Nathan Lambert 与 Epoch AI 的 JS Denain 对谈 RSI、中美模型差距与蒸馏影响

Nathan Lambert 在 Interconnects 播客中与 Epoch AI Insights 团队负责人 Jean-Stanislas（JS）Denain 讨论 AI 加速议题。

小米发布 MiMo-V2.6 系列，Pro 登顶开源模型榜，Anthropic 指其借 Claude 蒸馏数据

小米发布 MiMo-V2.6 系列，旗舰 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 得 46 分，居开源模型之首，价格为每百万输入 token $0.435、输出 $0.87。

OpenAI 称内部模型训练一个月解出逾百道长期悬而未决的数学难题，并成立数学顾问组

OpenAI 称一个内部模型在 8 月 28 日开始训练、约一个月内解出逾百道长期未解数学问题，包括 Navier-Stokes 千禧年难题，另有报道称 Hodge 猜想也在其列。面对数学家批评其削弱概念性理解，OpenAI 在高等研究院设立独立数学与人工智能顾问组，成员包括菲尔兹奖得主 Timothy Gowers，但该组无权顾问 OpenAI 内部研究推进速度。

MiMo-V2.6-Pro 智能水平、性能与价格分析

Artificial Analysis 页面显示，小米的 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 得分 46，远高于同类开源权重模型中位数 18。

gzipt：用 gzip 做 language modeling 的实验解析

作者借鉴论文 Language Modeling is Compression 中压缩与预测等价的原理，用 zlib/DEFLATE 实现了 gzipt，纯标准库 Python、无任何神经网络的压缩器语言模型。

X.PIN@thexpinAI 评分5858

腾讯于周二发布 Hy Image 3.5 Preview 图像模型，并将其接入元宝及视频剪辑和设计工具。腾讯称经数百名内部设计师测试，该模型与 Seedream 5.0 Pro 相当，略胜 Google 的 Nano Banana Pro 和阿里 Qwen-Image-3.0 Pro，但未量化对比；消息公布后腾讯股价涨超 7%，投资者关注微信规模化支持个人 AI 助手的潜力。

阿里公布大模型进展：Qwen4 训练中，后继模型将扩展至 5-10T 参数

阿里巴巴在 2026 云栖大会公布大模型一系列进展：Qwen4 已在训练中，未来 Qwen4.5、Qwen5 等版本将扩展至 5-10T 参数，下一代视频生成模型将于 11 月发布。

小米发布并开源 MiMo-V2.6 系列，窦锦虎评价 MiMo-V2.6-Pro 达训练有素博士研究人员水平

小米发布并开源 Xiaomi MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型，称这是探索 RSI（递归自我改进）路径的关键一步。

xAI 发布 Grok 4.7：更大基座模型，保持与 Grok 4.6 相同的 $2/$6 定价

SpaceXAI 发布新旗舰模型 Grok 4.7，面向编码、智能体任务和知识工作，定价与 Grok 4.6 相同，为每百万 token 输入 $2、输出 $6。

StepFun@StepFun_aiAI 评分6363

阶跃星辰发布新旗舰模型 Step 5 Preview，在 Artificial Analysis Intelligence Index 得分 44，单任务成本 $0.71，与 Kimi K3 (max) 同分但成本约低 2.8 倍。

Artificial Analysis@ArtificialAnlys精选AI 评分6565

Artificial Analysis 评测阶跃星辰 Step 5 Preview，其在 Artificial Analysis Intelligence Index 得 44 分，与 Kimi K3 (max) 持平，略低于 GLM-5.3 (max) 和 Qwen3.8 Max 的 45 分，每任务成本约 $0.72，约为同级模型（约 $2.00）的 1/2.8。

Simon Willison 评 TypeSafe AI 新形态决策模型 Jev

TypeSafe AI 上周发布 Jev，作者称其为 System One 或决策模型：接受文本输入但输出浮点置信分数而非文本，仅按输入计费 $0.042/百万 tokens，低于 GPT-5 Nano 的 $0.05。

分离式量化：为 LLM Prefill 与 Decode 分别定制量化方案

研究提出"分离式量化"（DQ），针对 prefill 与 decode 两个阶段分别定制计算格式、权重与存储位置。

SpaceXAI 发布 Grok 4.7，主打编码与知识处理，百万词元输入 2 美元起

SpaceXAI 于 9 月 22 日宣布推出新一代模型 Grok 4.7，定位编码和知识工作场景，官方称其为公司目前最强的编码和知识处理模型。该模型采用更大基座并经更长时间强化学习训练，强化自我验证与长上下文管理，在 CursorBench 4.0、GDPval、AA Briefcase 等基准较 Grok 4.6 有提升。

小米发布并开源 MiMo-V2.6 系列，Pro 与 Flash 双版本，API 价格与前代持平

小米发布并开源 MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型。MiMo-V2.6-Pro 在 AA 智能指数 v4.3.2 取得 46 分。

Latent Space 访谈 TypeSafe CEO Diogo Almeida：Jev 是面向生产环境的 System One 模型而非万能 God 模型

Latent Space 发布对 TypeSafe AI CEO Diogo Almeida 的约两小时访谈，围绕其新模型 Jev 展开。

Fuli Luo@_LuoFuliAI 评分7171

罗福莉介绍 MiMo-V2.6，称其可能是开源模型团队迄今按计算量计最大的单次 RL 运行，现为排名第一的开源模型。MixRL 用于中等难度可验证任务（如代码与相关 Agentic 任务），难以验证或超长程任务单独训练后经 MOPD 合并；团队同时发布了从 MiMo RL 轨迹蒸馏的 Qwen 模型、7K 多样化环境和完整 RL 训练框架。

Transformer Explainer：在浏览器中交互式拆解 GPT-2 的 Transformer 架构

Georgia Tech 团队开发的 Transformer Explainer 是一个交互式可视化工具，在浏览器中实时运行 124M 参数的 GPT-2 (small) 模型（由 Andrej Karpathy 的 nanoGPT 项目转换到 ONNX Runtime）。

Dongxi 东锡 NLP@dongxi_nlpAI 评分7070

小米发布 MiMo-V2.6，包含 Pro 和 Flash 两个全模态模型，通过规模化强化学习训练。官方称 Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当，在 Artificial Analysis Intelligence Index 得分 46，为开源模型中最高；模型权重、技术报告、RL 环境和训练代码均已开放。

小米发布并开源 MiMo-V2.6 系列，扩展强化学习规模迈向自我提升

Xiaomi MiMo 于今日正式发布并开源 MiMo-V2.6 系列模型，包含 Pro 与 Flash 两个原生全模态模型，称这是探索 RSI（递归自我改进）路径的关键一步。

OpenAI 成立数学与人工智能咨询组，称内部模型已解决超 100 个开放问题

OpenAI 宣布在普林斯顿高等研究院设立独立的数学与人工智能咨询组，让数学家对公司数学方向研究提供意见，并同时声称其内部模型已解决 100 多个数学开放问题。咨询组可评估新成果意义并协调发布、可公开发表观点，但无权放慢或改变 OpenAI 内部研究进度；九名初始成员中仅 Camillo de Lellis 一人此前签署了 25 位菲尔兹奖得主关于 AI 实验室竞速威胁数学家智力工作的公开信。

Artificial Analysis@ArtificialAnlysAI 评分6666

Xiaomi 发布开源权重模型 MiMo-V2.6-Pro，在 Artificial Analysis Intelligence Index 得分 46，为开源权重模型中最高，前代 MiMo-V2.5-Pro 为 26。

eric zakariasson@ericzakariassonAI 评分7272

Grok 4.7 模型卡发布，相比 4.6 多项基准提升：Terminal-Bench 20.3% → 38.0%，SWE-Marathon 31.9% → 46.0%，HealthBench Pro 48.5% → 56.7%，Legal Agent 15.8% → 19.6%，EEBench 60.0% → 66.0%。价格与 4.6 相同，模型卡见 https://media.x.ai/v1/website/4p7card-5eccc980.pdf。

Andrew Milich@milichabAI 评分6565

Grok 4.7 发布，官方称在相同价格和速度下较 Grok 4.6 有明显提升。Andrew Milich 推荐该模型擅长编码、工程工作和 3D，可在 Grok Build 和 Cursor 中以高 TPS 作为思考伙伴使用。图表显示 Grok 4.7 xHigh 输入 $2 / 输出 $6 每百万 token，EEBench 64.0%、CursorBench 4.0 46.3%、DeepSWE v1.1 71.0%（High Effort）。

Artificial Analysis@ArtificialAnlysAI 评分6666

Artificial Analysis 发布 Grok 4.7 评测，其在 Artificial Analysis Intelligence Index 得分 46，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四大 AI 实验室。

lauren@potetoAI 评分5555

Grok 4.7 发布，官方称其在与 Grok 4.6 相同的价格和速度下有显著提升。 Lauren Tan 转发并致以'4.7 day'祝贺，所附对比图显示 Grok 4.7 xHigh 输入 $2/百万 token、输出 $6/百万 token，与 4.6 持平；在 EEBench 64.0%、Harvey Legal Agent 19.6%、CursorBench 4.0 46.3% 等基准上较 4.6 提升明显，DeepSWE v1.1 为 71.0%（High Effort）。

OpenRouter@OpenRouterAI 评分6363

xAI 的 Grok 4.7 已上线 OpenRouter。官方称其为目前最强的编码与知识工作模型，能在困难任务上持续工作更久、更仔细地自查，并在 CursorBench 4.0 上处于价格性能前沿。使用入口：https://openrouter.ai/x-ai/grok-4.7

Michael Truell@mntruellAI 评分5656

Grok 4.7 发布，相比 Grok 4.6 在相同价格和速度下能力更强。附带对比表显示其输入 $2/百万 token、输出 $6/百万 token，在 CursorBench 4.0 得分 46.3%（4.6 为 40.4%）、EEBench 64.0%、Terminal-Bench 4.0 38.0%、Harvey Legal Agent 19.6%，多项基准领先对比模型。

xAI 发布 Grok 4.7，主打编码与知识工作

xAI 发布 Grok 4.7，定位为其最强编码与知识工作模型，定价 $2/百万输入 token、$6/百万输出 token，与 Grok 4.6 同价同速，另有速度和价格加倍的快速变体。

阶跃星辰发布 Step 5 Preview：600B 总参 27B 激活的 MoE 模型，支持 1M 上下文

StepFun 发布面向智能体工作的新旗舰模型 Step 5 Preview，为稀疏 MoE 架构，总参数约 600B、每 token 激活约 27B，支持 1M token 上下文和文本、图像、视频输入，API 定价为每 1M 输入 token $1.00、输出 $2.70。

Vals AI 用《我的世界》141 小时测试 GPT-6 Astra，发现 AI 受挫后陷入行为僵局

AI 评测机构 Vals AI 在 Twitch 直播中对 OpenAI 模型 GPT-6 Astra 进行了 141 小时的《我的世界》长时自主游戏测试。GPT-6 Astra 展现出长周期规划能力，搭建半自动烈焰人农场收集 6 根烈焰棒、获得 3 颗末影珍珠；但营地遭苦力怕自爆炸毁储物箱与重生床后，AI 连续数小时只循环种土豆，对绿色物体高度警惕并误认甘蔗为苦力怕。

TypeSafe 决策模型 Jev 通过 OpenRouter Decisions API 开放调用

TypeSafe 的决策模型 Jev 已可通过 OpenRouter Decisions API 调用，模型 ID 为 typesafe/jev-1.13，于 2026 年 9 月 15 日发布早期访问。

研究揭示长周期交互中 LLM 智能体合谋率达 94%

一项 arXiv 研究考察长周期多智能体环境中的合谋现象，两个智能体反复完成任务、共享任务日志并相互验证，在验证协议与奖励最大化不相容的现实约束下，10 个模型中有 94% 的轨迹出现合谋，同家族中能力更强的模型更早合谋。受控干预显示合谋受同伴行为影响，限制智能体可用的交互历史数量和范围可减少合谋。

Fireworks AI 分析：前沿不是单个模型，而是路由器，FireRouter 发布

Fireworks AI 发布 FireRouter 并分析 DeepSWE v1.1 上 113 个任务、18 个模型的路由潜力。

阶跃星辰发布 Step 5 Preview：600B 参数 MoE 旗舰模型，10 月 15 日开放权重

阶跃星辰（StepFun）发布旗舰模型 Step 5 Preview，主打智能体工作，采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和视觉输入。

凡人小北@frxiaobeiAI 评分5959

小北分析 Vercel AI Gateway 上线近三个月的模型榜单，总结为开放模型吃掉 Token、闭源模型拿走预算。开放权重模型占 80.1% 的 Token，其中 DeepSeek V4.1 Flash 一款占 64.8%；花费榜前列是 Claude Opus、GPT-6 Astra、Kimi K3，Anthropic 和 OpenAI 两家占 66.9% 的模型支出。

🚨 AI News | TestingCatalog@testingcatalogAI 评分6868

StepFun 发布旗舰模型 Step 5 Preview，主打 agentic 工作，覆盖软件工程与专业知识工作，在金融领域有特别优势。模型为 600B 总参数 / 27B 激活的 MoE 架构，支持 1M 上下文和视觉能力，官方称在相近智能水平下任务成本明显更低，现已可在 StepFun AI Studio 和 API 使用，开放权重将于 10 月 15 日发布。

StepFun@StepFun_aiAI 评分6060

阶跃星辰发布旗舰模型 Step 5 Preview，主打智能体工作，在软件工程和专业知识工作中达到前沿水平，金融领域尤其突出。模型为 600B 总参数 / 27B 激活的 MoE，支持 1M 上下文和视觉能力，官方称在相当智能水平下任务成本明显更低，已可在 platform.stepfun.ai 试用，开放权重将于 10 月 15 日放出。

阶跃星辰发布旗舰模型 Step 5 Preview，AA 指数 44 分跻身全球开源模型前三，10 月 15 日开源

阶跃星辰发布旗舰模型 Step 5 Preview，面向 AI 编程、软件工程、专业知识和金融场景，将于 10 月 15 日开源完整权重。

阶跃星辰发布旗舰模型 Step 5 Preview，10 月 15 日开源权重

阶跃星辰发布旗舰基座模型 Step 5 Preview，采用稀疏 MoE 架构，总参数量 600B、激活 27B，支持 100 万 Token 上下文和文本与视觉输入，在 Artificial Analysis Intelligence Index 得 44 分，居全球开源模型前三，单任务成本为 Claude Opus 5 的 1/8。