Reflection发布开放权重模型Beam，称其以更低推理算力比肩中国开源模型
Reflection AI公布首款前沿开放权重模型Beam，称其在高级推理基准上达到Z.ai的GLM-5.2水平，并以3-4x更少的推理算力超过领先的西方开放模型。
#推理
TechCrunch · AIAI 评分7474 The Verge · AIAI 评分3636 AI 接管数学引发争议：OpenAI、Anthropic 的数学突破与学界反弹
OpenAI、Anthropic 等实验室过去一年宣布解决多项长期数学难题，其中包括一项千禧年大奖难题，但这些突破也引发数学界反弹。争议涉及研究成果是否使用了数学家的工作、证明是否充分，以及 AI 实验室如何避免重蹈覆辙。
Simon WillisonAI 评分3939 Qwen3.8-27B 用英文单词表达整数加法结果的测试
Qwen3.8-27B 的基准测试考察模型能否计算正整数之和，并仅用英文单词给出准确结果。禁用推理时，模型数值准确率为 23.57%；启用 medium reasoning 后，在 169 次单次测试中答对 167 次。
OpenAI NewsAI 评分2828 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，帮助初创公司选择 GPT-6 模型并为生产环境准备工作流。指南还涉及调整推理力度、改进提示词与技能，以及协调工具。
MIT Technology Review · AIAI 评分5454 AlphaGo 核心成员 Thore Graepel：LLM 并不具备真正推理能力
AlphaGo 核心成员 Thore Graepel 认为，LLM 的链式推理仍是反复进行下一 token 预测，不等同于 AlphaGo 搜索未来局面的独立推理机制。文章指出，LLM 通常缺少可检查、持续更新的认知状态，知识与推理过程难以分离，思维链也可能事后编造；作者主张让系统显式记录信念、依据证据修正判断，并形成可审计的推理过程。
Latent SpaceAI 评分5858 Latent Space 访谈 MIT 的 Alex Zhang：研究选题、RLM 与智能体 harness
Latent Space 采访 MIT 的 Alex Zhang，讨论 RLM、GPU kernels、研究选题，以及 harness 如何帮助模型处理长上下文并提升跨任务组合泛化。Alex 介绍了 RLM 的上下文卸载、代码执行和递归调用子智能体机制，并认为学术研究者可以押注起初看似微小或古怪的问题；访谈还涉及多智能体系统、工具调用与模型能力过剩。
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 运行于 NVIDIA Blackwell GPU，现已通过 OpenAI API 向开发者提供，并面向符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：材料比较了 Astra Ultrafast 与 Standard 模式的生成速度，并联系编码智能体的多轮工具工作流，说明响应延迟如何影响交互节奏。
Latent Space精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon，支持通过 Long Decode Continuation 输出最多 1M tokens
Google DeepMind 推出 Gemini 4 Argon，面向编码、企业知识工作和网络防御，目前通过 Fairwind Program 向政府用户及可信网络防御者开放有限预览。Google 称该模型在发布的 19 项基准中有 13 项排名第一，并通过 Long Decode Continuation 将输出扩展至最多 1M tokens；摘要所附基准表也显示，各项测试的结果并非均领先。
推荐理由：这篇汇总并列出 Argon 与 Astra、Claude Opus 5.5 等模型的多项基准结果，也交代了有限预览范围和长输出机制，便于同时了解性能比较与当前可用性。
Google DeepMind精选AI 评分8282 Google 发布 Gemini 4 Argon，面向复杂工作流并分阶段开放
Google 宣布推出前沿模型 Gemini 4 Argon，面向软件工程、企业知识工作和网络安全等复杂工作流，现正通过 Fairwind Program 向可信网络防御人员分阶段开放。
推荐理由：1M tokens 的输出上限与分阶段开放安排，呈现了 Gemini 4 Argon 在长流程任务能力和前沿模型发布管控上的两项具体变化。
NVIDIA Blog精选AI 评分7676 NVIDIA 与 CoreWeave 推出 Vera Rubin 云服务并发布 CoreWeave Forge
NVIDIA 与 CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，并推出模型与智能体训练、评估和改进环境 CoreWeave Forge。
推荐理由：文章把 Vera Rubin 的生产部署、Vera CPU 测试和 Forge 的训练改进流程放在同一案例中，呈现从推理到持续优化的具体做法。
Google ResearchAI 评分4343 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller，将图像去噪过程建模为连续控制问题，统一图像生成的引导与微调方法。基于 Stable Diffusion v1.4 的实验使用 HPS-v2 评测；轻量附加网络在匹配人类偏好方面优于行业标准，完全解锁版本相较基线模型的胜率为 90%。
Google ResearchAI 评分4848 Google Research 的 Retrieve-for-Train：绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train，用离线强化学习发现符合奖励目标的查询扩展方式，再将其蒸馏到轻量扩散检索器，以单次推理生成互补的子查询集合。该框架的扩散模型有 53.9M 参数，可直接把查询嵌入映射为完整目标嵌入集合，绕过文本 CoT 推理 token；训练还使用 Gemma3-4B 和 Qwen3-4B。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，分别面向规模化、成本高效的语音交互和高复杂度任务。
推荐理由：两款模型分别面向规模化语音交互与高复杂度任务，并提供多项语音和智能体任务基准结果，便于比较其定位与性能表现。
Import AIAI 评分4141 Import AI 470：SPADE 自动生成训练环境，Hawkeye 改进 GPU 内核，机器不享有权利
Import AI 470 聚焦 SPADE 自动生成训练环境、Hawkeye 改进 GPU 内核，以及机器权利议题。SPADE 让 LLM 在生成可执行训练环境与尝试解决环境之间交替，并用 Qwen3 骨干模型测试；Qwen3-30B-A3B 在游戏环境套件中平均得分 58.3，较基础模型高 8.1。
Berkeley AI Research精选AI 评分6060 Adaptive Parallel Reasoning 如何让推理模型动态安排并行计算
Berkeley AI Research 的文章梳理了 Adaptive Parallel Reasoning（APR），即让模型在推理时自行决定是否并行、拆分多少线程以及如何协调。文章比较了固定并行与自适应方案，并解析 KV cache 聚合、训练方式和效率奖励设计，同时列出评测差异与部署中的开放问题。
推荐理由：文章梳理了 APR 与固定并行方案在任务拆分、KV cache 聚合和训练奖励上的差异，呈现了其效率目标与部署取舍。
Berkeley AI ResearchAI 评分5151 GRASP 如何提升世界模型的长时域规划能力
Berkeley AI Research 介绍 GRASP，一种面向学习型世界模型的梯度规划器，旨在让长时域规划更稳健、更快。它将轨迹提升为虚拟状态以并行优化，在状态迭代中加入随机噪声，并重塑梯度以保留动作梯度、避开脆弱的状态输入梯度。
Berkeley AI ResearchAI 评分5656 SPEX 与 ProxySPEX 以更少消融规模化识别 LLM 交互
Berkeley AI Research 介绍 SPEX 和 ProxySPEX 两种算法，用于在大规模机器学习系统中识别影响模型行为的特征、训练数据和模型组件交互。