Mistral 发布万亿参数 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4，参数规模一万亿、激活 490 亿，已在 Mistral Studio 开放公开预览，权重预计 10 月底发布。
#推理
#推理
今日 4 条The DecoderAI 评分7171 The DecoderAI 评分7272 Reflection 发布 Beam：501B 参数、23B 激活的开源权重模型
AI 公司 Reflection 发布其首个免费开放模型 Beam，这是一个混合专家模型，每 token 激活 501B 总参数中的 23B，主打编码、逻辑推理与智能体任务，用更低算力对标 DeepSeek 和 Qwen 的开源模型。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布首个前沿开源权重模型 Beam，称其在高级推理基准上匹配领先中国开源模型，推理算力用量少 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的文本 MoE 模型，预训练用 23.8 万亿 token，支持 100 万 token 上下文窗口。
Simon WillisonAI 评分2323 Qwen3.8 27B 纯英文单词加法基准测试：关推理准确率 23.57%
针对本地 Qwen3.8-27B-Q4_K_M.gguf 的基准测试显示，在用英文单词输出结果的 5,070 个关闭推理用例中，数值准确率为 23.57%，格式合规率 96.17%。准确率随操作数位数下降，一至三位数从 97.04% 跌至十至十三位数的 6.44%；开启 medium reasoning 的 169 例对比中答对 167 例。
钛媒体AI 评分3838 当AI开始制造AI：从AlphaEvolve到递归自我改进的赛博狂飙
Google的AlphaEvolve用Gemini提出候选程序并自行评价改进，找到的一项优化让Gemini关键计算核加速23%，对应整个训练时间缩短约1%。Anthropic承认完整RSI尚未实现且并非必然实现。Klarna实验发现部分AI生成的更快训练代码无法保证可复现结果，工程师因此将可复现性加入筛选条件。
The DecoderAI 评分2222 DeepMind 研究者提出"人工共生智能"，作为奇点理论的替代方案
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人、智能体及其连接系统组成的复杂网络，而非构建孤立的机器智能。
MIT News · AIAI 评分1818 MIT 教授 Cathy Wu 用强化学习破解交通系统难题
MIT 副教授 Cathy Wu 的研究聚焦用机器学习与强化学习（RL）改进交通等复杂系统。她的团队开发出一种算法挑选适合训练的问题，将训练效率提升最多 30 倍——原本需要 100 个训练模型的场景如今只需 3 个；其生态驾驶研究显示智能控制车速可减少 11% 至 22% 的车辆排放。
AWS Machine Learning BlogAI 评分4343 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，训练数据来自 FRAMES、BRIGHT 和含 50 万+合成企业文档的 Enterprise RAG 数据集。
OpenAI NewsAI 评分4444 GPT-6 家族模型选型指南
OpenAI 发布 GPT-6 家族模型指南，面向初创团队讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
MIT Technology Review · AIAI 评分3636 别被 LLM 骗了：大语言模型并不具备真正的推理能力
前 Google DeepMind 研究员指出，LLM 逐 token 预测加上思维链并不构成真正的推理，因为它没有可检验的显式认知状态、知识与推理在权重中纠缠不清，且思维链常在得出答案后事后编造。他以 AlphaGo 第 37 手为例，说明真正的推理来自策略网络直觉与搜索机制的分工，呼吁借鉴该架构为 AI 建立可维护、可修订的认知状态。
Latent SpaceAI 评分3737 Latent Space 对话 MIT Alex Zhang：从 GPU Kernel 到递归语言模型 RLM 与智能体集群
Latent Space 播客本期嘉宾为 MIT 的 Alex Zhang，他因递归语言模型（RLM）受到关注，其 RLM 框架是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分7272 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 在 NVIDIA Blackwell GPU 上运行，现已面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出了 Ultrafast 相对标准模式的加速倍数与适用场景，读者可据此判断它在编码智能体工作流中的实际提速空间。
Ars Technica · AIAI 评分6060 AI 在隐藏信息的 Stratego 上首次击败史上最强人类玩家
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 名为 Ataraxos，以 15 胜 1 负 4 平击败被认为是有史以来最强 Stratego 玩家的 Pim Niemeijer，训练只用了 16 块 GPU 和几千美元。
Latent Space精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，输出上限达 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划中向政府用户和可信网络防御者开放。
推荐理由：梳理 Gemini 4 Argon 的完整基准表现与定价，可对比它和 GPT-6 Astra 在成本与 token 效率上的取舍。
爱范儿AI 评分7474 Gemini 4 Argon 正式发布，写作与知识能力领先编程
Google 正式发布 Gemini 4 Argon，目前仅通过 Fairwind 计划向少量网络安全合作伙伴开放，官方称后续先向付费 API 用户和 Google AI Ultra 订阅者开放。
NVIDIA Developer BlogAI 评分2020 用 NVIDIA Dynamo-Triton 部署 HSTU 生成式推荐系统
面向大规模个性化场景的生成式推荐系统（GR）把推荐重构为对用户行为的序列建模，用户的交互、上下文、候选物品和动作都被当作高基数事件流中的 token。NVIDIA 介绍如何用 Dynamo-Triton 部署 HSTU 生成式推荐模型。
MIT News · AIAI 评分4343 MIT 等团队开发 Ataraxos，在 Stratego 上击败世界顶尖人类选手
MIT、卡内基梅隆、NYU 和斯坦福的研究者开发出 AI 系统 Ataraxos，在隐藏信息的棋盘战争游戏 Stratego 中以 15-1-4 击败世界最强人类选手，并在世界锦标赛顶级选手中取得 39-2 战绩，此前无 AI 系统做到。
雷峰网AI 评分5252 Kimi 和 DeepSeek，为什么出现在同一张模型架构图里？
雷峰网梳理大模型 Attention 架构从分流到重组的变迁：GLM-5.3-Flash 的 45 层架构中，34 层采用 Kimi 路线的 KDA 线性注意力，11 层采用 DeepSeek 路线的 KPool-DSA 稀疏注意力。
爱范儿AI 评分4747 OpenAI DevDay 2026 发布 20 多项更新：GPT-6.1 Sol 价格仅为 Astra 五分之一，常驻智能体 dots 亮相
OpenAI 在 DevDay 2026 一次性公布 20 多项更新，推出可全天候运行的常驻智能体 dots 和 GPT-6.1 Sol。GPT-6.1 Sol 官方称智能水平接近 Astra，标准输入输出 Token 价格仅为后者五分之一，API 定价为每百万 Token 输入 2 美元、输出 10 美元。
Ahead of AI · Sebastian RaschkaAI 评分5656 从词袋到 Jev：Sebastian Raschka 梳理文本分类技术史并实测 Jev
Sebastian Raschka 撰文梳理文本分类从词袋模型、朴素贝叶斯、RNN、CNN 到 BERT、GPT、T5 的演进，并实测了 TypeSafe AI 新发布的分类模型 Jev。
爱范儿AI 评分7373 AMD 以约 82 亿美元全股票收购李飞飞创办的 World Labs
AMD 正式宣布以全股票方式收购李飞飞创立两年的 World Labs，作价约 82 亿美元，双方已签署最终协议，预计 2026 年底前完成交易，仍需监管批准。
Simon WillisonAI 评分6464 Anthropic 发布 Claude Sonnet 5.5
Anthropic 发布新 Sonnet 模型 Claude Sonnet 5.5，官方称其运行速度快 30% 以上、多数工作成本最多降低 30%，定价与 Sonnet 5 相同，但在各项基准上表现更好。
Latent SpaceAI 评分4545 Runway 的 WorldPrompt 与实时世界模型工程
Runway 本月早些时候发布研究预览版 GWM Worlds 2，可将高保真视频与音频生成变为实时交互式模拟，并引入新输入格式 WorldPrompt，用于固定环境部分要素并按时间戳指定实时事件。
Hugging Face BlogAI 评分3636 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，视觉语言模型推理最高提速 3.13 倍
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，通过投机解码在不改变输出质量的前提下实现最高 3.13 倍设备端解码加速、H100 上 2.66 倍，端到端分别最高 2.62 倍和 2.27 倍。
Latent SpaceAI 评分6868 TypeSafe AI 发布 System 1 模型 Jev，Diogo Almeida 谈 RLCD 与面向代码的智能
TypeSafe AI 发布首个大型可编程 System 1 模型 Jev，官方称其以每美元智能（intelligence per dollar，取自 Jevons Paradox）为优化目标，面向代码而非聊天。
NVIDIA BlogAI 评分4848 NVIDIA Vera Rubin NVL72 首秀 MLPerf Inference v6.1，性能领先
NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1，在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者主打规模化与成本效率，后者面向高复杂度任务，支持边推理边说话。
推荐理由：官方给出两款语音模型的基准分数、价格定位与开放渠道，可据此判断语音智能体的选型与部署时机。
NVIDIA Developer BlogAI 评分1818 NVIDIA Groq 3 LPX 确定性执行如何驱动 NVIDIA Vera Rubin 上的高能效高交互推理
NVIDIA 详解 Groq 3 LPX 的确定性执行机制，说明其如何在 NVIDIA Vera Rubin 平台上实现高交互推理的能效提升。文章指出，AI 工厂的核心约束是功耗，因此每瓦性能而非原始吞吐量才是衡量 AI 平台价值的标准。平台各组件需在有限功耗预算内最大化输出。
Hugging Face BlogAI 评分4242 TRL v1.14 用 Storage Bucket 替代 NCCL 实现 LoRA 异步 GRPO 训练
TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，训练与推理可跑在各自独立的 HF Jobs 上。
Ahead of AI · Sebastian RaschkaAI 评分6565 GPT-6 Astra、循环 Transformer 与隐藏思维链
Sebastian Raschka 结合 GPT-6 Astra 的基准表现与计算机使用能力，详细解释循环 Transformer 复用同一组 Transformer block 的机制，并评估 The Information 关于 Astra 使用循环 Transformer 并隐藏思维链的报道。
NVIDIA Developer BlogAI 评分3030 前沿推理走向边缘：如何在 NVIDIA Jetson 上部署并优化模型
NVIDIA 介绍如何在 Jetson 边缘硬件上部署并优化前沿推理与智能体模型。此前具备多步推理能力的模型体积过大，无法在边缘本地运行，开发者只能把推理绕经数据中心，带来网络依赖、成本上升和本可留在设备上的数据外泄风险。NVIDIA 表示这一限制正在被解除。
Hugging Face BlogAI 评分3232 用 100 步 GRPO 微调 LFM2.5-350M，提升结构化输出合规性
一份公开教程用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，就把 IFStruct 基准成绩从 22.6% 提升到 29.7%。
MIT News · AIAI 评分1717 从 MIT 到 IBM：三位研究者如何加速 AI 与量子部署
三位曾任职 MIT-IBM Computing Research Lab 的研究者现于 IBM 推进 AI 与量子研究：张伟宏（Zhang-Wei Hong）研究面向智能体的测试时训练与企业级智能体框架，Irene Ko 开发 vLLM Hook 插件，通过访问模型隐状态分析提示词注入与幻觉风险；Srinivasan Arunachalam 则从学习理论出发寻找量子加速算法。
NVIDIA Developer BlogAI 评分3030 NVIDIA 如何用推测解码协同设计 AI 模型以加速 LLM 推理
NVIDIA 在 AI 模型协同设计系列第三篇中，探讨如何用推测解码在保持精度的前提下加速 LLM 推理。文章给出五条指南，用于在帕累托前沿上选择 draft 长度与 draft 机制。
MIT News · AIAI 评分4343 MIT 与 Motional 提出 CW-Net，帮人类预测自动驾驶汽车何时会犯错
MIT 与自动驾驶公司 Motional 提出 Concept-Wrapper Network（CW-Net），可将自动驾驶深度学习规划器的内部推理翻译为“接近停驻车辆”“靠近骑行者”等可理解概念。该模块在 1.3 亿个自动驾驶场景样本上训练，不改动原模型驾驶性能，实测帮助安全员更准确预测车辆行为。研究发表于 Nature。
Hugging Face BlogAI 评分3838 Hugging Face 推出 BenchMIRT：审计 LLM 基准到底测了什么
Hugging Face 发布 BenchMIRT，一种在单条题目层面审计 LLM 基准的方法，基于多维 IRT 从 100 个 LLM、16 个基准、超 34K 道题的评测结果中自动分离出安全与通用推理两个维度。
NVIDIA Developer BlogAI 评分2424 如何为 AI 推理和 TCO 合理配置 GPU 而不超支
NVIDIA 发文讨论企业如何为 AI 推理负载合理配置 GPU 并优化总拥有成本（TCO）。文章指出，面对延迟目标、模型选择、流量模式和预算约束的复杂组合，组织在 GPU 选型上容易迷失方向。
NVIDIA Developer BlogAI 评分2727 NVIDIA Dynamo 推出影子引擎恢复，LLM 推理故障可秒级恢复
NVIDIA Dynamo 推出预览功能影子引擎恢复，让 LLM 推理引擎进程故障后无需冷重启即可在数秒内恢复容量。传统冷重启需从存储加载权重到 HBM、编译 kernel 并捕获 NVIDIA CUDA graphs，大模型初始化耗时数分钟。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露 Granite 4.2 的三档规模、五阶段预训练与分阶段 RL 流程，可对照理解推理模型的后训练工程。
Hugging Face BlogAI 评分5353 Multiverse Computing 提出 QAH：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出量化感知修复（QAH）：不再从恢复后的 bfloat16 checkpoint 蒸馏，而是直接从压缩前的原始模型蒸馏，教师与学生架构和精度均可不同。