阶跃星辰开放 Step 5 Preview 权重，600B 稀疏 MoE 面向长程 Agent
10 月 15 日，阶跃星辰正式开放 Step 5 Preview 权重，包含 BF16 与 FP8 两个版本，并同步发布技术博客、开源开发工具及部署指南，权重已上线 Hugging Face 和 ModelScope。
推荐理由：原文披露了 Step 5 Preview 的架构与训练设计，读者可据此判断长程 Agent 在上下文管理上的工程取舍。
#推理
InfoQ 中文精选AI 评分7878 InfoQ 中文AI 评分3838 国产 GPU 越来越多，为什么反而更难用？基流科技谈算力集群的系统工程挑战
国产算力竞争正从单颗芯片转向整个计算系统，集群从几十张卡扩至万卡后，通信、调度与故障定位成为有效算力的关键瓶颈。基流科技推出的 VenusCL 通信组件在客户已完成千卡集群基础调优的前提下，可再带来约 2%—6% 的 MFU 提升；其 VenusNOC 的 Megatrace 特性曾在约 3800 张卡的训练集群中定位到单张 GPU 故障。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
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 RISC-V 程序执行过程，在笔记本上每秒证明 720 万至 870 万条处理器指令。
推荐理由：微软研究院公开 Magnetar 的设计与基准数据，可了解零知识证明在通用程序上的性能与密码学取舍。
The Decoder精选AI 评分8484 GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，单题成本不到 3 美元
一项新基准测试让商用 AI 智能体在无人类提示下解答理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 50 题中的 49 题（98%），平均单题成本不到 3 美元，整套基准约 116 美元。
推荐理由：这份基准把日常科研计算交给商用智能体实测，并给出各模型得分与单题成本，可对照自身研究流程。
InfoQ 中文AI 评分2222 QCon 2026 上海专场前瞻：AI Infra 如何以体系结构量化与分布式工程突破算力效率边界
QCon 全球软件开发大会将于 10 月 22-24 日在上海举办《AI Infra：算力效率决定规模化落地》专场，探讨算力效率如何决定 AI 规模化落地。文章指出，随着成本重心向推理端倾斜，单任务 Token 消耗量以更高倍率激增，竞争核心已从单 Token 标价转向端到端任务的有效交付成本。算力损耗、显存浪费与数据失配构成三类代表性系统瓶颈，需通过模型与系统协同设计破解。
雷锋网精选AI 评分8484 上海AI实验室书生-S2助力三维Ghys猜想证明并通过Lean形式化验证
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；形式化验证约5天、峰值100个智能体并行、产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
推荐理由：读者可看到人机协同攻关数学难题的完整流程，以及形式化验证如何为AI产出的证明提供严格检查。
The DecoderAI 评分6262 报道称 OpenAI 今年将发布一到两个新模型，旗舰款仍需对齐工作
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个新模型，但尚不清楚正在开发的重大升级模型是否在其中。该旗舰模型仍需对齐工作，让目标与研究人员和客户预期一致，并需完善测试基础设施；在安全评估通过后，还需按特朗普关于先进 AI 系统评估的行政令，提前最多 30 天向美国政府开放新模型。
爱范儿精选AI 评分8888 谷歌发布 Gemini 4 Argon，主打长程任务与低价 API
谷歌正式面向全球上线 Gemini 4 Argon，定位复杂多步骤真实世界任务，覆盖编程、金融、法律、网络安全与前沿科学等领域。API 提供 100 万统一输入输出 Token 上限，首发优惠期每百万输入 Token 2 美元、输出 10 美元，缓存输入折扣 95%，开发者可通过 AI Studio、Android Studio 与 Gemini API 接入。
推荐理由：谷歌新旗舰的定价与长程任务表现，以及未付费用户额度收紧的规则变化，是判断其可用性的关键。
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、Gemini 应用和 Search 的 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在专业工作流中的落地程度。
Ars Technica · AIAI 评分6969 Gemini 4 Argon 开始在 Gemini 应用和 Antigravity 推送，仅限付费用户
Google 的 Gemini 4 Argon 开始大范围推送，目前仅面向付费用户，且低档订阅方案无法获得完整访问权限。Google 称模型能力未变，仍以其上月公布的基准测试作为高级推理和智能体编码能力的依据，并设有拒绝恶意指令的训练与自动失准监控。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，支持可配置推理强度、工具调用和结构化输出，提供 500K token 上下文窗口。
推荐理由：AWS 官方给出 Grok 4.7 在 Bedrock 上的实测数据，读者可据此为智能体各步骤选择推理强度并控制 token 成本。
AWS Machine Learning BlogAI 评分3030 Amazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在 decode 阶段因 token 行数过少导致 Hopper GPU 利用率低的问题，AWS 通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置，在 H200 上为大规模 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。
TechCrunch · AI精选AI 评分7878 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，这是该公司首次尝试前沿模型。
推荐理由：Meta 首次发布前沿模型，给出定价、基准对比与仅限订阅的版本差异，可据此判断其市场位置。
AWS Machine Learning BlogAI 评分3535 在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 发布 llama.cpp 专用深度学习容器（DLC），可在 Amazon SageMaker AI 上以 CPU 或 GPU 托管方式部署量化模型，并通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions。
AWS Machine Learning BlogAI 评分3434 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 节点部署单个大语言模型，将 prefill 与 decode 分离并统一在一个 OpenAI 兼容端点之后。
量子位AI 评分6262 GPT-6 Astra 联手数学爱好者证明 57 年摆圆难题
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 种情况，此前仅 N≤14 和 N=19 得到验证。
量子位AI 评分6666 华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模且不更新权重、不做微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，取得满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。
量子位AI 评分6262 智谱 GLM-5.3-Highspeed 在 Zcode 灰度，实测速度达 490 tokens/s
智谱在 Zcode 3.15.1 中灰度上线 GLM-5.3-Highspeed 模型，订阅用户随机获得体验资格，有网友晒出 490 tokens/s 的输出速度。
量子位AI 评分7171 何恺明团队发布多模态 Harness 框架 VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练。
量子位AI 评分6262 Aether AI 发布 CRIS-0 因果智能机器人系统
Aether AI 发布因果原生 Agent 架构 CRIS-0，让机械臂基于物理因果变量实时推理动作。在咖啡制作干扰测试中，系统平均 2 秒内识别因果变量变化并重规划，10 次随机扰动实现 9 次有效恢复；在 20 条模糊指令的个性化取放测试中完成 18 次精准抓取。
量子位AI 评分6666 字节 Seed 找到 DeepSeek-V4 时强时弱的原因：分块 KV Cache 压缩带来相位敏感性
字节 Seed 团队发现 DeepSeek-V4 系列的长上下文检索准确率会随信息在输入中的位置每隔 4 个 Token 周期性变化，在 128K 大海捞针测试中同一信息换位置后准确率最高相差 40.2 个百分点。
The Decoder精选AI 评分7777 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，官方称这是其最快、最便宜的小模型，平均成本比 Haiku 4.5 低约 75%，提示词在 100,000 token 以内的请求价格最高下降 90%，超过该长度的请求价格则是五倍。
推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的跑分和每任务成本，可看出小模型降价背后的 token 消耗代价。
Simon WillisonAI 评分7474 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，价格与 OpenAI 上月发布的 GPT-6 Luna 一致，为 $0.10/$0.50 每百万 token，超过 100,000 token 后涨至 $0.50/$2.50。
Simon WillisonAI 评分2222 Jake Boggan 谈 Barnette 猜想被 AI 证明后的复杂心情
Jake Boggan 在 Hacker News 评论 openai/math 相关讨论时表示，自己曾为 Barnette 猜想投入 24 年、数千小时，去年夏天还一度以为解出了它，如今该猜想据称已在问题 180 处被证明。他说听到它被解决让自己有种遥远的悲伤，像听说前女友突然死于车祸，并认为今晚很多人都会有类似的奇怪情绪。
The DecoderAI 评分7474 Mistral 发布万亿参数 Mistral Large 4，主打网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4，拥有 1 万亿参数、490 亿激活参数，采用细粒度 MoE 架构，上下文窗口 100 万 token，已通过 Mistral Studio 开放 API 公开预览，权重预计 10 月底发布。
The Decoder精选AI 评分7676 Reflection 发布首款开源权重模型 Beam，主打低算力下的编码与推理
AI 公司 Reflection 发布首款免费开放的模型 Beam，面向编码、逻辑推理和智能体任务。
推荐理由：Reflection 首款开源权重模型 Beam 以 MoE 架构和超大规模 RL 训练换取低算力成本，读者可据此了解开源模型竞争的新路线。
OpenAI NewsAI 评分5555 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布首款前沿开源权重模型 Beam，称其在高级推理基准上达到领先中国开源模型的水平，且推理成本大幅更低。Beam 是文本-only 的 MoE 模型，总参数 5010 亿、激活 230 亿，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其推理算力消耗比对手少 3-4 倍，但性能数据尚未经独立验证。
量子位AI 评分6262 Jev 估值 100 亿美元，创始人 Diogo Almeida 谈 System-One 与可靠性路线
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
The DecoderAI 评分6666 Cloudflare 发布 Clef 决策模型，称 AI 智能体决策不再需要人类在环
Cloudflare 发布决策模型 Clef 与 Clef-flash，称智能体可以自行收集上下文、做出决策并执行动作，必要时再交由人类处理。
OpenAI NewsAI 评分1515 GPT-6 家族模型选型指南
OpenAI 发布 GPT-6 家族模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
量子位AI 评分6262 openJiuwen 首发 X-Router 自演进模型路由技术，实测 Token 消耗减少 50% 以上
openJiuwen 团队发布并开源智能路由框架 model-router，首发 x-router 自演进模型路由算法，在 Agent 与模型之间增加一层按请求动态选模的决策能力。
Ars Technica · AIAI 评分6262 Ataraxos 以 16 块 GPU 在 Stratego 上击败顶尖人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 上以 15 胜 1 负 4 平击败被认为是史上最强的 Stratego 选手 Pim Niemeijer。
量子位AI 评分5454 何恺明团队提出NAT-ARC：用ImageNet预训练让纯视觉方案解ARC
何恺明团队提出NAT-ARC，把ImageNet上的MAE预训练encoder迁移到ARC格子推理，单模型在ARC-1上取得63.4% pass@2，集成后达70.2%。
Google DeepMind精选AI 评分8080 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 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界。
量子位AI 评分6262 OpenAI 推理之父 Noam Brown 最新访谈：数学只是多智能体时代的开胃菜
OpenAI 研究员 Noam Brown 在 Dwarkesh Patel 播客中表示，用 10000 个 Agent、88 小时、1300 亿 token 解出千禧年数学难题，多智能体最多只占 10% 功劳，核心仍是模型本身足够强。
TechCrunch · AIAI 评分7474 Anthropic 发布 Sonnet 5.5，称更快更便宜的工作助手
Anthropic 发布中端模型 Sonnet 5.5，称其比前代快 30%，token 消耗速度明显更慢，定位为日常任务助手，涵盖编码和办公文档生成。Anthropic 基准显示 Sonnet 5.5 在智能体编码上表现优于 Opus 5.5，可能得益于其能在不超成本限制的情况下生成多个智能体。
The DecoderAI 评分6262 Epoch AI 与 MIT 研究：AI 性能成本下降速度超过以往任何技术
Epoch AI 称，自 2023 年以来在部分 AI 基准上达到固定性能水平的成本平均每季度下降约 47%，约合每年 13 倍，快于以往任何变革性技术；MIT 研究者基于 Artificial Analysis 数据看到年降幅为 5 至 10 倍，剔除硬件降价与竞争压力后，算法效率提升约为每年 3 倍。
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%。