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。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 41–60 条 · 共 86 条OpenAI News精选AI 评分5858 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 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。
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。
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。
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。
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 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。
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。
OpenAI News精选AI 评分5252 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的应用。
推荐理由：材料给出推理模型在罕见病诊断中的实际命中数量，可了解AI辅助临床诊断的落地程度。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上最高实现 4 倍推理提速，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，可据此判断本地低并发场景的取舍。
OpenAI News精选AI 评分6262 OpenAI 为 GPT-Rosalind 推出新能力
OpenAI 宣布为 GPT-Rosalind 推出新能力，用于推进生命科学研究。新增能力涵盖增强的生物推理、药物化学专业知识、基因组分析和实验工作流能力。
推荐理由：OpenAI 为 GPT-Rosalind 增加生物推理、药物化学与基因组分析能力，读者可了解其在生命科学场景的定位。