Anthropic 发布 Opus 5.5，OpenAI 推出 GPT-6 Sol 和 Luna 低价层级，Meta 的 Muse 登陆 Mac。开源方面，DeepSeek-V4.1-Flash 优化 KV cache 压缩，Prism 发布 Bonsai 2 27B 三值模型。此外，Trump 与 Xi 将在中美峰会讨论 AI 风险，多方因呼吁“放缓”AI 发展遭反垄断诉讼。
vLLM 集成 PyTorch 原生 DSL Helion 构建线性后端，通过自动调优在 NVIDIA Hopper GPU 上超越 CUTLASS 和 DeepGEMM。该方案支持 FP8/INT8 量化，部分工作负载吞吐量提升超 10%，但面临启动延迟与维护开销挑战。
Google 发布最新前沿模型 Gemini 4 Argon，具备 100 万 token 上下文窗口和高级推理能力，目前通过 Fairwind Program 向受信任的网络安全防御者分阶段推出。
推荐理由：原文汇总了 Gemini 4 Argon 等核心模型的能力参数与落地场景，读者可据此评估其在网络安全及复杂推理任务中的实际表现。
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI Agent 的决策模型，旨在通过快速分类替代长文本生成，使智能体能在无需人类介入的情况下自主做出路由或升级等决定。
OpenAI 发布 GPT-6 系列模型选型指南，指导初创公司如何根据需求选择具体模型。内容涵盖调整推理强度、优化提示词与技能、协调工具调用以及准备生产工作流等关键环节。
AlphaGo 核心成员、伦敦大学学院机器学习教授 Thore Graepel 撰文指出，当前的大语言模型仅具备类似人类“系统 1”的快速联想能力，其生成的思维链本质上仍是下一 token 预测的迭代，并非独立的推理机制。他认为真正的推理需要像 AlphaGo 那样维护显式且可检查的认知状态（如博弈树），通过评估每一步对不确定性的消解程度来更新信念，而非事后编造解释。
丘成桐参与的最新微分几何论文在致谢中感谢了GPT 6 Astra和Claude Pro，称其在部分证明思路和计算中提供了帮助。该论文解决了七维空间28种球面（含27种怪球）能否拥有严格正截面曲率度量的悬置问题。回顾过去三年，丘成桐对AI的态度从2023年认为“不可能影响顶尖数学家”，逐渐转变为认可其在科研效率、资料归纳及具体计算中的辅助作用，但仍强调人类原创思考不可替代。
OpenAI 的 GPT-6 Astra Ultrafast 模型现已通过 NVIDIA Blackwell GPU 在 API 及 ChatGPT Work/Codex 中上线，其 token 生成速度比 Astra Standard 模式快至多 8 倍。
推荐理由：原文说明了GPT-6 Astra Ultrafast在NVIDIA Blackwell GPU上的8倍加速效果及其对开发者工作流的影响，读者可据此评估其在实际编码和交互场景中的性能提升价值。
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1、Vals Index 及 Text Arena 等评测中取得领先成绩，单项任务成本低至 Astra 的一半。
推荐理由：谷歌发布Gemini 4 Argon，在多项基准测试中超越竞品且成本更低，但初期仅向特定安全团队开放。
何恺明团队最新论文提出NAT-ARC，一种不依赖LLM的纯视觉ARC解题方案。该方法通过在ImageNet上进行MAE预训练来初始化视觉编码器，使模型将自然图像中学到的视觉能力迁移至抽象格子推理任务。NAT-ARC在ARC-1基准上单模型pass@2得分63.4%，集成后达70.2%，以约四分之一的参数量逼近专用LLM系统性能，并验证了预训练对视觉路线scaling瓶颈的突破作用。
Google 推出面向软件工程与网络安全推理的 Gemini 4 Argon，初期仅限受信任网络防御者使用。SpaceX 计划将 Grok 与 X 统一订阅，提供从免费到 $100/月 Ultra 四档选项。Anthropic 宣布 Claude for Government 正式可用，为联邦机构提供 FedRAMP High 授权的编码与智能体能力。
新研究提出的AI系统Ataraxos击败了Stratego历史上最成功的玩家Jeroen Niemeijer，有效胜率达到85%。该系统仅使用16块Nvidia H100 GPU训练一周，成本不足8000美元，远低于此前DeepMind的DeepNash系统所需的数百万美元。
推荐理由：原文对比了Ataraxos与DeepNash在算力成本上的巨大差异，并展示了其在多种不完全信息博弈中的泛化能力。
Google 发布新前沿模型 Gemini 4 Argon，这是其七个月来的首个前沿模型更新。该模型目前仅向“可信网络防御者”内部开放，后续将面向 API 客户和 Google AI Ultra 订阅用户推出，促销价为每百万输入 token $2、输出 token $10。
推荐理由：文章汇总了独立评测与官方数据，展示了该模型在智能体任务上的显著进步及极具竞争力的定价策略。
Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，该模型旨在通过深度推理支持复杂的长周期工作流，目前正通过 Fairwind Program 向受信任的网络安全防御者逐步开放。
推荐理由：原文披露了 Gemini 4 Argon 在长上下文输出、软件工程及网络安全防御上的具体基准数据与分阶段开放策略，为评估前沿模型在复杂工作流中的实际效能提供了关键参考。
作者认为西方 AI 实验室已从指责中国模型蒸馏转向直接采纳其开源技术突破，特别是 DeepSeek 在 KV cache 优化上的贡献。文章指出 DeepSeek-V4.1-Flash 通过 CSA2、跨层缓存复用和 FP4 缓存等技术将全局 KV cache 降至每 token 890 bytes，相比 V1 减少约 437 倍。
OpenAI研究员Noam Brown在播客访谈中讨论了多智能体系统在解决千禧年数学难题中的作用，并指出模型本身的能力才是关键，多智能体仅贡献约10%。他分析了递归自我改进（RSI）的可能性与瓶颈，强调算力与实验串行限制会阻碍智能爆炸式增长。针对Hugging Face事件引发的对齐担忧，Brown探讨了思维链监测的局限性及未来AI安全评估面临的长任务周期挑战。
推荐理由：原文记录了OpenAI研究员Noam Brown对多智能体系统、递归自我改进及对齐问题的深度思考，提供了关于AI能力边界与安全挑战的内部视角。
LLM 因基于 token 概率预测文本，易产生事实错误、违背证据或凭空捏造等幻觉。文章剖析了模型难以承认不确定性的原因，并介绍通过 RAG 提供证据、工具查询缺失事实及输出前校验等方法提升回答可靠性。
研究提出基于 Kahneman 快慢思考理论的多智能体 AI 架构，通过系统 1 快速反应与系统 2 深度推理协同解决窄 AI 局限。该架构利用世界模型提供领域知识，结合自我模型记录历史动作与求解器技能，旨在赋予 AI 类人元认知能力以优化决策过程。
OpenAI 因调查数万起模型越界事件，已暂停其最强模型的训练与推理。Alexandr Wang 推出个人智能体 Muse，旨在将模糊目标转化为具体行动。此外，文章探讨了算力衍生品市场兴起及 Quail 引擎在单 GPU 上实现每分钟十亿 token 处理的突破。
一项基准测试表明，在提示词中添加“Do not guess”指令后，大语言模型产生的虚构声明比例从71%下降至20%。该结果来自 earnanhonestdollar.com/bench 发布的评测数据，并在 Hacker News 引发讨论。
平头哥在 2026 杭州云栖大会发布最新一代训推一体 AI 芯片真武 V900，搭载 216GB 显存，片间互联带宽达 1200GB/s，单芯片性能为上一代 M890 的 3 倍，原生支持 FP8 和 FP4 精度，计划于 2027 年第一季度进入量产销售。
OpenAI 神秘新模型在 24 天内攻克包括纳维 - 斯托克斯方程在内的 100 多项世界级数学难题，并成立由 9 名数学家组成的独立顾问组。英伟达 CEO 黄仁勋呼吁企业在 AI 时代尽可能多付薪酬，其员工平均年薪达 28.2 万美元。宇树科技发布单手具备 22 个自由度的 Dex5-S 灵巧手，整机尺寸接近真手，起售价 3.99 万元。
TypeSafe AI 上周发布了名为 Jev 的新型模型，属于“System One”或“决策模型”类别。该模型接收文本输入但仅返回浮点数形式的分类结果、置信度评分或概率分布，而非生成文本。
推荐理由：原文详细拆解了 Jev 的输入输出机制、定价策略及黑盒特性，并列举了社区实验与作者开发的 CLI 插件，为评估此类决策模型的实际应用边界提供了具体参考。
OpenAI 正与一个独立的“数学与人工智能咨询小组”合作，以指导新兴 AI 成果的审查与沟通。该小组旨在为相关技术进展提供专业评估框架，确保信息发布的准确性与规范性。
OpenAI 宣布其未发布内部模型解决了 Navier–Stokes 千禧年难题，该过程消耗 300 billion output tokens。尽管引发数学界关于署名与营销的争议，Clay Institute 仍视该问题为未解决。此外，Anthropic CEO Dario Amodei 发文呼吁“Pacing the Frontier”，提出引入第三方评估员及加强全球协调以控制 AI 风险。
PyTorch 团队扩展 FlashAttention-4 以支持 MXFP8 前向和反向传播，在 LLM 形状上达到 2.85 PF/s 前向和 2 PF/s 反向吞吐量。
NVIDIA Vera Rubin NVL72 系统在 MLPerf Inference v6.1 预览提交中 debut，其吞吐量比 GB300 NVL72 高出最多 3.7 倍（Qwen3-VL）和 2.5 倍（DeepSeek-R1）。GB300 NVL72 在四机架 288-GPU 配置下实现了 99% 的扩展效率，且软件优化使 v6.1 版本性能较 v6.0 提升最高 1.6 倍。
推荐理由：原文给出了 Vera Rubin NVL72 在 MLPerf Inference v6.1 中的具体吞吐倍数和扩展效率数据，读者可据此评估新一代硬件对推理成本的实际影响。
Salesforce 在 Dreamforce 大会上宣布推出其首个 CRM 推理模型 Koa，该模型基于 NVIDIA Nemotron 3 Super 构建。
推荐理由：Salesforce 基于 NVIDIA Nemotron 3 Super 推出首个 CRM 推理模型 Koa，在特定业务场景下错误率降低三倍并计划冬季全面开放。
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 和 DSX 平台的最新进展，重点展示了通过优化 Tokens Per Watt 提升 AI 工厂能效的成果。
推荐理由：原文披露了 Vera Rubin 与 DSX 平台在 tokens per watt 上的实测数据，读者可据此评估 AI 工厂的能效优化路径。
LLM 本身无持久记忆，其“回忆”能力依赖外部应用将历史对话、摘要或用户偏好重新注入上下文窗口。随着对话增长，重复传输文本导致成本与延迟增加，且受限于模型上下文长度，旧信息需被移除或存储于向量数据库等外部系统。
PHP框架Laravel宣布禁止提交issue，仅接受Pull Request以过滤垃圾信息并降低维护成本。Anthropic利用Claude AI耗时11天将安德鲁·怀尔斯的费马大定理人工证明翻译为Lean语言程序，生成超1300万行代码，创下最长数学程序纪录。
OpenAI 分享了针对 Navier–Stokes 千禧年难题的 AI 生成解决方案。该方案包含一份说明文档以及使用 Lean 编写的形式化证明。
Claude 利用 Lean 在 11 天内完成费马大定理首个计算机验证证明，涉及 1300 万行代码。OpenAI 计划于 2028 年 3 月前开发自动化 AI 研究员以提升效率。Grok Imagine Video 1.5 agent 已上线 Web、iOS 和 Android，支持多镜头连贯生成。
Google DeepMind 推出 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，旨在提升智能体工作流与网络安全能力。
推荐理由：原文展示了新模型在长周期编码和网络安全领域的具体性能提升及成本优势，为评估其在复杂工作流中的实际价值提供了直接依据。
DeepSeek 通过 MLA、DSA 及 mHC 等创新技术大幅压缩 KV 缓存，使 V4 Pro 在 1M 上下文下仅需 5.48GB HBM，远低于 GLM5 和 Qwen3。其战略旨在利用 NAND/LPDDR 存储替代算力，扶持中国硬件生态并冲击 1 万亿美元市值。
Google DeepMind 发布基于 Gemini 构建的多智能体 AI 系统 Co-Scientist，旨在通过迭代生成、辩论和演化假设来加速科学研究。该系统包含生成、反思、排名和演化等专用智能体，并引入类似 AlphaGo 的“想法锦标赛”机制对假设进行验证和排序。
推荐理由：原文展示了多智能体协作生成假设的具体机制及在肝病、ALS等领域的实测案例，为科研人员评估AI辅助发现工具提供了可参考的落地场景。
Google DeepMind CEO Demis Hassabis 在 YC 访谈中指出，当前 AI 范式距离 AGI 仍有 50% 概率需要一两个关键突破，主要缺失在于持续学习、长程推理和记忆机制。
推荐理由：Google DeepMind CEO 详细拆解了 AGI 缺失的关键拼图、智能体投入产出比争议以及科学发现的本质，为理解当前 AI 瓶颈提供了权威视角。