DeepMind 新任负责人 Koray Kavukcuoglu 力争年底前发布 Gemini 4，称 AGI 之争不是正确话题
Google DeepMind 负责人 Koray Kavukcuoglu 表示 Gemini 4 已处于早期后训练阶段，希望远在年底前发布，工程师已内部将其用于编码工具 Antigravity。
#推理
#推理
今日 2 条The Decoder：AI News（RSS）AI 评分7373 Hacker News：AI 热帖AI 评分5858 Stanford 与 NVIDIA Research 发布对比语言模型 CLM-8B
Stanford 与 NVIDIA Research 团队发布 Contrastive Language Models（CLM）及 CLM-8B，用对比学习连接状态与动作，作为快速决策的 System One 模型。
MarkTechPost（RSS）AI 评分6363 Contrastive-LM 发布开源模型 CLM-8B，零-shot 下评分 Agent 动作比 Jev 快最多 9 倍
Contrastive-LM 发布开放模型 CLM-8B，首个对比语言模型（CLM），不为生成文本而训练，而是对候选动作按当前状态打分并返回概率，主打与 TypeSafe AI 的 System One 模型 Jev 相同的接口。
HuggingFace Daily Papers（社区热门论文）AI 评分6666 StudentBench 研究显示 AI 辅导在 GRE 学习增益上与人类专家等效
研究团队发布 StudentBench 评估套件与公开平台，基于超过 175,000 条学生-AI 消息和 2,383 名参与者的数据，发现 AI 辅导在 GRE 学习增益上与专家人类辅导统计等效（p = .015），七个 GRE 领域中有五个领域表现最好的 AI 辅导者平均超过人类。
HuggingFace Daily Papers（社区热门论文）AI 评分5353 Hunyuan-A13B 技术报告发布：80B 总参数、13B 激活的开源 MoE 模型
腾讯混元发布开源 MoE 大语言模型 Hunyuan-A13B，总参数 80B、推理仅激活 13B，以平衡能力、效率与部署成本。模型在经严格筛选的 20T token 语料上预训练并加强 STEM 数据，再经 SFT 和大规模强化学习；引入双模式 Chain-of-Thought 框架，简单问题用快思考、复杂多步问题用慢思考。
Hacker News：AI 热帖AI 评分5454 Mercury 2.5 评测数据：770 tokens 每秒输出、260k 上下文、智能指数 12
Artificial Analysis 页面显示，Inception 于 2026 年 9 月发布的 Mercury 2.5 是一个推理模型，输出速度达 770.4 tokens 每秒（同类价格档推理模型中位数为 108.6）。
HuggingFace Daily Papers（社区热门论文）AI 评分5151 论文提出 ATD 方法：后训练留下的行为阴影可让能力通过无关文本迁移
论文提出 Active Taskless Distillation（ATD），每条提示仅用教师模型的一个词即可实现能力迁移，无需目标任务样本、教师 logits 或教师参数。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 SAGE：通过拓扑引导缓解长程推理偏差
研究者提出 SAGE（Structural Admissibility-Guided Exploration）框架，通过代数稀疏化与双曲结构引导两种结构先验，缓解长程推理中的探索偏差与累积偏差。在 12 个基准、7 个模型族上，SAGE 优于竞争基线，在 Andrews-Curtis 问题上取得最高 8 倍提升。代码已开源。
TechCrunch：AI（RSS）AI 评分6666 Anthropic 称其生物实验室用 Claude 发现疑似类 CRISPR 的新酶系统
Anthropic 宣布其湾区湿生物实验室借助 Claude 发现一个此前未知的酶系统，藏在噬菌体 DNA 中，能执行切割、复制、粘贴 DNA 等操作，性质令人联想到 CRISPR。
Fireworks AI（网页）精选AI 评分6666 Fireworks 发布 Ember-1，以约四成更少 token 达到 Kimi K3 质量
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，通过学习精简不必要的推理，在保持质量的同时减少约 35-50% 的 reasoning token。
推荐理由：官方给出了多组基准、A/B 测试和成本数据，读者可以据此评估用 Ember-1 替代 Kimi K3 降低推理 token 开销的可行性。
Rohan Paul@rohanpaul_aiAI 评分7070Dario Amodei 在联合国安理会谈到 Anthropic 宣布 Claude 发现一种新的分子机器，属初步发现，可能构成新的基因编辑机制并有基因治疗应用前景。
elvis@omarsar0AI 评分5656Baseten Base Labs：模型研究AI 评分5252 Baseten Base Labs 实验研究蒸馏何时有助于强化学习
Baseten Base Labs 用 Qwen3 0.6B/1.7B/4B/8B 在 16 个推理任务上比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL。
Aravind Srinivas@AravSrinivasAI 评分6969- elvis@omarsar0AI 评分6060
DAIR.AI@dair_aiAI 评分5252
Frank Wang 玉伯@lifesingerAI 评分5959The Decoder：AI News（RSS）AI 评分5656 Basecamp Research 获 1.4 亿美元融资，用全球生物样本训练 EDEN 生物模型设计抗生素与基因治疗工具
Basecamp Research 获 1.4 亿美元融资，投资方包括 S32、Nvidia、Anthropic 的 Anthology Fund 和 NATO Innovation Fund，用于开发生物 AI 模型 EDEN 并推进体内细胞疗法进入临床。
The Decoder：AI News（RSS）AI 评分6868 阿里 Qwen 发布 Qwen-Audio-3.1 五款语音模型，语音价格最高下调 95%
阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、语音合成（TTS）和实时交互的模型。ASR 改进多语言和方言识别并自动清理填充词，ASR-Next 支持多说话人识别、时间戳及情绪和环境声检测；TTS-Next 将语言模型与扩散方法结合，可一次性生成语音、音效和背景音频。同步降价：TTS 约 70%，Realtime 约 85%，ASR 最高 95%。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分7373 OpenAI 纳维-斯托克斯解法遭质疑：解的是带外力的问题变体
OpenAI 用内部 LLM 生成纳维-斯托克斯问题的证明后，数学界指出其解法依赖外部力项这一漏洞，偏离了数学家真正关心的无外力版本。上周四三位数学家发文证明去掉外力后爆炸消失，OpenAI 的方法无法扩展到完整问题，但按 Clay Institute 2000 年原始表述的选项 C，其解法成立。
MarkTechPost（RSS）AI 评分6868 Kyutai 发布 Voice of Reason，用强化学习让语音原生模型解出口算数学题
Kyutai 发布 Voice of Reason，两个基于 GLM-4-Voice-9B 的开源权重语音到语音模型，无需转写和独立文本 LLM 即可口头解数学题。
MarkTechPost（RSS）AI 评分8282 OpenAI 发布 GPT-6 Sol 与 Luna，API 定价降至五折并公布基准成绩
OpenAI 发布 GPT-6 系列两款新模型 GPT-6 Sol 与 Luna，API 定价相比 GPT-5.6 促销价下调约 50%，Sol 为每 1M tokens 输入 $2、输出 $10，Luna 为 $0.10、$0.50，两者已上线 API。
HuggingFace Daily Papers（社区热门论文）AI 评分7575 AIDE² 论文展示 AI 研究智能体的递归自我改进
论文提出 AIDE²，一个让前沿 AI 研究智能体递归自我改进的系统：智能体提出对自身代码的修改，在 AI R&D 任务套件上基准测试修改版本，只保留隐藏评估表现最好的改动。
HuggingFace Daily Papers（社区热门论文）AI 评分5353 Learning to Discover Interesting Mathematics：用有趣度指标引导模型自动发现数学定理
论文提出用证明长度与陈述长度之比衡量定理的内在有趣度，并证明其与下游实用性相关。作者训练了一个 27B 模型预测证明难度，准确率超过前沿通用模型；按该指标优化后，生成定理与 Mathlib 的实质性或完全重合率从 91.9% 降至 30.6%，系统可迭代构建自扩展的机器验证数学库。
- Rohan Paul@rohanpaul_aiAI 评分6969
Epoch AI：研究、数据与评测精选AI 评分6666 Epoch AI 研究报告：达到同等 AI 性能的成本每季度下降约 47%
Epoch AI 发布报告，估算过去三年内达到同等 AI 性能的成本平均每季度下降约 47%，即每年约 13 倍，并认为这一速度可能自 2021 年 11 月商业 LLM 推理开始以来持续至今。分析覆盖数学、硬科学和技能游戏类五个基准；刚达到 SOTA 的性能成本每季度下降 66%，两年后放缓至每季度 32%；报告同时指出基准针对性训练、数据不完整等局限。数据与代码在 GitHub 上公开。
推荐理由：报告用五个基准三年数据量化达到同等性能的成本下降速度，还区分了刚成为 SOTA 与两年后两种情形，数字和方法都值得细看。
- Rohan Paul@rohanpaul_aiAI 评分7474
The Decoder：AI News（RSS）AI 评分7373 OpenAI 发布 GPT-6 Sol 和 Luna，价格减半但性能几乎持平 GPT-5.6
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 Sol 和 Luna 下降一半，Sol 为每百万输入 token $2、输出 $10，Luna 为 $0.10/$0.50，同时提供缓存输入 token 九折优惠。
Arena.ai@arena精选AI 评分6363Arena 宣布 OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 评分即将公布，邀请用户前往 Arena 实测并通过投票真实智能体任务支持其排行榜。
推荐理由：文中提及Peter用相同提示词和max reasoning对比GPT-6 Sol与GPT-5.6 Sol，覆盖输出、token用量和时延，可帮助读者了解两代模型差异。
Artificial Analysis 完整文章（网页）精选AI 评分7878 Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降
Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
推荐理由：Artificial Analysis 用自家指数实测两代模型的成本与表现，读者可据此判断 GPT-6 降价后哪些能力持平或退步。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8282 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 降 50%
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，将 GPT-6 Astra 的训练方法用于更快更便宜的模型，API 价格较 GPT-5.6 促销价下调 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，每百万 token）。
推荐理由：官方发布给出各档模型的具体基准分数、API 价格降幅和缓存改进数据，可以用来对比 GPT-6 家族在成本与能力之间的取舍。
Hacker News：AI 热帖AI 评分7474 Artificial Analysis 发布 Claude Opus 5.5 智能与价格分析（Max Effort）
Artificial Analysis 评测页面显示 Claude Opus 5.5（Adaptive Reasoning, Max Effort, Default Fallback）在 Artificial Analysis Intelligence Index 得 58 分，远高于同类中位数 25。
Sam Altman@samaAI 评分5252TechCrunch：AI（RSS）AI 评分7070 OpenAI 发布 GPT-6 Sol 和 Luna，价格减半并降低错误率
OpenAI 发布 GPT-6 Sol 和 Luna 更新版，扩展本月早些时候推出的 GPT-6 Astra 系列。6 系列 API 价格为 5.6 系列 Sol 和 Luna 的一半，公司归因于缓存和推理改进；内部事实性评测显示 GPT-6 Sol 错误数约为前代一半，达到 Astra 级可靠性。
Artificial Analysis@ArtificialAnlysAI 评分8585Anthropic：Newsroom（网页）精选AI 评分9191 Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%
Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。
推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。
The Decoder：AI News（RSS）AI 评分8383 Anthropic 发布 Claude Opus 5.5，性能对标 Fable 5.1 且总成本低约 40%
Anthropic 发布 Claude Opus 5.5，称其在多数任务上达到 Claude Fable 5.1 水平，总运营成本比 Opus 5 低约 40%，输出速度快 30% 以上。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分5656 分析认为 OpenAI 具备快速跟进 TypeSafe 的 Jev 并将分类能力内嵌进模型的优势
作者分析 TypeSafe 的 Jev 本质上是基于常规 LLM 的 logprobs 做通用分类，OpenAI 多年来已在工具调用中用单个 token 充当微型分类器，具备快速复制 Jev 并把分类能力折叠进自家模型和智能体的条件。
- Artificial Analysis@ArtificialAnlysAI 评分7979
Artificial Analysis 评测显示 Claude Opus 5.5 以 58 分登顶 Artificial Analysis Intelligence Index，为其实测最高分。