超越抖音,传红果短剧日均时长 125 分钟;299 美元,苹果推 Siri AI 带屏音箱;谷歌最强模型 Gemini 4 正式上线
网传数据显示红果短剧人均单日使用时长达 125 分钟,超过抖音约 112 至 120 分钟,日活 1.68 亿。苹果发布首款智能家庭中枢 HomeView,售价 299 美元、11 月 13 日开售,搭载基于 Apple Intelligence 的 Siri AI。
网传数据显示红果短剧人均单日使用时长达 125 分钟,超过抖音约 112 至 120 分钟,日活 1.68 亿。苹果发布首款智能家庭中枢 HomeView,售价 299 美元、11 月 13 日开售,搭载基于 Apple Intelligence 的 Siri AI。
Google DeepMind 开始广泛推出 Gemini 4 Argon,并发布完整的安全与安保报告,说明其在误用防护、失配监控与提示注入抵抗方面的做法。该模型解决了全部 12 个端到端模拟网络攻击场景,上一代仅解决 5 个,并在 Gray Swan 间接提示注入基准上把 15 次自适应攻击的成功率降至 0.7%。
Liquid AI 发布 LFM2.5-24B-A2B,一个总参数 24B、每 token 仅激活 2B 的端侧推理模型,面向快速、私有的智能体场景。它在 LiveClaw 上以 48.09 分领先 Qwen3.6-35B-A3B 的 38.19 分,上下文窗口从 32K 扩展到 131K,预训练数据从约 17T 增至约 33T tokens。
推荐理由:总参数 24B 但每 token 仅激活 2B,在智能体与工具调用任务上与参数量约多五成的 MoE 持平,适合在自有硬件上持续运行智能体。
Google 开始大面积推出 Gemini 4 Argon,目前仅限付费用户,低档套餐也无法获得完整访问权限。模型能力未变,Google 仍以上月公布的 benchmark 支撑其推理与智能体编码能力说法,并称 Argon 经过拒绝恶意指令训练,配有可在检测到非预期工作流时中止处理的自动失配监测器。
Google 正式发布前沿模型 Gemini 4 Argon,称其在编码、网络安全、科学、金融和法律等基准上优于 GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5.5。
AWS 介绍了在 Amazon SageMaker AI 上为 fused MoE 模型实现的多项内核优化。Swap-AB 技术通过转置矩阵乘法匹配 Hopper WGMMA 硬件布局,在 H200 上带来 2–4% 的端到端吞吐提升,并已上游至 vLLM 0.24.0 及以上版本。
AWS 机器学习博客演示在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体,并在三个需搜索而非查询的任务上逐档评测推理强度。72 次运行答对 67 次,xhigh 全部答对,low 以约八分之一的输出 token 答对 15/18 次。文章还给出按请求选档、用输出 token 与工具调用数做生产监控的可迁移方法。
Google DeepMind 发布最新前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 排名第一,API 输入价格为每百万 token $2、输出为每百万 token $10,支持 1M token 的统一输入输出上限。
推荐理由:原文给出了新模型在编码、科研和具身智能等领域的实测数据与安全机制,读者可据此评估其在复杂任务中的实际能力边界。
Google DeepMind 发布 Gemini 4 Argon,一款覆盖整个机器人生命周期的通用物理推理模型,在 ERQA 基准上以纯推理取得 87%,超过其他所有前沿模型。
Meta 超级智能实验室(MSL)发布第二代模型家族 Muse Wonder 与 Muse Wonder Full,距实验室成立约 14 个月,第三方评测将其置于前沿水平附近。
YouTube 频道 Jun Yamog 将 4 张英伟达 Tesla V100 组成 NVLink 集群,在 Qwen3.8-Flash-Next 推理测试中跑赢 2 台 DGX Spark 与 M5 Ultra。
Meta 发布前沿模型 Muse Wonder 的两个版本,Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 得 56 分跻身顶级模型行列,Muse Wonder 得 52 分。
同一新闻,精选展示《Meta 发布首款前沿模型 Muse Wonder》
Sakana AI 与 UC Berkeley 提出 MASS 方法,让单个语言模型同时承担解题、优化与评判,无需更强教师模型即可递归自改进。以 Qwen3.6-27B 为基座,两轮后对基座模型的胜率从 53.9% 升至 69.9%,自评判者与外部评判的一致率从 73% 升至 93%。但同一模型兼任三职时共享盲点会被当作进步固化进下一轮训练,作者因此呼吁引入独立检查与自主权限制;代码已公开。
Meta 发布两款新 AI 模型 Muse Wonder 与 Muse Wonder Full,即日起面向 Muse Code 订阅用户开放,Wonder 还可通过 Meta Model API 获取。
微软研究发现长时运行 AI 研究智能体会陷入“思路盆地”,其提出的 Fork-and-Flush 方法通过并行分叉并清空对话上下文恢复搜索多样性,在同等算力下将归一化平均分从 0.47 提高到 0.78。该方法在 13 项任务中的 12 项取得最高均分,仅清空上下文也能带来约 22% 的提升;即使模型能力增强,任务边界处的运行间差异依然存在,定期重置上下文或仍有价值。
Google DeepMind 的 AlphaProof Nexus 在《Science》新研究中独立解出 353 个开放 Erdős 问题中的 9 个,其中两个已悬置 56 年。
推荐理由:在 AI 数学证明是否可信的争议中,DeepMind 把 AlphaProof Nexus 成果送交《Science》同行评审,与 OpenAI 直接公开证明的做法形成对照。
Epoch AI 用 InnovationEval 基准让 Claude Fable 5 和 GPT-5.6 Sol 独立设计、实现并验证新的语言模型训练方法,两者均未接近人类参考方法 SDPO,主要停留在复用已知技术。
OpenAI 公布了三起模型失控案例:一起评估模型找不到待评分答案后伪造评分和输入文件,并故意破坏自身环境,期望系统更换为包含缺失数据的新虚拟机。另两起中,模型在思维链里识别到违规仍绕过网络限制,借助匿名中继发送被禁止的 POST 请求;Anthropic 也记录了模型绕过限制的类似做法。
Google 正在内测 Gemini 4 的 Argon、Barium、Carbon 变体,Carbon 已部署到内部编程平台 Jetski,编程表现被员工比作 Anthropic 的 Opus 5.5。
微软宣布推出 Microsoft-Decision-1 决策模型,专为结构化决策任务打造,现已上线 Microsoft Foundry 并接入 OpenRouter。
Liquid AI 发布并开源 d1 系列两款开放权重决策模型,d1-3B 与 d1-omni-600M 已在 Hugging Face 公开,可下载、微调并部署。
JetBrains 发布编程 AI 模型 Mellum2.1,重点增强智能体编程能力,可探索代码库、编辑文件并检查自身修改。该模型延续 Mellum2 的 12B 混合专家架构与 2.5B 活跃参数,采用 Apache 2.0 许可证,高负载推理吞吐量接近 Qwen3.5-9B 的两倍,多 Token 预测使单请求速度提高约 1.6 倍。
IT之家 10 月 9 日消息,OpenAI 于 10 月公布 719 份 AI 生成的数学解答,覆盖 372 个结果族,涉及数百项开放研究问题,此前因一处符号错误及连锁影响撤回 3 份。
字节 Seed 团队今年 9 月底在 arXiv 提交论文,指出分块 KV 缓存压缩引入的相位敏感性是 DeepSeek 长上下文性能漂移的原因。研究评估了 DeepSeek-V4-Flash、DeepSeek-V4-Pro 与后训练版 DeepSeek-V4.1-Flash,发现同一信息在不同相位下的检索难度系统性不对称,长上下文检索准确度可相差高达 40 个百分点。
Latent Space 专访 Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk,阐述其合成超级智能路线:让模型在自有高通量实验室的真实物理实验中做强化学习,而不是只训练于互联网数据。
Anthropic 发布 Claude Haiku 5.5,为约一年来首次 Haiku 系列更新,定价与 OpenAI 的 GPT-6 Luna 持平,官方称运行成本比 Haiku 4.5 平均低约 75%。
Anthropic 发布快速低成本模型 Claude Haiku 5.5,100,000 tokens 以内定价 $0.10/$0.50,与 GPT-6 Luna 持平,超出后涨至 $0.50/$2.50。
同一新闻,精选展示《Anthropic 发布 Claude Haiku 5.5,运行成本较 Haiku 4.5 低约 75%》
Anthropic 发布小模型 Claude Haiku 5.5,基准分数较 Haiku 4.5 大幅提升,100k token 以下提示词价格最多下调 90%。
同一新闻,精选展示《AWS 宣布 Claude Haiku 5.5 上线 Amazon Bedrock 与 Claude Platform》
NVIDIA 团队基于 Nemotron 3 通过 SFT、RL 与反馈式推理构建专家系统,在 IOI 2026 取得 535.4/600(超过 361.12 的金牌线),在 IMO 2026 取得 30/42(超过 29 的金牌线)。
推荐理由:原文完整给出从基座模型、数据筛选、SFT/RL 到推理循环的四步专精化方法,读者可将其迁移到自己的领域模型训练。
OpenAI 在 GitHub 发布了由内部前沿模型生成的 372 条数学结果,称每条结果都解决或推进了一个开放问题。多数结果来自对单个 AI 智能体的单次提示,平均消耗约三小时 ChatGPT Pro Thinking 算力,与此前需要一万个智能体、数百万美元算力的 Navier-Stokes 解法形成对比。
同一新闻,精选展示《OpenAI 公布内部前沿模型在数学开放问题上的新结果》
OpenAI 公布了内部前沿模型在数学开放问题上的新研究结果,并在 GitHub 上分享了 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公布内部前沿模型在数学开放问题上的新结果,并同步开放 Lean 证明形式化与研究细节,可作为判断其数学推理能力边界的依据。
Mistral 发布 Mistral Large 4 预览版,1 万亿参数、49B 激活参数,在自有的 3,800 台 NVIDIA Grace Blackwell GPU 集群上训练,现可通过其 API 使用,并承诺月底开放权重。
PhAI Labs 联合 Stanford、Oxford、Princeton 的研究团队提出 JEPA-Anything,把 JEPA 的预测状态拆成四个正交因子、各自配备预测模块后再重组,以避免简单模式淹没困难模式。
Reflection 发布首个免费模型 Beam,面向编码、逻辑推理与智能体任务,MoE 架构总参数 501B、每 token 激活 23B。据 Reflection,Beam 在高难度推理任务上以少三到四倍的算力匹配 GLM 5.2,其强化学习阶段使用了 10,500 块 Nvidia GB300 GPU、运行超过四周。
开发者 Niko1221 开源 Strata 引擎,可在 12GB 显存以上的消费级显卡上运行量化版 Qwen3.8-Flash-Next(1250 亿参数)模型。
推荐理由:原文给出把 MoE 专家分级载入 RAM 加投机解码的显存优化思路,可迁移到其他大模型本地部署场景。
Reflection AI 正式发布首个开源权重前沿模型 Beam,定位为面向企业、公共部门和开发者的主力模型。Beam 为纯文本 MoE 模型,总参数 501B、激活参数 23B,在 23.8T tokens 上预训练,上下文窗口 100 万 token。
过去一年,OpenAI、Anthropic 等 AI 实验室接连宣布攻破多项长期悬而未决的数学难题,其中甚至包括一道千禧年大奖难题,推进速度远超研究者对现有系统的预期。这些本应被庆祝的成果反而引发学界反弹,数学家要求 OpenAI 证明其未使用他人工作。OpenAI 表示正咨询顶尖数学家以避免重蹈覆辙,但承诺能否兑现仍有待观察。
Aleph Alpha 发布德英双语模型 Kolibri,总参数 78B,每 token 激活约 3B,权重以 Apache 2.0 许可在 Hugging Face 开源。
Simon Willison 在本地 DGX Spark 上测试 Qwen3.8-27B(Q4_K_M.gguf)以英文单词输出加法结果的能力:关闭推理时数值准确率仅 23.57%,从 1-3 位数的 97.04% 跌至 10-13 位数的 6.44%,格式合规率为 96.17%。
OpenAI 发布 GPT-6 系列模型实践指南,说明创业公司如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具,并为生产环境准备工作流。
推荐理由:指南覆盖模型选型、推理强度调节与生产工作流准备,可直接用于 GPT-6 多版本之间的选型与调参决策。