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。
推理能力
全部主题模型推理能力的进展：思维链、推理模型与测试时计算，数学、逻辑与代码基准的突破与争议。
最新精选
第 1–20 条 · 共 80 条Latent Space精选AI 评分7878 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。
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。
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。
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。
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。
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。
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。
Hacker News · Front Page精选AI 评分7878 Anthropic 研究：小模型或可在无数据中心条件下自我复制
Anthropic 发布研究，把自主复制拆成寻找目标、获取执行、建立推理、继续传播四步，重点测试小模型能否在陌生硬件上部署推理。实验中 Gemma4-26B-A4B 分布在 15 台约 55 美元的杂牌 Android TV 盒子上运行，速度约 0.39 tokens/s；9B 模型在 9 类硬件中的 8 类成功跑起推理。
推荐理由：Anthropic 用 15 台廉价 Android TV 盒子跑通 26B 模型分布式推理，并实测小模型自主复制的各环节能力边界。
量子位精选AI 评分7676 数学爱好者用 GPT-6 Astra 证明 57 年摆圆难题 N≤20 剩余情形
数学爱好者 nor 用 GPT-6 Astra 严格证明了摆圆问题中 N=15、16、17、18 和 20 这 5 种情形，此前只有 N≤14 和 N=19 得到验证。模型的核心思路是通过几何约束把无限多种排列缩减为有限情况，再用计算机逐一排除，最终证明经典排列已是最优。nor 表示自己的贡献包括确定问题可行性、引导模型、手动验证有效性，并用 Astra 和 Opus 5.5 重新检查所有内容。
推荐理由：数学爱好者用 GPT-6 Astra 严格证明摆圆问题 N=15 至 20 的最优性，可看人机分工与验证方式。