GPT-6-Astra 解出 50 道物理研究题中的 49 道,单题成本 2.40 美元
GPT-6-Astra 在 OpenAI Codex 环境中解出 TheoPhysEval 基准 50 道理论物理题中的 49 道(98%),平均每题成本不足 3 美元,全程约 116 美元。
推荐理由:报告对比了多款主流模型在理论物理常规研究任务上的表现,并解释强计算能力为何尚未转化为物理突破。
技术方向
模型推理能力的进展:思维链、推理模型、数学与逻辑基准的突破与争议。
54 条精选近 30 天 35 条共收录 330 条
GPT-6-Astra 在 OpenAI Codex 环境中解出 TheoPhysEval 基准 50 道理论物理题中的 49 道(98%),平均每题成本不足 3 美元,全程约 116 美元。
推荐理由:报告对比了多款主流模型在理论物理常规研究任务上的表现,并解释强计算能力为何尚未转化为物理突破。
Project Apertus 发布 Apertus 1.5 的 8B 与 70B 模型(2026 年 7 月 24 日上线 Hugging Face,Apache 2.0 许可),在 Apertus 1.0 基础上新增图像与音频理解、可选思考模式,上下文窗口扩展至 262,144 tokens。
推荐理由:原文完整公开了从数据、训练配方到中间检查点的全流程细节,可作为复现开源多模态模型训练的参考样本。
10 月 15 日消息,上海人工智能实验室访问学者、大湾区大学教授许地生团队依托书生科学多模态大模型 S2,基于“通专融合”技术路径通过人机协同完成三维 Ghys 猜想证明,论文已在 arXiv 发布。
推荐理由:原文展示了人机协同证明数学猜想的完整闭环,读者可了解专家直觉接入机器求解回路这一可迁移的科研范式。
SpaceXAI 发布 Grok Voice 3.0 语音转语音模型,官方称其智能水平全球最高、延迟低于 1 秒,现已通过 API 上线。
推荐理由:原文给出了第三方榜单排名、延迟与成本对比,读者可据此判断该模型在语音智能体场景中的实际竞争力。
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 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 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。
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 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。
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。
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。
GPT-6 Astra Ultrafast 现已通过 OpenAI API 提供,运行在 NVIDIA Blackwell GPU 上,并向符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由:原文给出了 Astra Ultrafast 相对 Standard 模式最高 8 倍的 token 生成速度对比,读者可据此判断其对编码智能体工作流的影响。
Google DeepMind 发布前沿模型 Gemini 4 Argon,面向真实软件工程、法律金融等企业知识工作与网络安全防御,可在长程复杂工作流中维持深度推理。
推荐理由:原文给出输出上限从 64K 提升到 1M token 的关键变化,并附上 Google 内部代码迁移与内存优化的量化结果,可据此判断长程任务工作流的改动幅度。
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型,前者主打规模与成本效率,后者面向高复杂度任务的多步推理。
推荐理由:原文给出两款模型在语音对话质量榜和多项 agent 基准上的具体得分,并说明开发者与企业的分阶段获取入口,可据此评估落地成本。