Anthropic 发布 Claude Opus 5.5，性能直逼 Fable 5.1 并降价 20%
Anthropic 正式发布 Claude Opus 5.5，这是 Claude 5.5 家族首款模型，官方称其在多数任务上达到 Claude Fable 5.1 水平，典型任务成本比 Opus 5 降低 40%，输出速度提高超过 30%。
推荐理由：Anthropic 发布 Claude Opus 5.5，给出评测、价格与长任务实测数据，可据此判断旗舰模型降价对 Agent 工作流的影响。
#推理
爱范儿精选AI 评分8888 The DecoderAI 评分7070 OpenAI 发布 GPT-6 Sol 与 Luna：token 价格减半，性能提升有限
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 Sol 和 Luna 减半，Sol 为每百万输入 token 2 美元、输出 10 美元，Luna 为输入 0.10 美元、输出 0.50 美元，OpenAI 将降价归因于缓存和推理优化。
The DecoderAI 评分3838 TBC 用实验室培养神经元衍生软件层，加速 AI 视频生成
神经外科医生创立的 TBC 推出首个商业产品：一个不到基础模型 0.1% 大小的软件适配器，可插入现有扩散模型。在 600M 参数的 Oasis 上，该适配器以约 15.6 万参数让画面清晰度比原版提升约 19%，比同规模微调高约 15%，比 LoRA 高约 5%。
量子位精选AI 评分8888 小米MiMo-V2.6开源发布：6天RL训练花费350万美元，Pro登顶开源第一
小米发布MiMo-V2.6-Pro和Flash，Pro为1.02万亿参数、420亿激活，在Artificial Analysis Intelligence Index上以46分位列开源第一，两款模型各跑完30个训练Step，总花费约350万美元。
推荐理由：小米公开了MiMo-V2.6的RL训练账单与工程细节，读者可据此了解大规模强化学习在成本、评测与防作弊上的真实约束。
The DecoderAI 评分6060 Runway 研究实时视频生成：边描述边出流，首帧目标低于 100 毫秒
Runway 公开了其实时视频生成研究，用户不再输入提示词后等待成片，而是边描述边以流式方式生成视频，目标是尽量缩短首帧时间。该方案基于 GWM-1 逐帧生成，可接受镜头运动、机器人指令或音频作为控制信号，并沿用 Gen-4.5；Runway 称实时生成能减少等待并降低 GPU 成本。
量子位AI 评分5858 Nature 关注 GPT-1900 实验：AI 能否重新发现光量子
Nature 最新研究梳理了独立研究者 Michael Hla 的 Machina Mirabilis 项目，他用 Andrej Karpathy 的 nanochat 框架从零训练了 33 亿参数的 Transformer 语言模型 GPT-1900。
The DecoderAI 评分6262 Google DeepMind 提出 Dream-RSI，让 AI 智能体通过回放历史搜索改进策略
Google 与 DeepMind 研究团队提出 Dream-RSI，不改动底层模型，而是让智能体把搜索过程中的尝试与结果记录成搜索树，再在已探索空间内回放测试数千种替代策略，这一过程被称为 dreaming。
量子位AI 评分6060 PhAI Labs 等发布 JEPA-Anything 跨领域预测框架
PhAI Labs 联合牛津、斯坦福、普林斯顿、港中文等团队发布技术报告 JEPA-Anything，一个面向不同领域学习预测模型的跨领域框架，各领域保留自己的观测形式与编码器，共享预测核心和统一的 latent world-state interface。
The DecoderAI 评分6060 Google DeepMind 称可见思维链的安全优势正在流失
Google DeepMind 新成立的 Deepmind Institute 发布首批文章，研究员 Rohin Shah 和 Anca Dragan 认为可见思维链（CoT）是 AI 的关键安全优势，因为模型用自然语言写出中间步骤，研究者可以据此发现欺骗行为或问题计划。
The DecoderAI 评分6868 OpenAI 据报接近解决 Hodge 猜想，为其第二个千禧年大奖难题
据 The Decoder 报道，OpenAI 据称正接近解决七大千禧年大奖难题之一的 Hodge 猜想，该猜想追问形状的某些几何性质是否总能由更简单的代数构件描述。
The Decoder精选AI 评分8282 GPT-6 Astra 通关宝可梦、Factorio 与辐射3，却在 Minecraft 中陷入种土豆循环
GPT-6 Astra 在多项游戏测试中大幅超越前代模型：据 GPT Plays Pokemon 运营者 Clad3815，它用 18 小时 12 分钟拿下 Pokemon FireRed 冠军。
推荐理由：通过 Astra 在多个游戏中的实测对比，读者可以看到自主智能体从经验中提炼规则的能力边界与过度泛化的代价。
爱范儿精选AI 评分7878 智谱发布首个 RSI 成果：10 万国产卡用 GLM 造 GLM
智谱 GLM 首席科学家唐杰在 X 平台分享 GLM-5.3-Flash 推理系统优化研究，该模型部署在超过 10 万颗国产 AI 加速器组成的集群上，从首次运行到承载全部生产流量仅用两周，端到端吞吐提升 3.2 倍。
推荐理由：智谱披露 GLM-5.3-Flash 在国产算力上的推理优化细节，读者可看到 Infra Agent 参与系统优化的具体路径与反馈机制设计。
The DecoderAI 评分6262 彭博开发者用 OpenAI GPT-6 Astra 十小时破译 83 年未解的 Enigma 密文
彭博产品开发教练 Carter Leffen 称，他用 OpenAI 的 GPT-6 Astra 破译了一条 1941 年 Enigma 加密的 82 字符德军无线电密文，该消息此前 83 年无人解开。
量子位AI 评分7171 云知声发布U2-Flash：稀疏MoE架构，代码与Agent成绩反超上一代U2
云知声发布U2-Flash，采用稀疏MoE架构，总参数约266B、单次推理仅激活约10B，生成速度相比U2提升2.1倍，Agent任务完成时间缩短35%，Token消耗降低20%至30%。
The DecoderAI 评分4848 前 OpenAI 研究员打造 Jev：不写文本、只做判断的 AI 模型
初创公司 TypeSafe AI 推出模型 Jev，不生成文本，而是在软件内部对开发者预设的问题和选项打分并给出概率，响应时间 70 至 500 毫秒，输入定价 $0.042 per million tokens、输出免费。
量子位AI 评分6262 紫东太初开源 ZDTaichu5.0-9B 多模态大模型，九项空间基准八项第一
紫东太初开源通用多模态大模型 ZDTaichu5.0-9B，在九大国际空间理解基准测试中八项第一，10B 档位开闭源模型中领先，MindCube-tiny 得分 78.27，高于 Gemini 3 Pro 的 70.87 和 Grok 4 的 63.56。
爱范儿AI 评分2222 iPhone 18 Pro 与 iPhone Duo 首发评测：充电、相机与折叠屏体验
爱范儿首发评测 iPhone 18 Pro/Pro Max 与苹果首款折叠屏 iPhone Duo。iPhone 18 Pro 系列电池容量显著升级，Pro Max 首次进入 5000mAh 级别，实测前 15 分钟可充至 57%（Pro）和 50%（Pro Max），并新增 f1.48/1.8/2.8/4 四档物理可变光圈与 Pro controls 专业控制。
爱范儿AI 评分6060 我和我的 AI 手机吃了 3 顿饭：高通如何为 AI 智能体重排手机芯片
文章以米其林餐厅「潮 1/2」把餐桌搬到厨房旁为比喻，解释高通提出的高带宽计算技术 HBC 这一近内存计算思路，用于缓解大语言模型推理中数据搬运带来的内存墙问题。
量子位AI 评分3838 英特尔用CPU接管KV Cache：KV Shrink让TTFT最高加速约5倍
英特尔围绕KV Cache布局KV Shrink、KV Fuse、KV Cascade和KV Infinity四个方向，其中KV Shrink结合分层卸载与QAT硬件压缩，通过重排存储格式把压缩节省空间从10%以上提升到20%以上。
TechCrunch · AIAI 评分6262 Salesforce 与 Nvidia 发布推理模型 Koa，基于 Nemotron 后训练
Salesforce 在 Dreamforce 大会上发布其首个推理模型 Koa，基于 Nvidia 开源权重模型 Nemotron 后训练，专攻销售、营销和客户支持任务。
量子位AI 评分6262 前OpenAI后训练VP回应陶哲轩：说AI毁了数学，可能还是太小瞧AI了
OpenAI前后训练VP Liam Fedus回应陶哲轩等25位菲尔兹奖得主联署的《人工智能在数学中的严重错位》声明，赞同数学不能只剩答案，但认为不应以今天AI的能力边界框定未来，未来AI或能提出洞见、建立新概念框架。
The DecoderAI 评分6060 GPT-6 Astra 登顶 ErdosBench，OpenAI 称未专门优化数学
GPT-6 Astra 在 ulam.ai 的 ErdosBench 上以 3.23 分位列第一，解出 226 道开放数学问题中的 106 道，其中 43 道完全解决，并证伪 27 道；该基准开发者 Przemek Chojecki 称其在多项数学研究技能上带来约 5%-10% 的提升。
The Decoder精选AI 评分7878 DeepSeek 发布 V4.1-Flash，大幅压缩智能体 KV cache 内存占用
DeepSeek 发布多模态模型 V4.1-Flash，主要目标是降低长上下文智能体的运行成本。该模型语言主干有 5520 亿参数，支持最多 100 万 token 上下文。
推荐理由：原文给出 KV cache 压缩比例与激活参数等具体数字，读者可据此判断长上下文智能体的部署成本变化。
The DecoderAI 评分6060 AWS 采用高通定制芯片做 AI 推理，高通则用 AWS Bedrock 设计芯片
高通正为 AWS 设计跨多代产品的定制芯片，重点面向 AI 推理，双方还在合作开发带宽最高 1.6 terabits 的光互连以应对 AI 基础设施增长的数据流量。
爱范儿精选AI 评分9191 OpenAI 称 AI 系统解答纳维尔斯托克斯问题，研究优先权引争议
OpenAI 宣布其内部多智能体系统完成了纳维尔斯托克斯方程存在性与光滑性问题的一个解答，并公开论文与 Lean 形式化证明。该系统约 1 万个 Agent 参与，从 9 月 1 日启动到 9 月 5 日得到解答，耗时约 88 小时，随后用 17 小时完成 Lean 验证，共发送约 490 万条消息、消耗约 3000 亿输出 Token。
推荐理由：围绕同一数学成果的优先权争议与双方邮件往来，呈现 AI 参与基础研究时署名与贡献认定的现实难题。
TechCrunch · AIAI 评分2222 什么是 opaque recurrence？一份 AI 术语表
OpenAI 新模型 Astra 采用的推理技术“opaque recurrence”引发 AI 安全研究者担忧，成为最新进入行业词汇的 AI 术语。
The DecoderAI 评分6565 Qwen-Drive 1.0 发布：一个模型同时做空间感知、交通问答与路径规划
阿里研究团队发布 Qwen-Drive 1.0，基于 2 月发布的 Qwen3.5-4B 增加鸟瞰图感知模块和 Planning Expert 规划模块，用一个模型同时完成环境空间感知、交通问答和路径规划。
The Decoder精选AI 评分7878 基准评测对 GPT-6 Astra 看法不一，但 ARC-AGI-3 上超越人类的效率让 Chollet 提前了 AGI 预测
GPT-6 Astra 在 ARC-AGI-3 上取得 62.7% 的成绩，远高于前代 GPT-5.6 Sol 的 7.78% 和 Claude Opus 5 的 30.16%，测试成本约 2.6 万美元。
推荐理由：ARC-AGI-3 上 Astra 的得分与效率数据，以及 Chollet 对 AGI 时间表提前的表态，可供读者判断基准与厂商自测口径的差异。
爱范儿精选AI 评分8888 OpenAI 发布 GPT-6 Astra：主打电脑操作能力，定价创下新高
OpenAI 正式发布 GPT-6 Astra，官方称其为代际跃迁，能力覆盖电脑操作、软件工程、专业工作、科学和网络安全。Astra 在 ARC-AGI-3 上取得 99.9%，OSWorld 2.0 得分 72.6%，高于 Sol 的 65.7%，平均完成一项任务约 40 分钟。
推荐理由：梳理 Astra 的跑分、定价与 Computer Use 表现，并对比第三方独立测试，可看清旗舰模型竞争转向环境操作能力。
爱范儿精选AI 评分8787 OpenAI 发布 GPT-6 Astra，主打计算机操作与软件工程能力
OpenAI 发布 GPT-6 Astra，官方称其为全球最智能、最符合人类意图的模型，最大变化是 Computer Use 能力，可调用工具、操作软件、浏览网页并独立完成复杂任务。
推荐理由：OpenAI 发布 GPT-6 Astra，给出 Computer Use 与软件工程基准对比及分级开放策略，可据此判断 Agent 能力边界。
The Decoder精选AI 评分8888 OpenAI 发布 GPT-6 Astra，首个被列为关键级网络安全风险的模型
OpenAI 发布 GPT-6 Astra，该模型在超过 10 万块 GPU 的 Stargate 设施上预训练，OpenAI 研究员 Aidan Clark 称这是公司史上最大规模训练。
推荐理由：OpenAI 发布 GPT-6 Astra，并首次将其列为 Preparedness Framework 下的关键级模型，读者可据此了解能力跃升与安全限制的边界。
TechCrunch · AI精选AI 评分8282 OpenAI 发布新模型 Astra，称其为最强且最具争议的模型
OpenAI 周四发布新模型 Astra，称其是公司迄今最强、能力最全面的模型，并宣称在计算机与浏览器使用上代表新前沿。Astra 当天先向使用其网络安全项目 Daybreak 的客户开放，接下来一周将陆续登陆 Pro、Plus、Enterprise、Business 等付费方案及 API。
推荐理由：OpenAI 发布新模型 Astra，除能力宣称外还涉及不透明递归推理与可监控性下降的争议，可供读者判断能力与安全之间的取舍。
The DecoderAI 评分6060 Claude Fable 5.1 破解 1653 年 Sir Thomas Urquhart 的 Cyphral Distich 数字谜题
Anthropic 的 Claude Fable 5.1 破解了研究人员认为未解的数百年数字谜题。据 Vals AI，1653 年出版的 Sir Thomas Urquhart 作品 Cyphral Distich 由两行各 32 个数字组成，Fable 5.1 在无人工帮助下用 44 分钟解出。
Ars Technica · AIAI 评分6262 Google 发布 Gemini 3.8 Flash，六周内第三个 Flash 模型
Google 发布 Gemini 3.8 Flash，这是其六周内推出的第三个 Flash 模型，Google 称其为迄今推理和编码能力最强的模型。该模型分两个版本：标准版 Flash 定位为通用主力模型，适用于智能体任务和软件开发；Gemini 3.8 Flash Cyber 基于相同底座，针对漏洞检测与修复做了调优。
The Decoder精选AI 评分8282 OpenAI 称 Astra 是迄今最危险的模型，而监控它正变得更难
OpenAI 将新模型 Astra 评为迄今最危险的一档，称其在 ExploitBench 上拿到满分，并在内部测试中发现两个此前未知的零日漏洞、串联成可用攻击链；在专家测试中还能突破浏览器沙箱并在主机上执行命令。
推荐理由：梳理 Astra 被列为最高风险模型的过程，并指出思维链监控正因内部推理不可读而变脆弱的行业趋势。
MIT Technology Review · AIAI 评分3636 AI 模型在这些智力测试上频频翻车，你能做得更好吗？
MIT Technology Review 汇总了多类曾让 AI 模型翻车的谜题，涵盖空间推理、记忆与适应性、抽象与视觉推理、直觉陷阱和复杂度递增五类。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断CUDA经验能否复用到非NVIDIA硬件。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重构的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得实用。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。