Gary Marcus 评 GPT-6 Astra：进步明显但鲁棒性与可监控性存疑
Gary Marcus 发文点评 GPT-6 Astra，称多项报告显示其为真正的进步，OpenAI 产品显式创建并操纵符号世界模型，令其近十年的主张获得印证。
推荐理由：作者结合自身近十年主张神经符号世界模型的立场，指出 Astra 的关键未知在鲁棒性与可监控性，判断有具体依据。
#推理
#推理
今日 0 条Gary Marcus：The Road to AI We Can Trust（RSS）精选AI 评分7474 NVIDIA Technical Blog：Agentic AI / Generative AI精选AI 评分6969 NVIDIA 讲解如何在 Jetson 上部署和优化推理模型
NVIDIA 发布教程，讲解在 Jetson 上部署新一代开放推理模型的方法，以 Nemotron 3.5 Lightning 和 Qwen3.8-27B 为例。
推荐理由：官方教程给出模型选型、NVFP4 量化与投机解码配置和实测吞吐数据，可迁移到自己的 Jetson 部署流程。
Artificial Analysis@ArtificialAnlysAI 评分6161- Artificial Analysis@ArtificialAnlysAI 评分6969
Google DeepMind：Blog（RSS）精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber。
推荐理由：官方给出两版模型的定价、基准成绩和实际安全应用数据，读者可据此评估在新旧 Flash 模型间的迁移与选型。
Google AI Developers@googleaidevsAI 评分4444
Google AI@GoogleAIAI 评分6262ARC Prize：官方博客精选AI 评分7979 ARC Prize 发布 OpenAI GPT-6 Astra 在 ARC-AGI-3 上的评测结果
ARC Prize 报告 OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上，Standard harness 得分 62.7%（成本 $26K），Provider Adapter harness 得分 99.9%（成本 $19K），均为 SOTA。
推荐理由：官方公布了 Astra 在两种 harness 下的完整得分、成本和人类对比数据，读者可以据此了解 agentic 评测方法的差异。
Google Gemini@GeminiAppAI 评分5757- Artificial Analysis@ArtificialAnlysAI 评分6565
Gary Marcus：The Road to AI We Can Trust（RSS）AI 评分5151 Gary Marcus 警告 OpenAI 即将越过一条 AI 安全红线
Gary Marcus 发文警告 OpenAI 正准备越过一条 AI 安全红线，认为其正在探索的新技术可能令思维链监控变得困难甚至不可能。
Qwen@Alibaba_QwenAI 评分6363- Qwen@Alibaba_QwenAI 评分6666
Hugging Face：Blog（RSS）AI 评分4747 Hugging Face 与 Ai2 发布 BenchMIRT：从题目层面审计 LLM 基准究竟测了什么
Hugging Face 博客介绍 BenchMIRT，一种基于多维 IRT 在单个题目层面审计 LLM 基准的方法，训练数据覆盖 100 个 LLM、16 个基准和超过 34K 道题。
- Artificial Analysis@ArtificialAnlysAI 评分6161
SpaceXAI@SpaceXAIAI 评分3232Artificial Analysis 完整文章（网页）精选AI 评分6666 Google 发布 Gemini 3.8 Flash，四个月内第四款 Flash 模型
Google DeepMind 发布 Gemini 3.8 Flash，在 Artificial Analysis Intelligence Index 上以 high 推理得分 59，较 Gemini 3.7 Flash 提升 3 分。
推荐理由：评测方一手数据给出了智能指数、单任务成本和速度的具体变化，可帮助读者判断该模型在实际任务中的性价比。
Artificial Analysis 完整文章（网页）精选AI 评分7474 Meta 发布 Muse Spark 1.3，Artificial Analysis 指数达 61/62 分逼近前沿
Meta 发布 Muse Spark 1.3，是其五个月内第四个 Muse Spark 版本。xhigh 版在 Artificial Analysis Intelligence Index 得 61 分。
推荐理由：独立评测方给出与同档模型的分数和单任务成本对比，读者可据此判断该模型在智能与成本上的位置。
OpenRouter@OpenRouterAI 评分5757蚂蚁 inclusionAI：HuggingFace 新模型AI 评分5252 蚂蚁 inclusionAI 发布 Ling-3.0-flash 原生混合推理模型
蚂蚁 inclusionAI 发布下一代原生混合推理模型 Ling-3.0-flash，总参数 124B、激活参数 5.1B，约为前代 1T 级旗舰 Ring-2.6-1T 的 12.4% 和 8.1%，在关键基准上持平或超越前代。
Tencent Hy@TencentHunyuanAI 评分6767公众号：小红书技术（dots.llm）AI 评分4242 小红书与NVIDIA联合发布GR-Inference推理引擎，优化生成式召回
小红书与NVIDIA联合构建GR-Inference，一个面向长Context、短Decode、大Beam的生成式召回专用推理引擎，覆盖KV抽象、连续批处理、专用Decode Attention、受限生成与CUDA Graph等优化。
Ai2 / Allen Institute for AI（RSS）AI 评分5151 Ai2 发布 BenchMIRT：从题目层面审计 LLM 基准究竟在测什么
Ai2 推出 BenchMIRT，一种基于多维 IRT 的方法，在单题层面审计 LLM 基准，训练数据覆盖 100 个模型的 16 个基准、超 34K 道题，并独立恢复出安全与通用推理两个维度。
上海人工智能实验室 InternLM：原创项目精选AI 评分6363 上海AI实验室发布 InternLumina-U2：16B-A1B 多码本扩散统一多模态模型
上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。
推荐理由：原文给出多码本全离散统一架构的设计细节、基准分数和双硬件适配说明，读者可以了解统一理解与生成模型的一条新路线。
公众号：腾讯混元AI 评分5454 腾讯混元 Hy4 preview 轻量版发布，1.5 TB 权重压缩到 214 GB 并开源
腾讯混元发布 Hy4 preview 轻量量化版，用自研 Sherry 稀疏三值量化算法（平均 1.25 bit）和 MIX-STQ1_0 逐层混合精度策略，把约 1.5 TB 的权重压到约 214 GB。
公众号：千问APP（阿里）AI 评分4646 千问APP升级学习功能，新增作文辅导与教材精讲
千问APP在开学季升级学习功能，新增与教材同步的单元作文辅导、初中语文数学教材精讲，并将高中、大学数理化拍题讲解能力扩展至千问小讲堂，相关功能均免费开放。作文辅导通过逐步提问引导孩子梳理素材和结构；教材精讲可从章节或知识点切入，讲解中可随时打断追问，千问会根据具体问题调整讲解内容和节奏。
Artificial Analysis 完整文章（网页）精选AI 评分7575 Artificial Analysis 实测 Claude Fable 5.1 登顶智能指数但每任务成本高 20%
Artificial Analysis 评测 Claude Fable 5.1，其以 66 分登顶 Artificial Analysis Intelligence Index，超过 Claude Opus 5（63）、Fable 5（62）、GPT-5.6 Sol（61）和 Grok 4.6（61）。
推荐理由：Artificial Analysis 实测了 Claude Fable 5.1 的智能指数、各基准得分与每任务成本，读者可据此权衡其相对 Opus 5 和 GPT-5.6 的性价比。
NVIDIA Technical Blog：Agentic AI / Generative AIAI 评分5555 NVIDIA 技术博客：如何为 AI 推理规划 GPU 规模并优化 TCO 避免超支
NVIDIA 技术博客发布一套 AI 推理 GPU 规模规划框架，围绕用例、token 模式、TTFT 等延迟指标、并发、缓存命中率、模型选择和部署策略给出 sizing 方法，并提出 core-and-flex 容量策略平衡 capex 与 opex。
Microsoft ResearchAI 评分3838 微软发布 MindTopo 基准，揭示多模态模型拓扑推理短板
Microsoft Research 推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类任务，并区分静态识别与交互规划两个认知层级。测试显示，当前专有与开源模型在静态推理上明显强于交互规划，且两者均远低于人类水平；失败多出现在规划阶段而非感知阶段，模型在场景变化后难以维持结构关系。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列仍不可靠。
Microsoft ResearchAI 评分4040 Microsoft Research 推出 CARE-X：面向临床放射学的胸部 X 光 VLM
Microsoft Research 发布研究模型 CARE-X，一个面向胸部 X 光多种临床解读任务的统一视觉语言模型，结合生成式与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的上下文摘要
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要形式化为自然语言「信念状态」，并通过信念评分（belief grading）监督其信息内容。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 DiffusionGemma：文本生成提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：Google DeepMind 开源文本扩散模型，给出 4x 推理加速与本地部署的硬件门槛，可据此判断速度优先场景的取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上性能接近 26B MoE 模型，内存占用不到其一半，可在 16GB 显存或统一内存的设备上运行，并首次在中型模型中支持原生音频输入。
推荐理由：Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI Research 发布综述，梳理并行推理领域进展，重点讨论自适应并行推理——让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。文章指出，现有方法多由模型外部固定并行结构，而不同问题需要不同并行度。文中还介绍了 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
GRASP 是一种面向学习型世界模型（learned dynamics）的新型梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接加入随机性以促进探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态输入”梯度。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模 LLM 中识别驱动模型输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，在约少 10 倍消融次数下达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3636 无需 TD 学习：用分治法实现可扩展的 off-policy 强化学习
伯克利 AI 研究提出一种基于分治（divide and conquer）的强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到长时程任务。该方法针对 off-policy RL 场景，在目标条件 RL 中利用三角不等式构造传递性 Bellman 更新，用两个较短的子轨迹价值更新完整轨迹价值。目前仍存在如何选取最优子目标 w 的问题。