Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，官方称其为迄今最便宜、最快、能力最强的小模型，平均运行成本比 Haiku 4.5 低约 75%，定价与 OpenAI 的 GPT-6 Luna 持平。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本位置。
#推理
Latent Space精选AI 评分8080 Simon Willison精选AI 评分7878 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低成本模型 Claude Haiku 5.5，定价为 $0.10/$0.50，与上月发布的 OpenAI GPT-6 Luna 完全一致，超过 100,000 tokens 后涨至 $0.50/$2.50，而 Luna 在 272,000 tokens 后仅涨至 $0.20/$0.75。
推荐理由：作者实测了 Haiku 5.5 的定价、分词器与推理档位，并对比 GPT-6 Luna，可据此判断不同用量下的成本差异。
Hugging Face Blog精选AI 评分6262 Liquid AI 开源 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 发布 d1 决策模型家族的两款开源模型 d1-3B 和 d1-omni-600M（实验性），均基于其 LFM 构建，不生成 token 而是在单次前向传播中给出答案。
推荐理由：Liquid AI 开源两款决策模型，给出决策质量、端侧延迟与多模态输入的具体数据，可据此判断边缘场景的可用性。
Hugging Face Blog精选AI 评分6060 Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-精炼推理流程，让模型在 IOI 2026 拿到 535.4/600、在 IMO 2026 拿到 30/42，均超过官方金牌线。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可复用到其他高难领域。
OpenAI News精选AI 评分6262 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 公开 Lean 证明形式化与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果与 Lean 形式化证明，可了解其研究路径。
Simon WillisonAI 评分6262 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，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
The DecoderAI 评分7171 Mistral 发布万亿参数模型 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4（ML4），拥有 1 万亿参数、490 亿激活参数，原生多模态，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、49B 激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数、49B 激活的开放权重模型在编码、智能体与网络安全上的具体评测数字，可据此判断开放权重模型当前的能力边界。
The Decoder精选AI 评分7777 Reflection 发布首个开源权重模型 Beam，主打低算力编码与智能体任务
AI 公司 Reflection 发布首个免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
推荐理由：Beam 以 MoE 架构和超大规模 RL 训练换取低算力成本，读者可据此判断开源模型在编码与智能体任务上的性价比路线。
TechCrunch · AIAI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型并降低推理算力成本
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与中国领先开源模型持平，且推理算力消耗低 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的文本 MoE 模型，预训练使用 23.8 万亿 token，上下文窗口 100 万 token，公司称其性能与 Z.ai 的 GLM-5.2 相当并优于当前西方领先开源模型。
Simon WillisonAI 评分2222 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否仅用英文单词表达整数加法结果，禁用推理时 5,070 个用例的数值准确率为 23.57%，格式合规率 96.17%，但准确率从一至三位数的 97.04% 降至十至十三位数的 6.44%。启用推理后，169 个配对用例中答对 167 个。
MIT Technology Review · AIAI 评分6262 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 DeepMind AlphaGo 核心成员 Thore Graepel 撰文指出，当前大语言模型逐 token 预测加上链式思维，本质上仍是系统 1 式的模式补全，不构成真正的推理。
Latent SpaceAI 评分3434 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 播客中介绍了递归语言模型（RLM）、GPU Mode 与 AI 编写 GPU kernel 的工作。
NVIDIA Blog精选AI 评分7676 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户中开放，运行在 NVIDIA Blackwell GPU 上，token 生成速度最高比 Astra Standard 模式快 8 倍。
推荐理由：原文给出 Ultrafast 模式相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Latent Space精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，支持 100 万 token 输出
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首发仅限政府用户和 Fairwind 计划中的可信网络防御者，开发者与企业访问时间未定。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与可用范围，并列出评测机构与观察者的质疑，便于对照官方口径。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者。
推荐理由：官方披露了 Argon 在编码、企业知识与网络安全防御上的能力与定价，可据此判断前沿模型的分阶段开放路径。
Google ResearchAI 评分3232 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习将奖励对齐的查询扇出编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出，无需测试时 CoT 推理 token。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
METR 研究显示 AI 对科学的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域仅小幅加速，AI 研究本身则无可测量的加速。SPADE 通过自博弈让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，较基线提升 8.1。
Microsoft ResearchAI 评分3838 MindTopo：微软推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭性、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前专有与开源模型在静态识别上明显强于交互式规划，且均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧关系可见时偶有帮助，跨多步操作时仍不可靠。
Berkeley AI ResearchAI 评分3939 从 CUDA 到 MLX：K-Search 如何将数十年内核经验带到 Apple Silicon
Berkeley Sky Lab 团队扩展了进化式内核搜索框架 K-Search，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将现有 CUDA 内核作为知识库自动适配为 Apple Silicon 上的高质量 GPU 内核。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队发布综述，分析并行推理领域进展，重点讨论自适应并行推理——让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。文章指出，顺序推理随探索量线性扩展，会遭遇上下文退化（context-rot）并导致延迟随推理长度成比例增长，复杂任务常需用户等待数十分钟甚至数小时。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习动力学（世界模型）的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度，使长时程规划更实用、更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 交互关系
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，用于在大规模 LLM 中识别关键交互关系。方法以消融为核心，通过移除输入提示词的特定片段并测量预测变化来实现特征归因。随着特征、训练数据和模型组件数量增长，潜在交互数量呈指数级上升，穷举分析在计算上不可行。