地理定位）和常规武器开发（无人机末制导、投放、GPS 拒止导航）上的能力，发现模型在模拟任务上持续进步，部分任务接近或超过人类专家基线。
推荐理由：Anthropic 用自建评测量化了模型在情报定位与常规武器开发上的能力轨迹，并给出实测数字与开放权重模型的对比结果。
SiliconFlow@SiliconFlowAIAI 评分6767DeepSeek：API 更新日志精选AI 评分8080 DeepSeek 发布 V4.1-Flash，API 价格同步下调
DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。
推荐理由：官方发布附带完整评测数字和 API 切换细节，读者可据此判断新模型能力水平及旧模型下线对现有调用和计费的影响。
公众号：DeepSeek（深度求索）AI 评分8686 DeepSeek 发布 V4.1 Flash：552B MoE 多模态模型，同步开源并下调 API 定价
DeepSeek 正式发布 V4.1 Flash，全新 Causal-Encoder-Decoder 结构的 552B 参数 MoE 模型，输入激活 8B、输出激活 16B，具备原生多模态视觉理解，基准测试超越包括 DeepSeek V4 Pro 在内的旗舰模型。
Hugging Face：Blog（RSS）精选AI 评分6161 Hugging Face 用 LoRA 与 Storage Bucket 在 HF Jobs 上跑异步 GRPO，免 NCCL 并提速 3.9 倍
Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中支持只训练和同步 LoRA adapter，配合 Storage Bucket 挂载与代理路由，让训练 Job 和 vLLM 推理 Job 在不同机器上运行而无需 NCCL。
推荐理由：Hugging Face 官方用五个实验展示了如何在 Jobs 上分离训练与推理跑异步 GRPO，并通过逐项定位瓶颈把运行提速 3.9 倍，方法可迁移。
Cognition 模型 / Devin 博客（网页）精选AI 评分7070 Cognition 发布 SWE-2 编码模型，以更低成本逼近前沿
Cognition 发布最先进编码模型 SWE-2，基于 2.8T 参数的 Kimi K33 后训练，在 FrontierCode 1.1 Main 取得 50.0%，仅比 Fable 5.1 低不到一分且便宜 64%。
推荐理由：官方详细公开了 SWE-2 的训练方法与成本惩罚公式，读者可以借此理解如何用 RL 推移整条成本性能前沿。
公众号：蚂蚁百灵（Ling）AI 评分6565 蚂蚁百灵开源首个原生多模态大模型 Ling-3.0-flash-VL
蚂蚁百灵发布并开源首个原生多模态大模型 Ling-3.0-flash-VL，基于 Ling-3.0-flash 的 MoE 架构，总参数 124B，单次推理激活 5.5B，原生支持图像、文本与视频输入，上下文窗口 256K Token。
- OpenRouter@OpenRouterAI 评分5454
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8686 OpenAI 宣布以内部 AI 系统给出 Navier–Stokes 千禧年问题解答
OpenAI 宣布其内部 AI 系统给出 Navier–Stokes 存在与光滑性问题的解答，证明初始光滑的流体可在有限时间内形成奇点，并附证明文稿与 Lean 形式化验证。
推荐理由：OpenAI 自述用内部模型与上万智能体给出 Navier–Stokes 奇点证明和 Lean 形式化，还交代了欧拉方程副产物与协作细节。
OpenAI@OpenAIAI 评分7676- OpenAI@OpenAI精选AI 评分7474
推荐理由：原文补充了数据隔离说明，并指出其 Euler 情形证明结果与 Alpöge 和 Buckmaster 的工作不同，读者可据此比较两条独立证明路径。
OpenBMB@OpenBMBAI 评分5858- OpenBMB@OpenBMBAI 评分5353
面壁智能 OpenBMB 在开源 MiniCPM5-2B 后，进一步开源其背后的 RL 训练栈。Meshy 是服务化 RL 训练框架，将推理、rollout 和训练解耦为统一数据平面上的独立服务。
Epoch AI：研究、数据与评测精选AI 评分6969 Epoch AI 实测 GPT-5.6 与 Claude 5 长上下文延迟缩放差异
Epoch AI 测量四款模型的首 token 延迟（TTFT）随上下文长度的缩放，发现 GPT-5.6 Terra 和 Sol 呈明显二次曲线，Claude Sonnet 5 接近线性，Opus 5 噪声较大但仍接近线性。
推荐理由：原文以实测数据和三种稳健估计器比较 GPT-5.6 与 Claude 5 的长上下文延迟缩放，可帮助读者理解两家不同的架构取舍与成本影响。
- OpenBMB@OpenBMBAI 评分5454
- OpenBMB@OpenBMBAI 评分6262
Tencent Hy@TencentHunyuanAI 评分6363Tomer Tunguz 博客（VC 分析）精选AI 评分6565 Tomer Tunguz 解析 AI 消耗的三波浪潮：从聊天到智能体再到 meta-harness
VC Tomer Tunguz 提出 AI token 消耗分三波：聊天约 1m tokens/人/天，单智能体约 100m–200m tokens/天，meta-harness 并行调度多智能体可达数十亿。
推荐理由：作者提出 AI 消耗分三波叠加增长的框架，并用 OpenRouter 与企业数据解释为何线性外推算力需求会失真。
Gary Marcus：The Road to AI We Can Trust（RSS）AI 评分5656 Gary Marcus 质疑 Jensen Huang 无定义无证据地宣称 AGI 到来
Gary Marcus 撰文批评 Jensen Huang 宣称 AGI 竞赛已结束，指出其未给出证据和定义，并建议其参考 Hendrycks、Yoshua Bengio 等人参与的 agidefinition.AI。
Artificial Analysis 完整文章（网页）AI 评分5757 Artificial Analysis 评测 OpenBMB MiniCPM5-2B，登顶 4B 以下开源权重模型
Artificial Analysis 评测显示，OpenBMB 的 MiniCPM5-2B 在 Intelligence Index v4.2 得分 15，为总参数量 4B 以下开源权重模型中最高。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8282 OpenAI 发布内部研究加速报告：已达成自动化研究实习生目标，推进 2028 年 3 月自动化 AI 研究员
OpenAI 发文披露自动化研究进展，宣布已达成去年秋天设定的今年 9 月拥有自动化研究实习生（可在人类指导下完成耗时数天的明确研究任务）的目标，并计划在 2028 年 3 月前造出自动化 AI 研究员。
推荐理由：OpenAI 以内部数据披露 coding agent 对研究工作的实际影响和 RSI 进展，读者可以据此了解前沿实验室的自动化研究现状。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分5353 蚂蚁 inclusionAI 发布 LLaDA2.2-mini 智能体扩散语言模型
蚂蚁 inclusionAI 在 Hugging Face 发布 LLaDA2.2-mini，这是 LLaDA2 系列的轻量级智能体扩散语言模型，总参数 16B、推理仅激活 1.4B。
AI at Meta@AIatMetaAI 评分5858
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8888 OpenAI 发布 GPT-6 Astra：多项基准刷新纪录， cybersecurity 能力达 Critical 阈值
OpenAI 发布新一代模型 GPT-6 Astra，称其在计算机使用、软件工程、科学和网络安全等方向达到 SOTA。
推荐理由：官方发布给出多项评测数字、定价和可用渠道，读者可以据此比较它相对前代和竞品的能力与成本变化。
- Artificial Analysis@ArtificialAnlysAI 评分5353
Databricks：Blog（RSS）AI 评分2222 Databricks 讲解如何通过专用 GPU kernel 生成实现极致推理效率
Databricks 发文介绍如何通过专用 GPU kernel 生成实现极高效率。文章指出传统生产推理系统依赖通用 kernel 处理多样化负载，并探讨专用 kernel 的优化路径。
Ant Ling@AntLingAGIAI 评分3939蚂蚁百灵发布 Ling-3.0-flash-Sante，一个基于 Ling-3.0-flash 构建、面向健康与医疗领域增强的 MoE 模型，名字取自法语 santé（健康）。
Anthropic@AnthropicAI精选AI 评分7676Anthropic 宣布 Claude 上月完成了 Fermat 大定理的首个形式化证明，这是迄今最大的 Lean 证明。
推荐理由：原文给出证明规模、验证范围和完整代码入口，读者可以据此了解 AI 形式化数学论证的实际能力边界。
Anthropic：Research（发表成果 · 网页）精选AI 评分8080 Claude 用 11 天完成费马大定理的首个完整机器验证证明
Anthropic 发布首个完整机器验证的费马大定理证明，Claude 在 11 天内基本自主完成，写出 1300 万行 Lean 代码并证明 29,500 个中间定理。
推荐理由：原文给出了耗时、代码量、平台与验证方式等细节，读者可以了解多智能体自动形式化复杂数学证明的实现路径。
公众号：蚂蚁百灵（Ling）AI 评分5454 蚂蚁开源 Ling-3.0-flash-Fin（124B A5.1B）金融模型与 FinFIRST 评测基准
蚂蚁集团正式开源面向真实金融工作流的 Ling-3.0-flash-Fin（124B A5.1B），为 MoE 架构、支持最长约 256K 上下文，并同步开放面向金融搜索 Agent 的评测基准 FinFIRST（Financial Information Retrieval, Sourcing and Traceability），中金公司投行团队在构建过程中提供专业支持。