Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版 Le chonk，这是一个 1 trillion parameter、49 billion active parameter 模型，可通过 Mistral API 使用。
#推理
Simon WillisonAI 评分7070 The Decoder精选AI 评分8585 OpenAI 在 GitHub 发布 372 个 AI 生成数学证明
OpenAI 发布了 372 个由内部前沿模型生成的数学结果，托管在 GitHub 而非学术期刊，并称每个结果旨在解决开放问题或取得实质进展。这些结果包含主要计算机算法改进和与 Riemann hypothesis 相关的进展，许多证明带有 Lean 形式化，平均每项消耗约三小时的 ChatGPT Pro Thinking compute。
推荐理由：原文呈现了 AI 生成数学证明从产出到审查的流程变化，以及数学界对理解价值的分歧。
The Verge · AI同新闻AI 评分8181 OpenAI 发布 722 篇数学手稿，称包含数百个开放问题解法
OpenAI 发布了一批由未发布前沿模型生成的数学手稿，共 722 篇，覆盖 372 个相关结果族，据称包含“数百个”开放问题的解法。发布内容包括部分模型推理摘要、所用 compute 估计和尝试问题数量统计，OpenAI 称“平均结果”相当于 3 小时 ChatGPT Pro thinking。
同一新闻，精选展示《OpenAI 在 GitHub 发布 372 个 AI 生成数学证明》
量子位精选AI 评分8383 Anthropic 发布 Claude Haiku 5.5，小模型跑分提升并调整价格
Anthropic 发布 Claude Haiku 5.5，文章称其在小模型跑分上超过 DeepSeek V4.1Flash、GLM-5.3-Flash，并逐项赢过 GPT-6 Luna。
推荐理由：原文梳理了 Haiku 5.5 的价格、跑分和迁移改动，可用于评估小模型替换成本。
Simon Willison精选AI 评分8181 Anthropic 发布 Claude Haiku 5.5，价格对齐 GPT-6 Luna
Anthropic 发布新的快速低成本模型 Claude Haiku 5.5，Simon Willison 实测称其在 100,000 tokens 内价格为 $0.10/$0.50，与 GPT-6 Luna 相同。
推荐理由：作者实测了价格、tokenizer 和推理档位，便于比较 Claude Haiku 5.5 与 GPT-6 Luna 的成本差异。
Hugging Face Blog精选AI 评分8282 Hugging Face 介绍 Nemotron 微调后在 IOI 2026 和 IMO 2026 达到金牌水平
Hugging Face 介绍 Nemotron 团队从 Nemotron 3 出发，通过 SFT、RL 和反馈驱动推理，在 IOI 2026 与 IMO 2026 达到金牌水平。
推荐理由：文章同时给出训练数据、推理流程和开源入口，可参考其将基础模型专门化到竞赛任务的方法。
量子位AI 评分4444 AI 代码模型为何越来越“不说人话”
量子位讨论 Claude、GPT、Gemini 等 AI 在 Coding 场景中输出黑话化、文言化的问题，认为 Coding 过拟合和 CoT 压缩可能是重要原因。
量子位精选AI 评分8686 OpenAI 公开 722 篇未发布内部模型生成的数学手稿
OpenAI 公开 722 篇数学手稿，全部出自一个尚未发布的内部模型，归成 372 组结果，并上传论文、源码和部分 Lean 证明到 GitHub。材料称这些结果覆盖准黎曼猜想、霍奇猜想、BSD猜想、π的无理性指数、唯一游戏猜想等 17 个方向，模型此前尝试约 4000 个研究问题，平均每项结果消耗约相当于 ChatGPT Pro 思考 3小时。
推荐理由：原文梳理了手稿覆盖范围、核验状态和数学界反应，可帮助理解AI产出数学成果后的同行消化压力。
Microsoft ResearchAI 评分4949 Microsoft Research 访谈：AI 会犯什么错，失败能教会我们什么
Microsoft Research 访谈 Jennifer Neville，讨论评估如何推动 AI 系统性能边界，并揭示传统 benchmark 之外的“意外失败”。Neville 研究交互式领域与结构化数据中的机器学习和 AI，已发表 130 多篇论文、获 10,000 多次引用，并分享当前 AI 系统使用建议。
OpenAI NewsAI 评分5959 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布了一个内部前沿模型在数学开放问题上的新结果。OpenAI 还在 GitHub 分享了 Lean 证明形式化内容和研究细节。
MIT Technology Review · AIAI 评分6161 Thore Graepel 认为 LLM 并不具备真正推理能力
Thore Graepel 认为，当今 LLM 主要依赖 next-token prediction 和 CoT 延长生成过程，并不具备 AlphaGo 式的独立推理机制。他以 AlphaGo 的政策网络与搜索机制解释第 37 手，指出真正推理需要显式、持久、可检查的认知状态，以及知识与操作知识方式的分离。他主张未来 AI 应维护可审计的证据、推理和信念修订序列，用于科学、医学、工程等高风险领域。
Latent SpaceAI 评分4545 MIT Alex Zhang：学术界需要雄心，RLMs 与 AI 智能体集群的研究机会
Latent Space 访谈 MIT 的 Alex Zhang，讨论 RLMs、GPU Mode、KernelBench、AI 生成 GPU kernels 与多智能体集群。
Latent Space精选AI 评分7979 Gemini 4 Argon 发布，Google DeepMind 面向编码、企业知识工作和网络防御推出前沿模型
Google DeepMind 推出 Gemini 4 Argon，用于编码、企业知识工作和网络防御，当前仅通过 Fairwind Program 向政府用户和受信任的网络防御者开放。
推荐理由：原文汇总了 Argon 的开放范围、价格和多组评测结果，便于比较 Google DeepMind 与同级前沿模型。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布 Gemini 4 Argon，这一前沿模型将先通过 Fairwind Program 向一组受信任的网络防御者推出，并逐步扩大访问。
推荐理由：原文给出发布节奏、价格和多项基准结果，可用于了解 Google 对高能力模型分阶段开放的安排。
Google DeepMind精选AI 评分8686 Google DeepMind 推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，用于近实时推理、语音智能体和更自然的 AI 对话。
推荐理由：原文同时给出语音模型能力、评测结果和开放入口，便于判断其在语音智能体中的适用场景。
Import AIAI 评分3535 Import AI 470：机器权利、SPADE 自动生成环境与 Hawkeye 优化 GPU kernels
Import AI 470 讨论 METR 对 AI 加速科研的分析、SPADE 合成可执行环境，以及 Hawkeye 改进 GPU kernels。METR 称 AI 对 cyber 漏洞发现加速明显，对数学贡献较小，对 AI 研究优化暂无可测加速；SPADE 在 Qwen3-30B-A3B 上游戏套件平均达 58.3，比 base 高 +8.1。
Import AIAI 评分4545 Import AI 469：Science AI、RSI Simulator 与 Zuck 的技术悲观主义
Import AI 469 讨论 DiG-bench、RSI Simulator 和 Inherent 的 AI 科学家模型 Faraday 等 AI 研究进展。
Berkeley AI ResearchAI 评分2121 2026 BAIR 博士毕业生展示
BAIR 庆祝 2026 届 Ph.D. 毕业生，他们的研究覆盖机器人与具身智能、LLM 与推理、计算机视觉、生成建模、AI 安全、人机交互、AI for science and healthcare 等领域。毕业生将前往高校任教或从事博士后研究、加入产业研究实验室，或创办自己的初创公司。
Berkeley AI ResearchAI 评分5252 Berkeley AI Research 分析自适应并行推理的高效推理扩展范式
Berkeley AI Research 文章分析 Adaptive Parallel Reasoning，认为它让模型在推理时自行决定何时拆解任务、启动多少并行线程以及如何协调。
Berkeley AI ResearchAI 评分4242 GRASP：面向世界模型长时域规划的梯度式方法
Berkeley AI Research 介绍 GRASP，一种用于学习动态系统“世界模型”的梯度式规划器，旨在让长时域规划更实用。GRASP 将轨迹提升为虚拟状态以并行优化时间维度，在状态迭代中直接加入随机性用于探索，并重塑梯度，让动作获得更清晰信号，同时避免穿过高维视觉模型的脆弱“state-input”梯度。