OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 促销价降低 50%
OpenAI 发布 GPT-6 系列新成员 GPT-6 Sol 和 GPT-6 Luna，两款模型采用与 GPT-6 Astra 类似的训练方法，API 价格相比 GPT-5.6 促销价降低 50%。
推荐理由：OpenAI 发布 GPT-6 Sol 和 Luna，API 价格较 GPT-5.6 促销价降 50%，并给出跨应用流程与智能体评测的成本对比。
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 61–80 条 · 共 85 条极客公园精选AI 评分8080 Simon Willison精选AI 评分8888 Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 发布，新一轮价格战开启
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，作者 Simon Willison 记录了自己的初步印象。
推荐理由：作者实测新模型并整理价格表，指出 GPT-6 系列价格减半、Opus 5.5 在 max 档推理超限失败。
Latent Space精选AI 评分7878 小米发布 MiMo-V2.6-Pro 1T-A42B，称训练成本约 300 万美元
小米发布 MiMo-V2.6 系列原生全模态开源模型，包括 MiMo-V2.6-Pro、MiMo-V2.6-Flash 以及输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米发布原生全模态开源模型 MiMo-V2.6 系列，并公开 RL 环境与训练配方，可了解其训练成本与开源范围。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6666 transformers 新增 GGUF 支持，可直接运行 llama.cpp 量化模型
Hugging Face 为 transformers 加入 GGUF 支持，用户可从 Hub 选取量化检查点，用 from_pretrained 传入 gguf_file 即可在本地生成，无需额外配置。
推荐理由：transformers 现在能直接加载 GGUF 量化模型，在 Apple Silicon 上跑本地推理，性能接近 llama.cpp。
Simon Willison精选AI 评分7171 TypeSafe AI 发布 Jev 决策模型，只输出概率分数不生成文本
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别，接受文本输入但返回对应类别、是/否问题、评分及置信度的浮点数，而非文本输出。
推荐理由：TypeSafe AI 推出只输出概率分数的决策模型 Jev，输入百万 token 仅 0.042 美元，适合分类、排序与检索重排。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高为 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高为 2.5 倍。
推荐理由：NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览成绩，给出相对 GB300 NVL72 的吞吐与扩展效率数据。
NVIDIA Blog精选AI 评分7070 NVIDIA 在 AI Infra Summit 公布 Vera Rubin 与 DSX 平台进展，以每兆瓦 token 数衡量 AI 工厂能效
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 系统、DSX MaxLPS 电源优化平台与 NVLink 6 等进展，并提出以每兆瓦有效 agentic token 数作为 AI 基础设施的新衡量指标。
推荐理由：NVIDIA 公布 Vera Rubin、DSX MaxLPS 与 NVLink 6 等平台进展，用每兆瓦 token 数衡量 AI 工厂能效，并给出多家伙伴的实测数据。
OpenAI News精选AI 评分8080 OpenAI 发布 GPT-6 Astra，面向企业工作场景
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、计算机使用以及更强的写作与设计判断能力。
推荐理由：OpenAI 发布面向企业场景的 GPT-6 Astra，主打高级推理、计算机使用与写作设计判断，正文仅一句话，细节有限。
Google DeepMind精选AI 评分7474 Google DeepMind 为 Gemini 推出智能体视频理解功能
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，通过智能体循环调用原生视频工具动态搜索和检查视频片段，替代固定 1 FPS 的静态处理，视频分析 token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
推荐理由：Gemini 新增智能体视频理解，长视频分析 token 消耗最多降 88%、成本降 66%，可通过 API 配置开启。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6666 Hugging Face 发布 @huggingface/kernels：207 个 WebGPU 内核用于本地 AI
Hugging Face 的 WebAI 团队发布 @huggingface/kernels，一个从 Hub 加载并运行优化 WebGPU 内核的 JavaScript 库。
推荐理由：Hugging Face 发布 207 个 WebGPU 内核与 JS 加载库，并给出与 ORT WebGPU 的实测对比，适合关注浏览器端推理的开发者了解可用资源。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族，公开完整训练流程
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 三个尺寸，均以 Apache 2.0 许可开源。
推荐理由：IBM 公开 Granite 4.2 的完整训练配方，从预训练到多阶段 RL 与量化部署，适合想了解推理模型如何造出来的人。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 Multiverse Computing 提出量化感知修复 QAH，4-bit 压缩模型在 7/9 基准上超过其全精度版本
Multiverse Computing 发布论文提出量化感知修复（QAH），不再从修复后的 bfloat16 检查点蒸馏，而是直接从压缩前的原始模型蒸馏，教师与学生架构可以不同。
推荐理由：提出面向已压缩模型的量化感知修复方法，4-bit 模型在 9 项基准中 7 项超过自身 bfloat16 版本，并给出与 QAT 的稳定性对比。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6060 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升吞吐，GPU 上最高 3.18 倍、端侧最高 2.87 倍。
推荐理由：Liquid AI 为 LFM2.5 三个模型发布 DSpark 草稿模型，用投机解码换取最高 3.18 倍吞吐且不改变输出质量。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 IBM 研究：你的 Agent 到底需要多少记忆？
IBM 研究团队在 AppWorld 的 585 个多步任务上测试八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。强模型适合注入全量自蒸馏指南，DeepSeek-V3.2 任务完成率提升 9.5 个百分点；较弱模型适合固定核心加按任务检索，gpt-oss-120b 提升 16.1 个百分点且 token 只增加 5%；GLM-5 等已饱和模型没有可测收益。
推荐理由：IBM 研究团队在 AppWorld 上测试八款模型的智能体记忆剂量，给出按模型能力选择全量或检索式注入的校准依据。
Interconnects精选AI 评分7878 GLM-5.3 发布：中国实验室如何跟上前沿
Z.ai 发布 GLM-5.3，目前仅在编码套餐中提供，即将上线 API，两周后开放权重。该模型与 GLM-5.2 共用同一基座，仅大幅扩展后训练，参数量约 750B，在多项智能体编码基准上超过 Kimi K3，部分指标超过 Claude Fable 5 或 GPT-5.6-Sol。
推荐理由：GLM-5.3 仅靠后训练扩展就在智能体编码基准上逼近前沿，作者梳理了中国实验室保持追赶的发布节奏与数据产业因素。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 IBM 研究：ALTK-Evolve 用更少 token 达到或超过 ACE 的智能体记忆效果
IBM 研究团队发布 ALTK-Evolve，与 ACE 同属从智能体自身轨迹中学习经验的记忆方案，区别在于交付方式：ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量高支持度 guideline。
推荐理由：IBM 研究团队对比自家 ALTK-Evolve 与 ACE 两种智能体记忆方案，在 AppWorld 上以更低 token 成本取得同等或更好成绩。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 演化内核搜索框架，为 Apple Silicon 的 MLX 构建后端并加入结构化 CUDA-to-MLX 翻译层，让现有 CUDA 内核作为知识库被改写为 Metal 内核。
推荐理由：把 CUDA 内核优化经验结构化翻译到 MLX，在 Apple Silicon 上让演化搜索逼近专家级内核性能。
Import AI精选AI 评分7878 Import AI 466：机器人领域的苦涩教训、AI 完成周级编程任务与 OpenAI 意外黑客事件
Epoch 与 METR 发布 MirrorCode 基准，考察 AI 能否仅凭 CLI 访问重新实现完整软件程序，25 个目标程序中 17 个至少有一次满分运行，Opus 4.7 用 14 小时、251 美元推理成本完成一项人类需 2 至 17 周的任务，但 ruff、giac_subset、mailauth 等 8 个程序从未达到 100% 阈值。
推荐理由：汇总 MirrorCode 长周期编程基准、Anthropic 机器人自主任务与 OpenAI 模型越界事件，一次看清前沿模型的能力与风险边界。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 IBM 复盘智能体模型路由：从分类问题转向系统优化
IBM 研究团队分享在智能体系统中构建模型路由的实践，认为路由不是模型选择分类问题，而是系统优化问题。
推荐理由：IBM 团队复盘在智能体系统中做模型路由的实践，用 AppWorld 实测数据说明成本、复杂度与延迟为何不能只看模型本身。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分8888 Thinking Machines 发布 1T 参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines Lab 发布开源多模态大模型 Inkling，采用 MoE 架构，总参数 975B、激活 41B，原生接收图像、音频和文本输入，支持 1M 上下文窗口，基于 45 万亿 token 训练。
推荐理由：Thinking Machines 发布 1T 参数开源多模态模型 Inkling，原生支持图像、音频、文本与 1M 上下文，并给出各推理引擎的部署配置。