AI 攻克数学后，下一个目标是什么？
MIT 研究显示，2024 年中至 2026 年中，最强 AI 模型在概率、统计理论、经济理论、高能理论、引力与宇宙学及量子物理等领域的理论问题解题率从约 2% 升至约 35%。
#推理
Wired · AIAI 评分5050 The DecoderAI 评分5959 OpenAI 今年或发布一到两款新模型，旗舰模型仍需对齐工作
据 The Information 援引知情人士，OpenAI 员工称公司年底前可能发布一到两款新模型，但正在开发的重大升级旗舰模型是否在列尚不清楚。该旗舰模型仍需对齐工作，并要完善测试基础设施，之后还需按特朗普行政令提前最多 30 天向美国政府开放新模型。
Hacker News · AIAI 评分4949 Intel D270 GPU AI 加速器发布：最高 480 GB LPDDR5X
Intel 推出面向智能体 AI 推理的 D 系列 GPU D270，单卡最高 480 GB LPDDR5X 显存，功耗 350W 风冷，配备 32 个 Xᵉ3P 核心和 256 个 XMX 矩阵引擎。该卡采用标准 PCIe 5.0 形态，支持 vLLM 与 PyTorch，无需 HBM 和液冷改造，面向长上下文 RAG、企业助手与高并发推理等场景。
MarkTechPostAI 评分6464 Liquid AI 发布 LFM2.5-24B-A2B：面向端侧智能体的 2B 激活 MoE 模型
Liquid AI 发布开源权重模型 LFM2.5-24B-A2B，为 24B 参数 MoE 架构，每 token 约激活 2B 参数（模型卡精确值 2.45B），上下文窗口 131,072 token，定位笔记本电脑和小型 PC 上的本地智能体推理。
MarkTechPost同新闻AI 评分7979 Google 发布 Gemini 4 Argon API，单次输出上限提升至 1M token
Google DeepMind 将 Gemini 4 Argon 面向开发者、企业和付费 Gemini 用户开放，这款稀疏 MoE 前沿模型支持文本、图像、音频和视频输入，单次响应最多可输出 1M token，此前 Gemini 模型为 64K。
雷峰网AI 评分5858 宾大茅佳源在 IROS 2026 分享 RAPID 框架，真机泛化成功率提升至 83%
在 IROS 2026 上，UPenn、MIT 与 Stanford 联合团队的茅佳源分享了具身智能数据困局的研究：单次人类演示即可泛化执行多种非抓取任务的 RAPID 闭环框架，并提出诊断视觉与动作脱节的 TR 指标。
Simon WillisonAI 评分6767 Meta AI 发布 Muse Wonder 模型，llm-meta-ai 插件更新至 0.2
Meta AI 发布新模型 Muse Wonder 与 Muse Wonder Full，称其为自家最强模型。Simon Willison 将 llm-meta-ai 插件更新至 0.2 以支持新模型，并给出 minimal、low、medium、high、xhigh、max 六档推理级别的测试。
MarkTechPostAI 评分6666 Meta 发布 Muse Wonder 与 Muse Wonder Full，公开基准、定价与用法
Meta 发布 Muse Wonder 和 Muse Wonder Full 两个面向长时智能体任务的模型，覆盖编码、法律、金融和计算机操作，支持 100 万 token 上下文与文本、图像、视频、音频输入。
Google DeepMind精选AI 评分9191 Google DeepMind 发布 Gemini 4 Argon，面向开发者与企业开放 API
Google DeepMind 发布前沿模型 Gemini 4 Argon，今日通过 API 在 AI Studio 和 Gemini 平台向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini 应用和搜索 AI Mode 使用。
推荐理由：Gemini 4 Argon 的完整能力清单与开放入口，可用于比较各前沿模型在编码、科研与安全对齐上的差异。
Google DeepMind同新闻AI 评分8383 Google DeepMind 发布 Gemini 4 Argon，面向机器人物理推理
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
Hugging Face Blog精选AI 评分7575 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧运行、可调用工具的智能体。它在 LiveClaw 上得分 48.09，高于 Qwen3.6-35B-A3B 的 38.19，在 8 项工具使用与智能体基准中 5 项领先或持平。
推荐理由：LFM2.5-24B-A2B 用 2B 激活参数对比更大 MoE 的端侧成绩与推理速度，可作为端侧智能体选型的参考。
The Verge · AI精选AI 评分8484 Google 发布 Gemini 4 Argon 模型
Google 正式发布 Gemini 4 Argon 模型，称其在编程、网络安全、科学、金融和法律等多项基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5，并减少了回避、重复和套话。
推荐理由：Gemini 4 Argon 的定价仅为竞品约五分之一，读者可据此判断前沿模型的成本竞争格局。
AWS Machine Learning BlogAI 评分3535 Amazon SageMaker AI 上的 Mixture-of-Experts 内核工程优化
针对 NVIDIA Hopper 上 MoE 解码阶段 batch 过小导致 WGMMA 利用率低的问题，Swap-AB 将专家输出维度（N=8192）提升为首操作数，在 H200 上为大 型 MoE 模型带来 2–4% 端到端输出吞吐提升，该优化已合入 vLLM 0.24.0 及更高版本。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长周期智能体
AWS 官方博客介绍在 Amazon Bedrock 上通过跨区域推理配置使用 SpaceXAI 的 Grok 4.7 构建工具调用智能体，该模型支持低、中、高、xhigh 四档推理强度和 500K token 上下文窗口。
推荐理由：给出 Grok 4.7 各级推理强度在智能体任务上的正确率与 token 消耗实测，可供按请求选档参考。
The DecoderAI 评分7474 Google DeepMind 的 AlphaProof Nexus 解决数十个公开数学问题，成果经同行评审
Google DeepMind 的 AlphaProof Nexus 自主解决了数十个公开数学问题，相关研究发表在 Science 上。它解出 353 个 Erdős 问题中的 9 个，其中 2 个已悬置 56 年，另证明 OEIS 数据库中的 44 个猜想、解决代数几何中的一个开放问题，并改进了 min-max 优化中一个已知界。
The DecoderAI 评分7171 Anthropic 称新防御将 Claude 推理 token 被提取量削减最高 99%
Anthropic 表示针对 Claude 的大规模知识蒸馏攻击，其新防御措施将推理 token 被提取量削减了 90% 至 99%，成功蒸馏尝试在其防御上线后大幅下降。
Latent Space同新闻AI 评分7878 Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，距该实验室成立约 14 个月，定位为个人与专业 Agent 任务的 SOTA。
MarkTechPostAI 评分6262 Z.ai 发布法律模型 GLM-Legal，Harvey LAB 得分 19.17% 超 Claude Fable 5 和 Kimi K3
Z.ai 发布基于 GLM-5.3-Flash 的法律 AI 模型 GLM-Legal，定位合同审查、证据分析和合规研究等智能体法律工作。它在 Harvey 的法律智能体基准 LAB 上通过率 19.17%，远高于基座的 6.67%，在 Vals AI 排行榜 79 个模型中排第 7，单次测试成本 0.15 美元，低于 Claude Fable 5 的 19.23 美元。
TechCrunch · AI同新闻AI 评分8080 Meta 发布首款前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，这是其首次尝试前沿模型，据 Meta 测试其基准分数与 Fable 5.1 和 GPT-6 Astra 相当。
Meta Newsroom · AI精选AI 评分8686 Meta 发布 Muse Wonder 与 Muse Wonder Full 智能体前沿模型
Meta 发布 Muse Wonder 系列两款模型 Muse Wonder 和 Muse Wonder Full，称其面向个人与专业智能体任务，覆盖法律、金融、健康等领域及编码场景。
推荐理由：Meta 发布 Muse Wonder 系列并给出 Active Memory、Active Focus 两项能力，读者可据此判断其在智能体任务上的定位。
The DecoderAI 评分6868 微软研究：清空对话历史让 AI 智能体找到更好解法
微软研究发现，长时间运行的研究型 AI 智能体即使增加算力也会陷入表现平台期，同一任务八次独立运行的最终得分从 68.3 到 100.0 差异明显。
AWS Machine Learning BlogAI 评分3030 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 发布适配 llama.cpp 的深度学习容器（DLC），可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管量化模型推理，并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
AWS Machine Learning BlogAI 评分3838 用 Ray LLM Deep Learning Containers 在 Amazon EKS 上运行多节点推理
AWS 发布面向多节点部署的 Ray LLM Deep Learning Containers，可在 Amazon EKS 上用两个 GPU 节点部署单个 LLM，将 prefill 与 decode 阶段分置于两台 g6.8xlarge 上，并对外暴露一个 OpenAI 兼容端点。
Artificial Analysis精选AI 评分8080 Meta 发布 Muse Wonder 与 Muse Wonder Full，Intelligence Index 最高 56 分
Meta 发布 Muse Wonder 与 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 上最高推理强度得分分别为 52 和 56，高于 6 周前 Muse Spark 1.3 (max) 的 48。
推荐理由：对比同门新旧模型与其他旗舰的 Intelligence Index、token 消耗和单价，可快速判断这代 Meta 模型的性价比位置。
InfoQ · AI/ML/数据/工程AI 评分6262 Context Language Models：让语言模型自管上下文以提升性能并降低算力成本
Meta、MIT 和华盛顿大学的研究者提出 Context Language Models（CLMs），让语言模型像编辑文件一样自行改写、压缩和整理上下文，替代摘要、压缩、外部记忆等预设机制。
Latent SpaceAI 评分3939 Standard Bots 如何为工业机器人构建可靠执行的 AI
Standard Bots 用共享基础模型加客户演示微调，靠零样本感知系统完成机器上下料等短周期任务，最大模型参数仅数十亿，推理全部本地部署在边缘 GPU 上。其感知骨干网络基于超 10 亿张图像训练，负责识别零件，运动与单元逻辑仍用传统编程，训练在云端、推理在工厂内完成。
MIT Technology Review · AIAI 评分4040 我们高估了 AI 拒绝有害请求的能力
MIT Technology Review 刊文指出，AI 的拒绝机制正成为安全布局的承重墙，却因概率性而难以可靠。OpenAI 曾招募数十名红队成员用数千条查询测试 ChatGPT，结果部分有害请求仍被拒绝、部分则未被拦下。文章警告，拒绝失效可能造成灾难性后果，而拒绝范围过宽则可能被用来压制合法言论。
Latent SpaceAI 评分4242 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在播客中提出“合成超级智能”，主张 AI 科学发现不能只靠更多互联网数据训练，而要让模型在真实物理实验中学习。他们介绍了以强化学习结合物理实验、AI 材料表征、DFT 与高通量实验室构建材料发现闭环的思路，并称自动化实验有望把数十年的试错压缩到几个月。
MIT Technology Review · AIAI 评分3636 MIT Technology Review：机器人领域的 AI 突破短期内不会改变你的生活
MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克称 Tesla Optimus 未来能以 2 万美元单价自动化几乎所有人类劳动、并预测 2027 年底前向公众发售，但许多机器人研究者对此持怀疑态度。
Hugging Face Blog精选AI 评分7070 Liquid AI 发布 d1-3B 与 d1-omni-600M 端侧决策模型
Liquid AI 在 d1 决策模型家族下开源 d1-3B 和实验性 d1-omni-600M 两款模型，两者均为开放权重并已上线 Hugging Face。
推荐理由：Liquid AI 开源两款决策模型，给出了端侧与 GPU 延迟实测和七项基准对比，可据此判断小模型做实时决策的可行性。
Hugging Face BlogAI 评分5757 Nemotron 微调在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队以 Nemotron 3 为基础，通过 SFT、RL 与反馈驱动推理分别构建 IOI 和 IMO 专项模型，在 IOI 2026 取得 535.4/600、IMO 2026 取得 30/42，均超过金牌线。
Artificial Analysis精选AI 评分7676 Anthropic 发布 Claude Haiku 5.5，智能指数得分 43
Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis Intelligence Index 上得分 43，比上一代 Haiku 提升 26 分。
推荐理由：Artificial Analysis 用自建基准横向对比 Haiku 5.5 与同级小模型，可据此判断小模型的能力与成本取舍。
Mistral AI精选AI 评分7878 Mistral AI 发布 Mistral Large 4 公开预览
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、52 亿激活参数的原生多模态模型，权重将于本月底开放。官方称其在编码、智能体工作流和多模态理解上表现突出，其中视觉 grounding 的 Dense 200 得分为 42%，超过 GPT-6-Astra 的 41%。
推荐理由：Mistral 官方给出 ML4 的参数规模、开放权重计划与多项基准对比，可据此判断开放权重模型的前沿位置。
Import AIAI 评分2020 Import AI 475：蜂群扩展、Google DeepMind 为生物序列加水印、AI 科学经济
Google DeepMind 推出 SynthID Bio，一套面向合成生物学的加水印方法，可在氨基酸序列和预测 3D 结构中嵌入可检测信号，在 VEGF-A、SARS-CoV-2 spike protein RBD、PD-L1 三个靶点的湿实验中，水印设计与未加水印版本在命中率、结合亲和力和序列多样性上持平。
Google DeepMind精选AI 评分8989 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 向可信网络安全防御者开放，并将逐步扩展至开发者、企业和消费者。
推荐理由：Gemini 4 Argon 公布输出上限与多项基准成绩，可据此判断前沿模型在长程编码与企业工作流上的位置。
Artificial Analysis精选AI 评分6262 韩国 Upstage 发布 Solar Mini 4 推理模型，Intelligence Index 得分 24
韩国 AI 实验室 Upstage 发布专有推理模型 Solar Mini 4，在 Artificial Analysis Intelligence Index 上得分 24，较上一代旗舰 Solar Pro 3 的 8 分高出 16 分。
推荐理由：Artificial Analysis 用统一基准拆解 Solar Mini 4 的智力分数、成本与缓存命中，可看清小激活参数模型的性价比边界。
Google ResearchAI 评分4343 Google 研究提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，通过一个轻量“转向阻尼器”网络在冻结基座模型的前提下动态调整生成轨迹。
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 和 Gemini 3.8 Live Extended Thinking。
推荐理由：两款实时语音模型分别面向规模化与高复杂度任务，并给出多项语音评测成绩与开放入口。
Mistral AIAI 评分3333 Mistral 与 HUMAIN 达成战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布达成战略合作，覆盖 AI 基础设施、先进模型开发与 AI 解决方案部署，金额达数亿欧元，初期聚焦网络安全与语音，并计划开发阿拉伯语表现优异的前沿模型。Mistral 将探索使用 HUMAIN 数据中心基础设施，双方还计划在沙特面向受监管行业制定联合市场策略。
Berkeley AI ResearchAI 评分5757 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 合作，把 K-Search 演化式内核搜索框架扩展到 Apple Silicon，并加入结构化 CUDA-to-MLX 翻译层来迁移已有 CUDA 内核经验。