Liquid AI 发布多模态决策模型 d1-ultra，AA Decision Index 得分 65
Liquid AI 发布决策模型 d1-ultra，可读取文本、图像或两者，对带类型的问题返回每个可能答案的概率，一次前向传播完成且不生成输出 token。
#推理
#推理
今日 13 条MarkTechPostAI 评分5858 Latent Space精选AI 评分7878 Goodfire 称智能体分析推翻多义性假设，多数神经元可读
Goodfire 的 Nick Cammarata 发布文章提出“神经网络本已干净”，认为多数神经元可读，许多著名的多义性与叠加案例属于误读，其 2023 年在 OpenAI 的自动可解释性工作当时仅约 2% 神经元可读。
推荐理由：Goodfire 提出多数神经元可读、多义性多属误读，并汇总 Muse Spark Open 等模型发布与推理系统进展。
arXiv · cs.AIAI 评分5858 AutoOnboarder：自动为 LLM 智能体做入职适配
论文提出 AutoOnboarder，让一个 Onboarder 编码智能体在仅有数十个示例的条件下，迭代调整基础模型、提示词和 harness 源码，以同时提升性能并降低成本，评估数据隔离在独立虚拟机上防止泄漏。
MarkTechPost精选AI 评分8080 Meta 发布 Muse Spark Open：816B 开源权重 MoE，支持 1M 上下文
Meta Superintelligence Labs 发布 Muse Spark Open，这是 Muse Spark 的开源权重版本，816B 参数 MoE 架构、每 token 激活 42B，支持文本、图像、视频、音频输入，上下文窗口 1M token。
推荐理由：Meta 开源 816B MoE 多模态模型，权重与部署方案一并放出，可对照其与 Kimi K3、GLM 5.3 的基准差距。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分8888 Meta 发布 Muse Spark Open：816B 参数开源多模态 MoE 模型
Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，支持文本、图像、音频和视频输入并输出文本。
推荐理由：Meta 开源 816B 参数 MoE 多模态模型，支持文本图像音频视频输入，附 vLLM、SGLang、llama.cpp 部署与 TRL 微调配方。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 IBM 发布 Granite Switch 4.1：单一端点同时支持对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在基座模型上组合通用决策 aLoRA、Guardian 安全决策 aLoRA 以及 OpenASR 榜单上最快的 ASR 模型 Granite-Speech-5.0-Turbo-CTC，全部能力共用一个托管端点，GPU 显存占用与基座模型单独运行大致相当。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，显存占用接近基座模型，可了解多能力复用 KV cache 的部署思路。
量子位AI 评分6060 蚂蚁百灵开源 Ling-3.1-flash，主打真实工作流任务
蚂蚁百灵开源推出 Ling-3.1-flash，定位高智效比专业模型，主打把真实工作流里的任务做完。
MarkTechPost精选AI 评分8080 NVIDIA 发布 Nemotron 3.5 Super VL，120B 开源多模态智能体模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数、每 token 激活 12B 的 MoE 开源视觉语言模型，可读取文本、图像、文档和视频，并在同一模型内完成推理、工具调用和写代码。
推荐理由：NVIDIA 开源 120B 多模态智能体模型，单卡可跑 NVFP4 版本，并附数据集与训练配方。
arXiv · cs.AIAI 评分5151 arXiv 论文：放开轮次限制后，开源权重模型在 CTI-REALM 上追平闭源模型
一项 arXiv 论文在 CTI-REALM 基准上评测了 26 个模型（19 个开源权重、7 个闭源），使用统一的 harness、评分器和 LLM 评审组，发现只要给足轮次，开源权重模型能以不到闭源最强模型十分之一的成本达到相当水平。
Hacker News · Front PageAI 评分6060 作者用 5240 个变体测试 14 个决策模型如何回答电车难题
作者 Zach Landes 用 14 个决策模型（含 Jev、OpenAI Decisions API 的 GPT-6 Luna 及 11 个本地模型）在 5240 个提示词变体上测试电车难题，发现多数模型在自身服务器与 20 条人命之间会选择保住服务器。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的程序执行过程，并生成约 12 毫秒即可验证的短证明。它在笔记本上每秒可证明 720 万至 870 万条 RISC-V 处理器指令，在 15 个基准程序上平均比现有最快的 zkVM 快 10 至 39 倍，在代币转账基准上比另外两个系统快 300 倍以上。
推荐理由：微软研究院发布 zkVM 系统 Magnetar，用标准哈希函数证明 Rust、Go、C 程序执行，速度较同类系统提升 10 至 39 倍。
Hacker News · Front Page精选AI 评分8383 神经网络本就是干净的：一项对叠加假说的重新检验
作者在数月研究图像与语言模型神经元后提出，此前被视为多义性与叠加假说的典型证据多被误读，网络把概念任意打包的现象主要是递归泛化，即神经元沿多个方向生长出相关分支。
推荐理由：作者用图像与语言模型的神经元实验反驳叠加假说，提出递归泛化解释，并给出可复现的观察方法。
The Decoder精选AI 评分8383 GPT-6-Astra 在理论物理基准中解出 50 题中的 49 题，单题成本不到 3 美元
一项新基准测试让商用 AI 智能体在无人工提示下解理论物理研究题，GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。
推荐理由：一份理论物理论文基准显示，GPT-6-Astra 在 Codex 中解出 50 题中的 49 题，单题成本不到 3 美元，并讨论了 AI 对物理研究训练与资源分配的影响。
web-github-trending 精选AI 评分7676 LightSeek 发布开源推理引擎 TokenSpeed，控制面与执行面分离
LightSeek Foundation 发布开源 LLM 推理引擎 TokenSpeed，面向智能体负载，目标是在生产场景提供 TensorRT-LLM 级性能与 vLLM 级易用性。
推荐理由：面向智能体负载的开源推理引擎，控制面与执行面分离，已适配 Qwen、Kimi 等模型并给出吞吐数据。
Hacker News · Front PageAI 评分7474 Liquid AI 发布 LFM2.5-24B-A2B，面向端侧智能体
Liquid AI 发布 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是 LFM2.5 家族中最大也是最后一款模型，定位在设备本地运行快速、私密的智能体。
Netflix Tech BlogAI 评分7171 Netflix 如何构建、对齐并监控大规模 LLM-as-a-Judge
Netflix 技术博客介绍其推荐解释场景下的 LLM-as-a-Judge 全生命周期，分为基准数据构建、训练对齐、部署和人工监控四个阶段，核心原则是让评审模型始终锚定在人工判断上。
Netflix Tech BlogAI 评分6060 Netflix 如何把自研基础模型接入个性化推荐应用
Netflix 技术博客介绍将自研个性化基础模型接入生产系统的三种集成方式：通过 Embedding Store 消费用户与内容嵌入向量、把基础模型解码器作为下游模型子图、以及用领域数据微调后直接驱动产品，三者均已用于不同线上场景。
Hacker News · Show HNAI 评分6060 Upright 发布 Eevo-1 后果决策模型，为 AI 智能体提供期望值判断
芬兰公司 Upright 发布 Eevo-1，称其为面向 AI 智能体的后果决策模型，输入决策背景、选项和相关方，输出每个相关方期望值最高的选项及校准概率。它通过 MCP、API 和控制台提供，默认模式一次决策约 5 秒、约 0.20 美元，直接模式为亚秒级响应，输入 token 定价 2.50 美元每百万、输出免费，新账号含 5 次默认模式与 50 次直接模式免费额度。
WIRED · AIAI 评分6262 MIT 研究：AI 在理论物理等领域的解题率两年内从 2% 升至 35%
MIT 的 Neil Thompson 与 Gabriel Manso、Claudio Mayrink Verdun 合作的研究显示，2024 年中至 2026 年中，最好的 AI 模型在概率、统计理论、经济理论、高能理论、引力与宇宙学、量子物理等领域理论问题上的正确解题率从约 2% 升至约 35%。
Hacker News · Show HNAI 评分6767 dlgo 发布纯 Go 本地推理项目，支持 LLM、视觉与扩散生成
dlgo 是一个用纯 Go 实现的本地推理项目，可在 CPU 或 Vulkan GPU 上运行 GGUF 模型，无需 Python、CUDA 或外部推理运行时，通过 go install github.com/computerex/dlgo/cmd/dlgo@latest 安装。
Hacker News · Show HNAI 评分7272 topoloop 发布离线 0.8B 旅行智能体 Finch，在 OpenStreetMap 问答上追平 Gemini 3.8 Flash
topoloop 发布开源权重模型 Finch（0.1-0.8B），在自建评测 Ask Maps Basic 的 100 道旅行问题上正确率追平 Gemini 3.8 Flash，接地性得分 79 领先 Gemini 的 12，完全离线运行在手机端 OpenStreetMap 索引上。
The DecoderAI 评分6262 OpenAI 据称年底前发布一到两款新模型，旗舰仍需对齐工作
据 The Information 援引知情人士，OpenAI 员工称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是否在其中尚不清楚，该模型仍需对齐工作并完善测试基础设施。
Hacker News · Show HNAI 评分6262 The Forecasting Company 开源 256M 时间序列预测模型 t0
The Forecasting Company 发布开源权重时间序列预测基础模型 t0，t0-gamma 与 t0-beta 约 256M 参数、t0-alpha 约 102M 参数，采用 Apache-2.0 许可，可通过 pip install "tfc-t0[torch]>=0.6.0" 安装 PyTorch 运行时。
MarkTechPost精选AI 评分8787 Google 发布 Gemini 4 Argon API，单次输出上限提至 1M token
Google DeepMind 将 Gemini 4 Argon 面向开发者、企业和付费 Gemini 订阅用户开放，这是原生支持文本、图像、音频、视频输入的稀疏 MoE 模型，单次响应最多可输出 1M token，输入加输出共享 1M 窗口。
推荐理由：Gemini 4 Argon 开放 API，单次输出上限提到 1M token，但编码类基准落后于竞品，适合关注长输出与多模态输入的开发者。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7575 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 总参数、仅 2B 激活参数的推理模型，面向端侧私有智能体，会先思考再作答并支持工具调用。
推荐理由：Liquid AI 发布 24B 总参数、2B 激活参数的端侧推理模型，主打工具调用与本地智能体，附完整基准与部署方式。
Hacker News · Show HNAI 评分5050 Pulse Local：一款 AI 模型本地运行的 Mac 记账应用
Pulse Local 是一款在 Mac 本地运行 AI 模型的记账应用，账本与提问都不离开本机，支持预算、规则、结转、拆分、现金流与预测等功能。其金额答案由交易数据计算并经过两次核对，两次解读不一致时会明确表示不确定，开启核对后一次金额回答耗时 12 到 14 秒。
Latent SpaceAI 评分6262 Dyna Robotics 联创 Jason Ma 谈 Dyna-2 世界动作模型与机器人长时自主
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍，其世界动作模型 Dyna-2 基于超过一百万小时人类视频预训练，能同时预测未来视频与机器人动作，新任务只需约 45 分钟演示数据即可适配。
Hacker News · Show HNAI 评分6262 Enki LLM 发布纯 Rust 推理引擎，支持 GPU/CPU 实时迁移
Enki LLM 发布约 2000 行纯 Rust 的 Transformer 推理引擎，在 Nvidia Tesla T4 上以 F16 权重、FP32 累加器运行 Llama-3.2 1B，速度约 40 tok/s，不依赖 CUDA。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 并公开安全与防护报告
Google DeepMind 开始广泛铺开 Gemini 4 Argon，并同步发布安全与安全报告和模型卡。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 间接提示注入基准的 15 次自适应尝试中把攻击成功率降到 0.7%。
推荐理由：Gemini 4 Argon 发布并公开安全报告，给出网络与生物风险防护、错位监控和提示注入防御的具体数据。
The Decoder精选AI 评分8888 Google 全球上线 Gemini 4 Argon，取代 Pro 成为新旗舰系列
Google 面向开发者、企业和消费者全球上线 Gemini 4 Argon，取代 Gemini Pro 系列成为新的前沿模型系列，可通过 AI Studio 和 Gemini 平台的 API 访问。
推荐理由：Gemini 4 Argon 全球上线并取代 Pro 系列，免费与 Plus 用户被降级到 Flash，可了解新分层与定价变化。
Hacker News · Show HNAI 评分5050 Hugging Face 发布 interfaze-1.1-lite：首个面向确定性任务的开放权重模型
Hugging Face 发布开放权重模型 interfaze-1.1-lite，面向 OCR、带说话人分离的 STT、分类等有确定性答案的任务。该模型由一个推理核心和文档阅读、行检测、语音识别、分割等专家模型组成，核心负责调度专家并按用户 JSON schema 输出答案，专家模型提供边界框、词级时间戳及每行每词的置信度分数，原始输出随答案一并返回以便过滤。
Google AI Blog精选AI 评分9292 Google 发布 Gemini 4 Argon，主打复杂工程与科研任务
Google 发布前沿模型 Gemini 4 Argon，今日起通过 API、AI Studio、Gemini 平台、Google Antigravity 及 Gemini 应用和 Search 的 AI Mode 全球上线，输入 $2/百万 token、输出 $10/百万 token，缓存输入享 95% 折扣。
推荐理由：Google 发布 Gemini 4 Argon，官方给出编码、科研与安全对齐的具体数据，可了解前沿模型在真实工程任务中的落地方式。
AWS Machine Learning Blog精选AI 评分7272 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体并评测推理强度
AWS 团队在 Amazon Bedrock 上用 Grok 4.7 搭建工具调用智能体，在故障诊断、维护排期、迁移预算三个需要搜索而非查表且各只有一个正确答案的任务上，按 low、medium、high、xhigh 四档推理强度各跑 6 次共 72 次，答对 67 次，xhigh 全部 18 次正确，low 答对 15 次且输出 token 约为 xhigh 的八分之一。
推荐理由：在 Amazon Bedrock 上用 Grok 4.7 搭工具调用智能体，72 次运行对比四档推理强度，给出可迁移的评测与监控方法。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity 以及 Gemini 应用和 Search 的 AI Mode 提供，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：Google DeepMind 发布 Gemini 4 Argon，官方给出编码、科研与安全对齐的具体数据，可了解新前沿模型的能力边界与定价。
The Verge · AI精选AI 评分8585 Google 发布 Gemini 4 Argon 模型
Google 正式发布 Gemini 4 Argon，称其具备前沿推理能力并改善复杂工作流表现，在编码、网络安全、科学、金融和法律等基准上超过 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
推荐理由：Google 发布 Gemini 4 Argon，官方称在编码、安全、科学等基准上超过竞品，并给出每百万 token 2 美元输入、10 美元输出的尝鲜价。
Hacker News · Show HNAI 评分6262 RSI-Anything：用 JEPA 世界模型实现智能体递归自我改进
Gen-Verse 发布 RSI-Anything，一个基于 JEPA-Anything 的领域通用框架，通过“提议、预测、选择、评估、学习、保留”循环把世界模型预测与交互反馈转化为递归自我改进，论文覆盖代码修复、GUI 交互、实验室规划、反应优化和免疫科学五个领域。
The DecoderAI 评分7474 Anthropic 研究警告小模型或将在消费设备间自我复制
Anthropic 研究人员 William Zhou 和 Daniel Freeman 发布研究，测试小模型能否在安全性薄弱的 IoT 设备上自主复制。
Hacker News · Show HNAI 评分6262 Sablier 用合成市场训练 RL 智能体，在 2020 与 2022 真实崩盘中对冲误差下降
Sablier 用强化学习训练 Qwen3-1.7B 在纯合成市场路径中学习期权对冲，该模型从未见过真实价格，却在 2020 和 2022 真实崩盘上把最差 10% 损失从 0.0352 降到 0.0173、从 0.0281 降到 0.0144。
MarkTechPostAI 评分5858 Z.ai 发布法律模型 GLM-Legal，Harvey LAB 通过率 19.17%
Z.ai 发布基于 GLM-5.3-Flash 的法律领域模型 GLM-Legal，面向合同审查、证据分析和合规研究等智能体任务，在 Harvey LAB 上任务通过率 19.17%，高于基座的 6.67%，也高于 Kimi K3 的 12.92% 和 Claude Fable 5 的 11.25%。
Latent Space精选AI 评分8080 Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，距实验室成立约 14 个月。
推荐理由：Meta MSL 发布第二代模型家族 Muse Wonder 与 Wonder Full，第三方评测显示其接近前沿水平，并附有定价、上下文窗口与基准对比。