腾讯 WorkBuddy 接入 Kimi-K3.1-Pro 模型
腾讯 WorkBuddy 已接入 Kimi-K3.1-Pro 模型，支持 100 万上下文，输出速度提升 2-3 倍，目前仅对企业旗舰版和个人订阅用户开放。Kimi-K3.1-Pro 是 3 万亿级参数模型，在代码、3D 创作、金融研究和长程 Agent 能力上表现优异，在多项基准测试中达到或接近最强闭源模型水平。
#推理
IT之家AI 评分7373 IT之家AI 评分6565 亚马逊CEO贾西：AI推理成本需降至十分之一才能普及企业软件
亚马逊CEO安迪·贾西认为，要让AI广泛应用于企业软件，推理成本需要降至目前的约十分之一。亚马逊今年计划投入2,200亿美元资本开支，但2026-2028年的算力供应已基本售罄。亚马逊自研Trainium芯片较同类处理器性价比高出30%至40%，已获得超过2,250亿美元的未来收入承诺。
The Decoder精选AI 评分7676 月之暗面发布 Kimi K3.1 Pro 模型，性能接近 Claude Opus 5.5
月之暗面发布了 Kimi K3.1 Pro 模型，在 Artificial Analysis Intelligence Index 上获得 55 分，排名第四，仅落后于 Claude Opus 5.5(58分)、Claude Sonnet 5.5(56分)和 Muse Wonder Full(56分)。
推荐理由：Moonshot AI 的 Kimi K3.1 Pro 在推理能力上逼近顶级闭源模型，开源版若如期发布将大幅缩小性能差距。
AWS Machine Learning Blog精选AI 评分7575 AWS SageMaker AI多轮强化学习实践指南
AWS发布多轮强化学习(MTRL)教程，指导用户如何在SageMaker AI上训练AgentCore智能体，使其能够处理需要序列决策的任务。教程以Wordle游戏为例，展示了从环境部署、数据准备到模型训练和评估的完整流程，使用GPT-OSS-20B模型将解决率从61%提升到84%，训练成本约339美元。
推荐理由：多轮强化学习让模型从单次回答转向序列决策，AWS教程展示了如何用SageMaker训练AgentCore智能体。
雷锋网精选AI 评分8181 月之暗面发布Kimi K3.1，成本仅为GPT-6 Astra的1/14
月之暗面即将发布Kimi K3.1模型，在3D图形生成、视觉推理和前端代码领域表现突出。该模型在开源3D图形库Three.js上表现出色，成本仅为Kimi K3的70%，Token效率全面升级。实测显示，Kimi K3.1能在15分钟内交付工业级可交互3D资产，成本仅为GPT-6 Astra的约1/14，在视觉领域展现出不输于美国顶尖闭源模型的实力。
推荐理由：15分钟交付工业级3D资产，成本仅为GPT-6 Astra的1/14，国产模型在视觉领域实现突破性进展。
The Decoder精选AI 评分7676 Anthropic 的 Claude 现可自动编写代码并证明其安全性
Anthropic 使用 Claude 数学证明现有代码的正确性，该模型在几周内生成了约1.8亿行数学证明代码，分析了来自123个开源库的测试程序，发现了数百个传统测试可能遗漏的bug。尽管证明仅在特定条件下有效，且计算成本高昂，但 Anthropic 认为这将改变软件开发流程，并计划将此技术应用于关键基础设施。
推荐理由：Claude 自动生成数学证明验证代码安全，将传统需20人年的工作压缩至数周，但严格限制条件仍存挑战。
IT之家AI 评分4545 月之暗面公布 Kimi K3.1 预热视频，发布日期暂未官宣
月之暗面发布 Kimi K3.1 预热视频，显示模型支持 1M tokens 上下文窗口，新增 medium 档推理强度。K3.1 已在 API 平台和 SGLang 仓库中可调用，但官方尚未公布发布日期、参数规模或定价。
雷锋网AI 评分7575 蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，在23项开源评测基准中综合评分超过Microsoft-Decision-1和Jev 1.13等模型。该模型专为快速决策打造，Token消耗降低超90%，响应时效提升10倍，首创支持原生多选与按序决策能力，已在蚂蚁数科智能客服、安全风控、金融应用等场景测试。
TechCrunch · AIAI 评分7373 OpenAI广泛推出决策模型API，决策模型竞争升温
OpenAI首次广泛开放其Decisions API模型，进入快速、低成本智能市场。该模型基于ChatGPT Luna重新配置，将推理速度从1-3秒缩短至100-180毫秒，已在Box、Datadog等公司测试中成功替代LLM，将响应时间从1.4秒降至0.13秒。OpenAI还添加了新的语音和视觉模态，并针对全球不同地区优化了推理资源。
量子位精选AI 评分7676 蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，在23项开源评测基准中综合评分超过Microsoft-Decision-1、Jev 1.13等热门决策模型。该模型专为快速决策打造，在处理结构化决策任务时准确率更高、响应更快、Token成本更低，首创支持原生多选与按序决策能力。
推荐理由：原生多选与按序决策让决策模型更贴近企业真实业务流程，接下来看它如何在实际场景中替代传统大语言模型。
IT之家AI 评分7575 蚂蚁数科发布决策模型LingDT-Decision-1.0
蚂蚁数科今日发布决策模型LingDT-Decision-1.0，专为快速产业决策打造，在处理结构化决策任务时具备准确率更高、响应更快、Token成本更低等优势。
Hugging Face Blog精选AI 评分8585 NVIDIA发布Kumo Relational：无需训练即可在关系数据库上进行预测的基础模型
NVIDIA发布Kumo Relational，这是一种预训练的关系基础模型，可直接在企业数据库上进行预测，无需任务特定训练、特征工程或表格扁平化。该模型在41项任务中超越监督学习模型，在SAP SALT企业基准测试上比AutoGluon集成模型高出8%的平均倒数排名(MRR)，可扩展至500B+行数据库的规模。
推荐理由：无需训练即可直接在企业数据库上进行预测，Kumo Relational在41项任务中超越监督学习模型，标志着结构化数据基础模型的新阶段。
The DecoderAI 评分7272 Inception 发布 Mercury 3 扩散语言模型
Inception 发布 Mercury 3 扩散语言模型，声称在多项基准测试中超越 GPT-6 Luna 和 Claude Haiku 5.5，速度提升 4-8 倍，每秒生成 1,068 tokens。
钛媒体AI 评分7373 DeepSeek发布开源推理代码，支持华为与Nvidia芯片互操作
DeepSeek发布开源推理代码，首次在同一项目中同时支持华为Ascend处理器和Nvidia数据中心GPU，使工作负载在两种芯片间迁移接近于切换配置。该代码旨在解决中国机房在芯片供应紧张时的灵活性问题，但实际性能和生产环境适配仍需验证。
Latent Space精选AI 评分8585 DeepSeek开源DeepInfer高性能推理框架
DeepSeek开源了其生产级推理框架DeepInfer，支持高达155万亿tokens/天的集群吞吐量，在非高峰时段每卡每小时收入达38美元，约80%的推理利润率，81天可收回成本。该框架基于vLLM定制，添加了优化的KV缓存、预填充/解码分离和负载平衡等功能，支持NVIDIA SM100和华为Ascend 950平台。
推荐理由：开放高性能推理框架DeepInfer将155T tokens/天的吞吐量转化为$22m日收入，开源与商业边界正在重构。
钛媒体同事件AI 评分7676 DeepSeek推理框架DeepInfer对等支持华为、英伟达芯片
DeepSeek宣布开源自研推理框架DeepInfer，同时支持华为昇腾950系列NPU和英伟达SM100 GPU，二者处于对等构建选项地位。开发者可通过环境变量在两类硬件间切换，大幅降低国产芯片适配门槛，有望加速国产芯片替代进程。
同一件事，精选收录的是《DeepSeek开源DeepInfer高性能推理框架》
华尔街见闻AI 评分7575 DeepSeek和MiniMax发布新一代Flash模型，挑战旗舰性能
DeepSeek发布V4.1 Flash-1017，MiniMax发布M3.1 Flash，两款模型在编程、网络安全和复杂Agent任务等评测中表现优异，同时大幅降低价格。M3.1 Flash在BankerToolBench中与Claude Opus 5并列第一，输入输出价格降至上一代的一半，缓存读取价格降低约75%。
量子位AI 评分6565 Claude新模型曝光：能跳出思维定势，修Bug治标又治本
Claude新模型被曝光，在推理和直觉方面表现更好，能跳出思维定势，修复bug时能识别根本问题并一并处理。同时，谷歌Gemini 4 Carbon和OpenAI GPT-6.1 Terra也即将发布，AI圈新模型发布速度加快。
雷锋网AI 评分4545 OpenAI 将研发人形机器人，奥尔特曼称核心是打造“大脑”
OpenAI 将研发人形机器人，CEO 奥尔特曼称核心是打造驱动机器人运转的“大脑”。该项目预计 2027 年推出演示样机，但机器人走上街头还需数年。
华尔街见闻AI 评分6565 Anthropic正开发Fable 5.5新模型，主打意图推断能力
据报道，Anthropic正在开发一款能够主动推断用户模糊指令背后真实意图的新模型，在指令不完整时仍能推断用户目标，展现出更强推理能力和创造性问题解决能力。该模型可能改变用户与AI助手的交互方式，用户不再需要精心设计提示词。
The DecoderAI 评分7373 MiniMax发布M3.1 Flash推理模型，成本降低一半
MiniMax发布M3.1 Flash推理模型，在Artificial Analysis Intelligence Index上得分42，比前代M3提高13分，同时成本降低一半。
MIT Technology Review · AIAI 评分6565 神经网络理解新观点：研究者称我们一直看错了
Goodfire研究员Nick Cammarata发表博客文章，提出神经网络可能比人们之前认为的更容易理解和控制，这一观点在AI界引发热议。他通过重新分析Inception v1模型，发现神经元存储的看似无关概念（如汽车和猫）实际上存在共同模式（如V形结构）。然而，斯坦福大学和Google DeepMind的研究者对此表示质疑，认为这只是理解神经网络的一小步，距离全面理解还有很长的路要走。
财联社电报AI 评分2525 Anthropic 准备推出推理能力更强的模型
Anthropic 即将发布推理能力更强的模型。新模型具体参数和性能尚未公开。
钛媒体AI 评分7171 腾讯混元发布Terminal-RSI研究论文
腾讯混元Frontier团队发布Terminal-RSI研究，通过递归自我重写和递归策略精炼，使Qwen3.8-27B模型在Terminal-Bench 4.0上从0%提升至19.84%，与GPT-5.6 Terra、Gemini 3.8 Flash齐平。该研究解决了反馈慢和对错难区分的问题，但仅在27B模型上验证，未在大模型上测试。
IT之家AI 评分4242 英伟达优化 Kimi K3 模型推理速度，提升 1.68 倍
英伟达通过 vLLM 优化使 2.8 万亿参数的 Kimi K3 模型达到 423 tok/s/user 推理速度，性能提升 1.68 倍。该优化采用大规模 Megakernel 融合技术，包含 1.2 万行代码。英伟达同时为 DeepSeek V4.1 等模型开发类似优化。
钛媒体精选AI 评分8585 StartLux-Decision模型登顶Hugging Face决策模型SOTA
中国AI创业公司StartLux的StartLux-Decision-v1.1-27B-Instant模型以69.1分登顶Hugging Face Decision Index 0.3.2榜单，领先第二名近3分。该模型提供Instant与AutoThink两种模式，原创提出RLCD²强化学习训练方法，并推出DecisionPivot评测基准，累计下载量近12万。
推荐理由：StartLux-Decision模型在Hugging Face决策模型榜单登顶，展示了中国在决策模型领域的领先地位。
量子位AI 评分8585 Claude半小时解开密码学悬案，学界集体走偏20年
Anthropic的Claude模型在不到半小时内查明五条NIST标准椭圆曲线的种子生成方式，推翻了学界二十多年的错误猜测，发现种子实际来自90年代电脑时钟的时间戳。
IT之家AI 评分7070 Claude 当起"数字考古学家"：不到 30 分钟揭开困扰密码学界 26 年的 NSA 参数来源之谜
Anthropic 公司的 Claude 模型用不到 30 分钟追溯出五条美国国家标准与技术研究院标准椭圆曲线的"种子"来源，解决了延续约 26 年的密码学悬案。模型发现这些种子实际来自 C 语言库中的伪随机数生成器 lrand48，初始化输入是 Unix 时间戳，将生成时间追溯至 1997 年至 1998 年。
TechCrunch · AIAI 评分6565 Elorian发布首个AI模型Glimpse，实现图像推理而非仅描述图像
Elorian发布首个AI模型Glimpse，采用'视觉scratch space'机制，可在推理过程中返回图像源区域、提取视频帧或运行代码进行测量比较。该模型在科学图表推理和短视频字幕生成方面表现优于GPT-6 Astra，定价为每百万输入token 0.60美元，输出token 3美元。
The DecoderAI 评分6868 Google发布Gemini 4 Argon模型，在ARC-AGI-3基准测试中得分97.5%
Google Deepmind发布Gemini 4 Argon模型，在ARC-AGI-3基准测试中得分97.5%，成为第二个超过95%的AI实验室，仅次于OpenAI的GPT-6 Astra。该模型在25个公开游戏中比人类基准少需要62%的动作，但在数学和软件工程方面仍落后于竞争对手。
Hugging Face BlogAI 评分8585 Reflection发布501B参数开源模型Beam
Reflection实验室在Hugging Face发布501B参数开源模型Beam，采用MoE架构，每激活23B参数，支持1M上下文窗口，专注编码和智能体应用，提供多种部署方案和微调教程。
雷锋网AI 评分8585 Anthropic五年前机密文档泄露：研究路线图与产品发展历程
Anthropic一份2021年的内部研究路线图被意外曝光，文档中规划的研究方向如长上下文、工具使用、Agent安全等，在五年后陆续兑现为Claude系列产品。从Claude 1到Opus 5.5，从宪法AI到Computer Use、MCP协议、Claude Code，Anthropic沿着既定路线稳步推进，估值从1.24亿美元增长至1830亿美元，成为AI行业三巨头之一。
IT之家AI 评分7373 PrismML 发布 Ternary Bonsai 2 系列AI模型
PrismML 发布基于阿里 Qwen 3.5 的 Ternary Bonsai 2 系列模型，包含 2B、4B 和 9B 三种规模，采用三元权重表示法，存储占用分别为 0.43GB、0.95GB 和 2GB。在 iPhone 18 Pro Max 上，9B 模型最高可达每秒 34 个词元，2B 模型最高可达每秒 120 个词元。
Latent SpaceAI 评分7575 智能体分析挑战神经网络多义性理论
Goodfire的Nick Cammarata提出'神经网络已清洁'理论，认为智能体分析可以解决神经网络中的多义性和叠加问题，降低模型末日风险。这一观点引发了学界讨论，Neel Nanda等人提出质疑，认为弱激活仍可能存储记忆事实。
IT之家AI 评分4545 TypeSafe AI 发布 Jev 1.14 决策模型仅一天， Liquid AI 便以 d1-ultra 全面超车
TypeSafe AI 发布 Jev 1.14 决策模型预览版，支持图像输入、更长上下文及新 "box" 类型。次日 Liquid AI 推出 d1-ultra 决策模型，在八类任务中全面超越 Jev 1.14 及 vLLM Semantic Router d3 等竞品。
Hugging Face Blog精选AI 评分7878 IBM 发布 Granite Switch 4.1 多模态模型
IBM 发布 Granite Switch 4.1 模型，整合了聊天、决策和语音识别功能，支持从单一端点切换任务。该模型包含新的决策 aLoRA、Guardian aLoRA 和 Granite-Speech-5.0-Turbo-CTC，在安全决策任务上优于多个竞争模型，并可在单个 GPU 上实时运行多种任务。
推荐理由：原文提供了多模态能力整合和性能对比，读者可据此评估其在实际应用中的效率优势。
The DecoderAI 评分7373 GPT-6-Astra 解决98%理论物理研究问题
GPT-6-Astra在理论物理基准测试中解决了49/50个问题，准确率达98%，成本仅为116美元。该研究测试了多种AI代理在理论物理计算任务中的表现，发现AI在解决具体计算问题上已超越人类专家，但在理论构建和问题选择方面仍有局限。
IT之家AI 评分7373 阶跃星辰开源 Step 5 Preview 权重，华为昇腾、沐曦、壁仞等首发支持
阶跃星辰正式开放 Step 5 Preview 模型权重，包含 BF16 与 FP8 两个版本，已在 Hugging Face 和 ModelScope 上线。华为、壁仞科技、沐曦股份宣布提供 0Day 支持，其中华为同步上线首套 1024 卡 Atlas 950 SuperPoD 液冷超节点。
量子位AI 评分7575 Anthropic五年前路线图曝光，Claude Code等Agent功能早已规划
Anthropic一份2021年的内部研究路线图意外曝光，显示该公司早在五年前就规划了Claude Code、工具调用、AI自我评判等功能，并预见了万亿参数模型和超长上下文的发展方向。路线图还展示了Anthropic在AI安全方面的早期思考，包括对工具调用安全性的担忧和对齐研究的必要性。
钛媒体AI 评分8585 中国科学家以书生科学多模态大模型攻克三维Ghys猜想
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，通过人机协同完成了困扰数学界30余年的三维Ghys猜想证明，相关论文已在arXiv发布，形式化代码在GitHub公开。北大董彬教授、刘若川院士团队使用SHEAF框架完成了形式化验证，确认证明正确性。