中信证券：AI 产业重心逐步转向推理与货币化，看好 CSP、平台软件及半导体结构性机会
中信证券研报指出，Anthropic、OpenAI 等模型厂商提出放缓前沿能力提升的倡议，反映头部模型厂商的经营困境与商业算计，而非创始人道德洁癖。研报预计行业监管将缓慢完善，头部模型公司将更多聚焦应用落地以平衡财务压力，AI 产业重心逐步转向推理、货币化，持续看好 CSP、平台软件厂商以及硬件半导体中的结构性机会。
#推理
#推理
今日 0 条36氪AI 评分2222 Show HNAI 评分3434 Show HN：Zephirum —— 一个证明你无需计算的编译器
Zephirum 是一个"必要性编译器"，先用 ZCA 消除阶梯证明计算是否必要，只执行剩余部分并附可验证证书。在 50 万个随机问题上测试耗时 14 秒、0 个错误答案，证书独立验证 500000/500000 通过，76.5% 的计算被证书消除，另有 6.3% 诚实返回 UNKNOWN。项目为纯 Python 3 实现，无依赖、无 LLM、无云端，含独立验证器与多目标转译器。
Show HNAI 评分3838 Show HN：用 800M AI harness 挑战 7B 模型 [视频]
一位开发者在 Show HN 上展示了一个 800M 参数的 AI harness，目标是挑战 7B 模型的表现。该内容以视频形式呈现，目前获得 2 分和 1 条评论。
Show HN精选AI 评分6262 Show HN：交互式演示一个小型 GPT 从一次前向传播到一步 RLHF 的全部数值
作者发布了一个交互式演示，逐步展示一个类 GPT-2 小型模型的完整计算过程，每个矩阵都完整显示在屏幕上，所有数值都在浏览器中实时计算，悬停任意单元格即可看到该步的具体数学运算。
推荐理由：作者用浏览器内实时计算的交互式演示，把一个小型 GPT 从分词到采样、预训练与 RLHF 的每一步数值摊开。
量子位AI 评分2222 这年头还有说人话的AI吗？Claude、GPT思维链被指"穴居人语"
开发者吐槽Claude、GPT等模型在Coding场景下表达严重黑话化，如"15/15全绿""单腿哑火"，被戏称全球AI表达能力倒退两千年。有分析认为，为降低Token消耗，厂商将思维链压缩成"山顶洞语"，Token消耗量比白话文少70%，GitHub上教AI说黑话的CaveMan Skill已获104K星。Opus 5.5语言能力有所回升，而Gemini被网友称为少数还能正常沟通的AI。
The Decoder精选AI 评分8282 OpenAI 在 GitHub 发布 372 条 AI 生成的数学结果
OpenAI 在 GitHub 上发布了由内部前沿模型生成的 372 条数学结果，每条都声称解决了一个开放问题或取得实质进展，其中包含对重要计算机算法的改进以及与黎曼猜想相关的进展。
推荐理由：OpenAI 把 372 条 AI 生成的数学结果直接发到 GitHub，读者可据此观察学术评审流程与 AI 产出速度之间的张力。
36氪精选AI 评分6262 OpenAI 公开前沿大模型生成的数学研究成果
OpenAI 正在公开其内部前沿大模型生成的一系列全新数学研究成果，相关内容通过 GitHub 代码库发布，并附带论文修订与引用的规范协议。成果包含 Lean 语言形式化证明，可让数学证明内容直接通过计算机完成校验；单份成果平均消耗的算力约等于 ChatGPT Pro 三小时的深度推理时长。
推荐理由：OpenAI 公开前沿模型生成的数学研究成果，并给出 Lean 形式化证明与算力消耗口径，可供观察模型做数学研究的实际形态。
OpenAI News精选AI 评分5858 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 形式化证明与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 形式化证明，可供研究者直接查阅。
Simon Willison精选AI 评分6262 Mistral 发布 Mistral Large 4 预览版：1 万亿参数、49B 激活
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、49B 激活参数的模型，基于自有 3,800 块 NVIDIA Grace Blackwell GPU 集群训练，目前通过其 API 提供。
推荐理由：Mistral 时隔近一年重回前沿附近，参数规模、算力集群与评测分数给出了可比较的坐标。
The Decoder精选AI 评分7171 Reflection 发布首款开源权重模型 Beam，以低算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布首款免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
推荐理由：Reflection 首款开源权重模型 Beam 以低算力对标 DeepSeek 与 Qwen，读者可据此了解西方开源模型的算力效率路线。
TechCrunch · AI精选AI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型并压低推理算力
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上性能与中国领先开源模型持平，且推理算力消耗低 3-4 倍。Beam 是文本 MoE 模型，总参数 501B、激活 23B，预训练 23.8 万亿 token，上下文窗口 100 万 token；公司称其得分与 Z.ai 的 GLM-5.2 相当，并超过当前西方领先开源模型。
推荐理由：Reflection 首款开源权重模型 Beam 的规格与对标对象，可用来观察西方开源模型追赶中国模型的路径。
Show HNAI 评分3838 Show HN：jiwo 小型决策模型登顶 Decision Index 榜单
jiwo 是一个独立项目，其模型读取状态与问题后一次前向传播即返回每个选项的概率，不生成文本，在单张 H100 上中位请求耗时约 50 ms。jiwo-0.8b 以 28.00 分在 Decision Index 1B 以下参数组排名第一，jiwo-4b 以 44.97 分在 3–6B 组实时榜居首，两者均基于 Qwen3.5 并以 Apache-2.0 许可发布。
Simon WillisonAI 评分2727 Qwen3.8 27B 用英文单词做加法的基准测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 能否仅用英文单词表达整数加法结果。禁用推理时 5,070 个用例数值准确率仅 23.57%，一至三位数操作数从 97.04% 降至十至十三位数的 6.44%，格式合规率 96.17%。启用推理后 169 次配对测试答对 167 次。
Show HNAI 评分2222 Show HN：Reverse.horse——用你的人类大脑驱动的 Jev 兼容 API
Reverse.horse 是一个 Jev 兼容 API，用人类大脑充当模型来响应请求。该项目试图通过让用户"置身请求中"亲自回答问题，来理解和解释新的 Jev "System One" 模型。
The Verge · AIAI 评分2222 观点：我们的大脑根本招架不住 AI
神经科学家 Paul Cisek 提出，大脑并非图灵式的信息处理器，而是随进化不断向外部世界延伸的反馈控制系统，这一模型比"大脑即计算机"更贴合可观测的神经结构。作者据此认为，AI 如同认知层面的垃圾食品，即时诱人却会侵蚀人类数千年演化出的认知系统。
Show HN精选AI 评分7272 gutsy-0.8b v0.4 发布：CPU 本地运行的校准决策模型
gutsy-0.8b v0.4 发布，这是基于 Qwen3.5-0.8B 微调的本地决策模型，接收文本或 JSON 状态与是非、选择、打分三类问题，返回每个选项的概率，不做文本生成、不联网、无按次调用成本。
推荐理由：0.8B 决策模型在 CPU 上给出校准概率，并公开了训练数据构成与各基准的弱项，便于判断这类小模型能承担哪些判断任务。
IT之家精选AI 评分6262 OpenAI GPT-6 Astra 破解拿破仑 1809 年密信，揭示 217 年前军事部署
一名 AI 研究人员借助 OpenAI GPT-6 Astra 破解了拿破仑写于 1809 年的加密军事信件，这封信因密码本遗失已 217 年未被完整解读。该工作由 SentinelOne 的 AI 工程师卡特·丘奇完成，从历史文献扫描图像开始做文字识别和密码分析，整个过程约耗时 6 小时。
推荐理由：读者可以看到 GPT-6 Astra 如何把图像识别、符号分类与密码推理串成一条流程，并了解其验证方式。
Ask HNAI 评分1717 Ask HN：循环 Transformer 如何处理上下文窗口？
有用户在 Ask HN 提问，循环 Transformer 是否也会像推理 token 那样污染上下文、导致压缩机制快速触发。该用户称 GPT Astra 使用循环而非推理 token，并追问 Astra 这类循环 Transformer 是否存在同样问题。该帖暂无评论。
量子位精选AI 评分6666 Jev 估值 100 亿美元，创始人 Diogo Almeida 谈 System-One 与可靠性
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 上线不到一周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。
推荐理由：TypeSafe 创始人复盘 Jev 的 System-One 路线，给出对 benchmark、RLHF 与 coding agent 竞争格局的判断。
OpenAI NewsAI 评分2121 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，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。
MIT Technology Review · AIAI 评分3838 MIT Technology Review：LLM 并不真正推理，AlphaGo 式搜索架构才是出路
前 Google DeepMind 研究员撰文指出，LLM 的思维链仍由同一套 next-token 预测生成，缺乏可检查的持久认知状态、知识与推理的分离，且常事后编造推理过程，因此不构成真正的推理。作者以 AlphaGo 第 37 手为例，说明其创造力来自策略网络提供直觉、搜索机制构建博弈树进行推演，主张通用推理系统应借鉴这一架构维护显式认知状态。
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU 内核与智能体集群：学术界的雄心
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分8080 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
AWS Machine Learning BlogAI 评分2828 亚马逊支付如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周在线 A/B 测试中，一个人群组的最终漏斗转化率出现高个位数百分比的相对提升，另一个人群组则未见改善，问题出在内容而非模型。
量子位精选AI 评分6262 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，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder后迁移到抽象格子推理。表现最好的单模型为0.6B的huge尺度，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，逼近使用8B语言模型的专用系统The ARChitects的71.6%。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力与可视化证据。
量子位精选AI 评分8181 谷歌发布 Gemini 4 Argon，多榜单登顶且成本约为 Astra 一半
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上取得 77.9%，高于 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 1525 分位居 Text Arena 第一。
推荐理由：汇总了 Gemini 4 Argon 的跑分、定价与内部质疑，可对照同期竞品判断其真实位置。
Latent Space精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首批开放给 Fairwind 计划的政府用户和可信网络防御者，之后才向开发者、企业和消费者开放。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与内部部署数据，并列出评测者对数字的质疑，便于对照判断。
爱范儿精选AI 评分7171 Gemini 4 Argon 正式发布，写作与知识能力领先编程
Google 发布 Gemini 4 Argon，官方 18 项测试中 13 项领先，输出上限从上一代 6.4 万 token 提升到 100 万 token，知识工作与长上下文表现最强，编程和终端任务则相对落后。
推荐理由：文章在官方跑分之外补充了内部质疑与第三方盲评，读者可据此判断 Gemini 4 的真实能力边界。
开源中国精选AI 评分7171 Jeff 开源发布：22 毫秒出决策的小模型，0.8B 微调在 benchmark 上逼近 Jev
开源项目 Jeff 发布，定位为专做快速决策的小模型，基于 Qwen3.5 和 Gemma 4 微调，作为 zero-shot 分类器一次前向计算即返回每个选项的校准概率，不生成文本、无需解析。在 RTX PRO 6000 上约 22 毫秒出一次决策，并支持 Apple M4 Max（MLX）。其 0.8B 微调版本在 benchmark 上逼近 Jev。
推荐理由：开源小模型把决策任务做成零样本分类，给出延迟与基准对比，便于判断端侧快速决策的可行性。
Simon WillisonAI 评分6666 TypeSafe AI 发布 Jev，推出 System One 决策模型
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别模型，输入文本后不返回文本，而是返回对应类别、是/否问题、评分的浮点数及置信度。Jev 只对输入收费，首个模型输入价格为每百万 token 0.042 美元，输出免费，且支持并行评估多个问题。作者认为它适合分类、打标签、排序和搜索重排等任务，但指出它更接近黑盒，偏差问题需要重点关注。
Latent SpaceAI 评分7474 TypeSafe AI 发布 Jev：面向软件而非聊天的 System 1 模型
TypeSafe AI 发布首个大型可编程模型 Jev，定位为面向代码消费的 System 1 模型，优化目标是每美元智能而非聊天体验。其核心创新是未发表的 RLCD（Reinforcement Learning for Calibrated Decisions），用带认知诚实概率的答案替代 RLHF 的人类评分反馈，以缓解幻觉、谄媚和对人类的长期依赖。
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 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 相对 GB300 的吞吐与扩展效率数字，可用于比较两代平台的推理经济性。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字论述和一份 Lean 形式化证明。
Microsoft ResearchAI 评分3939 微软研究院发布 MindTopo 基准，揭示多模态模型拓扑推理短板
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并区分静态推理与交互规划两个认知层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨动作序列仍不可靠。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
OpenAI NewsAI 评分4040 如何通过两项设置让 GPT-5.6 在 ARC-AGI-3 基准测试中得分翻三倍
启用两项 API 设置后，GPT-5.6 在 ARC-AGI-3 基准测试中的得分提升至原来的三倍。这两项设置分别用于保留推理过程和启用压缩，从而同时提升了得分与效率。
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
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
OpenAI News精选AI 评分6262 GPT-5.6 如何兼顾前沿智能与效率
OpenAI 发布 GPT-5.6，称其在模型、推理和智能体工作流上提升了 AI 效率，让每美元能获得更多有用的智能。原文未给出具体性能数字或版本细节。
推荐理由：原文给出 GPT-5.6 在模型、推理与智能体工作流上的效率改进方向，可据此了解其单位成本产出思路。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
OpenAI NewsAI 评分4040 GPT-5 如何帮免疫学家 Derya Unutmaz 解开三年未解之谜
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解开了一个困扰三年的免疫学谜题，为 T 细胞行为提供了新见解。这一突破有望支持癌症与自身免疫疾病研究。