Anthropic 发布 Claude Haiku 5.5，价格对齐 GPT-6 Luna

Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万 token 输入 $0.10、输出 $0.50，与 OpenAI 上月发布的 GPT-6 Luna 一致，超过 100,000 token 后涨至 $0.50/$2.50。

Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%

Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小型模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。

Jake Boggan 谈 Barnette 猜想被 AI 证明：24 年心血后的复杂情绪

Jake Boggan 在 Hacker News 评论 openai/math 相关帖子时表示，自己曾为 Barnette 猜想投入 24 年、数千小时，去年夏天还一度以为解决了它，如今该猜想据称已被证明（problem 180）。他说听到消息后有种遥远的悲伤，像得知前女友突然车祸去世，并猜测今晚很多人会有类似的复杂情绪。

OpenAI 公布前沿模型在数学开放问题上的新结果

OpenAI 发布内部前沿模型在数学开放问题上的新结果，并公开 Lean 证明形式化及研究细节。相关材料已发布在 GitHub 上。

Mistral 发布 Mistral Large 4 预览版 Le chonk

Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，基于自有 3800 块 NVIDIA Grace Blackwell GPU 集群训练，目前通过其 API 提供。

Reflection 发布首款开源权重模型 Beam，主打低算力对标 DeepSeek 与 Qwen

AI 公司 Reflection 发布首款免费开放模型 Beam，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿，面向编码、逻辑推理和智能体任务。

Reflection 发布开源权重模型 Beam，对标中国开源模型并称推理算力低 3-4 倍

Reflection AI 发布首款前沿开源权重模型 Beam，称其在高级推理基准上追平 Z.ai 的 GLM-5.2，并比当前领先的西方开源模型表现更好，推理算力用量少 3-4 倍。

DeepMind 研究者提出「人工共生智能」，替代单一超级智能的奇点设想

DeepMind 研究者提出「人工共生智能」（Artificial Symbiotic Intelligence），主张 AI 研究的核心挑战是协调由智能体、人和连接系统组成的复杂网络，而非构建孤立的机器智能。

GPT-6 家族模型选型指南

OpenAI 发布 GPT-6 家族模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备相应工作流。

别被迷惑：LLM 并不会真正推理

前 Google DeepMind 研究员指出，LLM 的思维链并非真正的推理机制，它仍由同一个 next-token 预测过程迭代生成，只是延长了作答前的计算。文章认为当前模型存在三大缺陷：没有显式、持久、可检查的认知状态，知识与推理在神经网络权重中纠缠不清，且思维链常是事后编造。作者主张借鉴 AlphaGo 的搜索架构，为机器推理引入独立的推理机制。

Google 发布 Gemini 4 Argon：基准追平 OpenAI 与 Anthropic，但未取得明显领先

Google 发布新一代前沿模型 Gemini 4 Argon，在 Artificial Analysis 智能指数上以 53 分追平 GPT-6 Astra（max）和 Claude Fable 5.1，但仍落后 Claude Opus 5.5 的 58 分。

OpenAI 称已阻断窃取模型推理链的活动，但 Azure 上仍可复现

OpenAI 称其发现并阻断了一场针对模型推理链的蒸馏窃取活动，该活动 7 月 1 日起低量出现，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，7 月 28 日前已全部关停。

NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast

GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。

Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M token

Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，首批开放给 Fairwind 计划中的政府用户与可信网络安全人员，之后才会向开发者、企业和消费者开放。

Latent Space 对话 MIT 的 Alex Zhang：从 GPU Kernel 到递归语言模型 RLM

MIT 研究者 Alex Zhang 在 Latent Space 播客中详解递归语言模型（RLM），其基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。

CMU 等团队用 16 块 GPU 训练 AI 在 Stratego 上击败顶尖人类选手

卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发出 AI 系统 Ataraxos，在 Stratego 上以 15 胜 1 负 4 平击败被视为史上最强的选手 Pim Niemeijer。Stratego 是信息不完全游戏，棋子身份只在碰撞时揭示，此前连 DeepMind 也未能造出稳定击败顶尖人类玩家的机器。该研究仅用 16 块 GPU 和数千美元完成训练。

AI Night-Scientist：用强化学习训练 LLM 的智能体科研创意

AI Night-Scientist 是一个用强化学习教模型何时以及如何跳出可预测推理的智能体框架，基于行动、过程、结果三个维度用 GRPO 训练。相比基座模型，其科研提案的研究方向范围扩大 27.8%、贡献类型增加 14.9%，预测引用影响最高提升 32.0 个百分点，原创性提升 66.2 分。仅提高解码温度无法复现这些增益，指明追求何种创造力的语义引导才是关键。

NVIDIA 发布开源表格基础模型 Kumo Tabular，在 TabArena 等四项基准排名第一

NVIDIA 发布开源表格基础模型 Kumo Tabular，对带标签表格做单次前向推理即可完成分类和回归，无需训练、调参或特征工程。

SCOPD：面向高效视觉语言模型的稀疏上下文同策略自蒸馏

针对推理型视觉语言模型（VLM）视觉 token 序列过长导致推理昂贵的问题，研究者提出稀疏上下文同策略自蒸馏框架 SCOPD：学生模型基于剪枝后的视觉 token 生成推理轨迹，由拥有完整上下文的教师模型对同一同策略前缀进行监督，无需真实答案、架构改动或额外推理开销。

苹果研究：语言模型树结构表达式序列化的通信瓶颈与往返研究

苹果研究者提出往返协议，用生成器把算术表达式转成文字题、再由独立提取器还原，并以符号等价作为精确判定，测试十六个模型的所有两两组合。结果显示该通道有损且不对称：交换生成与提取模型可使准确率相差最多 60.4 个百分点，最佳组合达 92.9%；至少 73.6% 的失败源于生成端，难度由树结构而非模型家族决定。

Jeeves：基于 Qwen3.5-9B 的推理型 Jev 式决策模型，开源权重与训练代码

PostHog 发布 Jeeves，一个基于 Qwen3.5-9B（LoRA + pointer head）的推理型 Jev 式分类器，采用 SFT 与 CISPO 训练，并配备 block-4 扩散草稿器。

蒸馏防御在强化学习后轻易失效

论文指出，现有蒸馏攻击防御通常只在蒸馏后立即评估，隐含假设攻击者不再继续训练，但更现实的威胁模型包含蒸馏后的强化学习。结果显示，强化学习会降低蒸馏攻击门槛，仅用当前 API 易得数据即可窃取闭源模型推理能力，效果相当于提取完整隐藏推理轨迹的复杂攻击。任何泄露足够信息以重建近似推理轨迹的蒸馏防御都可能失效。

小红书 AllSpark 提出 PACT：从信用分配到 Critic 对齐，SWE-bench Verified 达 67.4%

小红书 AllSpark 团队提出 PACT（Policy Aligned Critic Training），通过三个正则条件唯一确定长程 Agent 的信用分配，并用 BCE 回归有界 Value、采用 Actor-Then-Critic 更新顺序改进 Critic 与策略对齐。

Sebastian Raschka 撰文解析 Jev 文本分类模型：从词袋到 Jev 的技术脉络与实测

Sebastian Raschka 发表长文，梳理从词袋、RNN、CNN 到 BERT、GPT 的文本分类方法历史，并解读 TypeSafe AI 新发布的 Jev 模型。

如何度量同构面板 LLM 辩论中的崩塌与纠正

研究提出一套可审计的同构 LLM 辩论协议，用 transition ledger 记录崩塌、纠正、起始与带符号干预效用。在 6,925 场 MMLU-Pro 辩论中识别出 253 次崩塌，并发现留一模型探针门控冻结虽能阻止 29 次崩塌，却损失 108 次纠正。

Draft-KV：学习语言模型间有用的潜态通信

论文提出 Draft-KV，让共享模型在起草答案时生成 key-value 状态，经线性投影写入侧记忆并由门控注意力分支读取，两模型均冻结，接口仅训练 1.05M 参数。

Imprint Reader：从权重更新读出到行为干预

研究者提出 Imprint Reader，用 Semantic Mount-and-Read Tuning（SaRT）训练模型以自然语言描述冻结的权重更新，在留出更新上知识类 Pass@100 为 2%、行为类为 16%。

从强化学习视角看 OPD：面向样本高效 LLM 推理的最小二乘策略蒸馏

研究者从强化学习视角重新审视 on-policy distillation（OPD），提出 Least-Square Policy Distillation（LSPD）框架，将价值型 RL 中的乐观探索与 off-policy 数据复用引入策略蒸馏。

SEMIFIVE 接获美国 AI 芯片企业订单，开发支持 LPDDR6 的数据中心推理 ASIC

韩国芯片设计服务企业 SEMIFIVE 将为一家美国无晶圆厂 AI 芯片企业开发支持 LPDDR6、PCIe Gen5 的数据中心级推理加速器，这是 LPDDR6 成为 ASIC 片外缓存选择的早期案例之一。该芯片预计 2027H1 流片、2028 年量产出货，订单采用“规格交接”模式，总价约 703 亿韩元，为 SEMIFIVE 史上最大单笔合同，也是其北美首个同类型项目。

Dongxi 东锡 NLP@dongxi_nlpAI 评分4646

You Only Edit Once： 通过局部示例精修激发 LLM 的上下文能力 挑选最佳少样本示例是一种缓慢的 System-2 搜索：组合爆炸，且往往需要反复调用 LLM。 我们把它变成了 System 1。⚡ Jev-LDE，一个 1.7B 的编辑器，扫一眼检索到的示例，只做一次编辑。LLM 只回答一次。 平均 1-shot 准确率 81.2 → 88.1 You Only Edit Once 🧵 动画演示（示意示例）。查询：“How far is it from Denver to Aspen?” 语义 TopK 检索出三个相似示例：“Where is Aspen, Colorado?”（Location）、“What state is Denver in?”（Location）、“Who founded Denver?”（Person）。Jev-LDE，一个 1.7B 的 System-1 编辑器，标记出第一个虽然主题相同但答案类型错误，并输出一个动作：将 S1 替换为候选 C1，“How far is Boston from NYC?”（Number）。冻结的目标 LLM 随后回答“Number”，这是正确的；若不编辑，它会回答“Location”。结尾卡片：在 3 个基准和 4 个目标 LLM 上，平均 1-shot 准确率从 81.2 提升至 88.1，在 48 个设置中有 44 个达到最佳或并列最佳，墙钟时间增加 11%。

为何确定性 PRM 引导在离散扩散推理中表现不佳

研究显示，在同等前向计算预算下，确定性 PRM 引导的离散扩散语言模型推理不如独立采样加 ORM 重排。在 Dream-v0-Instruct-7B 上，GSM8K 每题 8 个候选时前者准确率 65.18%，后者达 75.13%，32 个候选时差距扩大到 12.69 个百分点。作者将其归因于引导阶段信号弱和 PRM 作为最终评判者能力不足，并发布了去噪状态语料与评测工具包。

TaH2：用自适应循环 Transformer 改进测试时扩展

针对循环 Transformer 在测试时扩展上的不足，研究者提出 TaH2，通过前瞻深度监督联合后训练主干网络与迭代决策器，让额外迭代只作用于真正受益的 token。在 AIME 基准上，TaH2 将准确率-算力斜率提升 53%（2.74 对 1.79），同等测试算力下峰值准确率超出非循环基线约 3.4 分；迭代深度从 2 增至 8 时，其增益从 +2.8 分扩大到 +3.9 分。代码已开源。

PReCache：面向 Multi-LoRA 智能体的免训练 KV Cache 共享框架

PReCache 是一个免训练的 KV cache 共享框架，通过 PreLRShared 和 ReBaseShared 两种设计共享基于预训练权重计算的基础 cache，并预计算紧凑的智能体专属低秩（LR）cache。

KVCMAS：多智能体系统共享上下文的 KV cache 高效修正框架

KVCMAS 是一个面向多智能体系统的在线 KV cache 修正框架，用紧凑低秩状态表示跨智能体的缓存偏差，并沿智能体工作流链式修正，无需额外参考预填充。

FlyBy 框架教小型推理模型识别何时思考无效并按需查询更强模型

论文提出 FlyBy，一个选择性查询框架，训练 4B 和 8B 小型推理模型先推理、诊断未解决问题，在知识瓶颈时查询参数知识更强的模型。研究发现自精炼主要把概率质量集中在当前状态已可达的解上，并区分出执行瓶颈与知识瓶颈两类失败机制。

Anthropic 发布 Claude Sonnet 5.5：Terminal-Bench 4.0 得分 70.6%，价格维持 $2/$10

Anthropic 发布 Claude Sonnet 5.5，是 Claude 5.5 家族第二款模型，定位为 Opus 5.5 更快更省的补充，已在 Claude Platform、AWS、Google Cloud 和 Azure 上线。

OpenRouter@OpenRouterAI 评分2525

两周前 TypeSafe 开创了这一品类，现在市场上已有 6 款决策模型，其中包括 2 款免费模型：https://openrouter.ai/models?output_modalities=decisions

Opus 5.5 本周发布，擅长生成讲解视频

Anthropic 的 Claude Opus 5.5 本周发布，社区反馈以正面为主，尤其擅长生成讲解视频。它在 SimpleBench 上以 88.4% 领先，在 Terminal-Bench-Science 上推理强度从 low 的 24% 升到 xhigh 的 62%，max 档反而降到 59%。

SemiAnalysis@SemiAnalysis_AI 评分3030

GLM5.3 稀疏注意力如何影响 HBM 内存使用 GLM-5.3、KV Cache Offloading、HiSparse、AgentX TileRT、 InferenceX DeepSeek Sparse Attention、IndexShare、 Single-rollout Asynchronous Optimization、Cybersecurity https://newsletter.semianalysis.com/p/sparse-savings-persistent-demand-inside-glm53

月球明暗界线悖论：一个用程序解释的视觉错觉

开发者用程序解释"月球明暗界线悖论"：日落时太阳位于地平线以下，月亮被照亮部分本应朝下，但实际常朝上。原因是月亮升高后我们从下方观察，底部露出暗面，月亮越接近满月该现象越明显。作者称 Claude 和 Gemini 在调试中完全无法理解该问题，只会循环论证，认为这显示当前 AI 缺乏推理能力。