全部动态

Qwen 团队放出了 QwenGyre，一个训练编程智能体的弹性 RL 框架，能跑几小时的 rollout、处理近百万 token，值得做智能体训练的开发者看看。

官方一手marktechpost@Asif Razzaq原文

Sakana AI 让一个模型自己解题自己批改，两轮后对原版胜率近 70%，不过文章也讲清了这种自我改进什么时候会把错误越练越深。

官方账号Decoder@Jonathan Kemper原文

讲的是世界模型这条新赛道：AI 不再只生成一张图，而是造出能实时互动的 3D 世界，想了解文生图之后下一个卷点在哪可以看看。

量子位@梦瑶原文

GPT-6 Astra 帮一位业余数学爱好者拿下了悬了 57 年的摆圆难题，看看模型做证明到底到什么水平了。

量子位@鱼羊11 个信源在谈原文

Meta 的 Muse Wonder 在 10 项基准里 6 项进前三，智能体任务提升最大，不过单任务成本贵了近 3 倍。

官方账号Decoder@Matthias Bastian原文

Meta 第一次冲前沿模型，一次放了两款 Muse Wonder，可以看看它和 OpenAI、Anthropic 的旗舰比差在哪。

techcrunch@Russell Brandom原文

Meta 又上新模型了，这次一次发两个：Muse Wonder 和 Muse Wonder Full，官方说能跟最强模型掰手腕，可以看看实测表现如何。

官方账号theverge@Robert Hart原文

OpenAI 把 GPT-6 上到 ChatGPT 了，感兴趣的可以先去试试它跟 GPT-5 的差别。

Liputan6 Tekno11 个信源在谈原文

TII 出了个 1.6B 的阿拉伯语语音识别模型 Falcon-ASR，在 6 个测试集上 WER 20.92%，不过权重和 API 还没放出来。

官方一手marktechpost@Asif Razzaq原文

智谱发了个主打速度的 GLM 新模型，每秒能生成 490 个 token，对响应速度敏感的应用可以关注下。

量子位@听雨原文

DeepMind 的 AlphaProof Nexus 解出了两个悬置 56 年的 Erdős 问题，还老老实实走了同行评审发在 Science 上，对比 OpenAI 直接往 GitHub 堆证明被抵制，这波操作挺讲究。

官方账号Decoder@Manuel Uth11 个信源在谈原文

华为搞了个RSI，把大模型推理变成代码技能，玩Atari游戏操作比人少56%，熟练后连大模型都不用调了。

量子位@一水原文

vLLM新开源的5个决策模型，能直接判断文本图像内容，不用生成文本，效率更高。

官方一手marktechpost@Michal Sutter原文

高管们直言语音AI还没到ChatGPT那种爆发点，上下文理解问题让整个流程容易崩

techcrunch@Ivan Mehta原文

华为和华东师大搞了个叫七曜的时序模型，直接冲到TIME和GIFT-Eval两个榜单第一，能零样本预测电网、工业、金融数据，还能低成本微调。

Odyssey 把 140 亿参数的世界模型免费开放了，输入文字就能实时生成可玩环境，还能拿来控机器人、无人机和 GTA V，物理基准分数第一但评测方法有争议。

官方账号Decoder@Tomislav Bezmalinović原文

Westlake Robotics 的 WR1 让两台人形机器人一起折裤子，还跑通了厨房到卧室的家务流程，想了解通用机器人大脑能干什么可以看看。

官方一手pandaily@[email protected] (Pandaily)原文

OpenAI 和 Anthropic 几周内都出了更省钱的模型，想压低推理成本的话可以看看这两家的新东西。

VTV Công nghệ11 个信源在谈原文

Google 还没正式发的 Gemini 4 Carbon，被内部员工拿来和 Opus 5.5 比编程，Gemini 应用里也冒出新模式了，看来离发布不远。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

Nace.AI 开源了个 9B 的决策模型 Drex 1.5，不生成文本，一次前向传播直接给每个选项打概率，还支持 128K 上下文，适合做选项评分场景。

官方一手marktechpost@Asif Razzaq原文

微软把 Qwen3.5-9B 改成小决策模型，分类任务准确率干到 83.5%，跑分类便宜 200 倍，做内容审核的可以试试。

Blognone@mk11 个信源在谈原文

微软新出的Decision-1模型速度快、准度高，专门做决策分类，和Qwen3.5-9B比有优化。

官方账号Decoder@Matthias Bastian5 个信源在谈原文

Anthropic 让 Claude Science 补上了 GALEX 没拍到的三分之一天空，还标了哪些是实测哪些是模型猜的，做天文数据的人可以看看这个思路。

Underdog AI 把 Qwen3.8-27B 压到 2-bit，只有 7.89GB 还能跑工具调用，日常推理比原版还强，本机部署党可以试试。

DeepMind 的 Pushmeet Kohli 和 Biohub 的 Sal Candido 聊 AlphaFold 没解决的部分，做生物 AI 的值得听听他们的判断。

官方账号Latent Space (swyx)原文

生数科技的 Vidu Q4 Preview 能一次塞 15 张参考图和 3 段音频生成视频，直接输出 4K，价格 0.09 元一秒起。

Anthropic主动切断AI与互联网连接，暴露了智能体控制难题，比OpenAI更谨慎。

techcrunch@Tim Fernholz11 个信源在谈原文

OpenAI 让 AI 一口气给出 350 项数学发现，连拟黎曼猜想都证了，数学家们吵翻了，看看他们怎么说。

CNBC Indonesia Tech11 个信源在谈原文

微软新决策模型响应速度超快，比 GPT-6 Sol 快 35 倍，价格还便宜。

Odyssey-3 Pro 在物理理解基准 Physics-IQ 上拿到 66.1 分冲到榜首，还能让你在生成的环境里随便走动触发事件看它怎么应对。

Liquid AI 把决策模型做小做快了，d1-3B 单次判断 8 毫秒，d1-omni-600M 还能听语音，权重已放出可自己微调部署。

JetBrains 开源了新的编程模型 Mellum2.1，专门练了智能体写代码的能力，高负载下吞吐量几乎是 Qwen3.5-9B 两倍，还能本地部署保数据安全。

清华系的星动纪元把具身模型做到全球第一，超过了 GPT-6 和英伟达，靠的是把视频和动作拆开分阶段训练，不靠额外数据。

量子位@田, 晏林原文

有公司发布了只返回概率数字的 Jev 模型，有人拿它做了语义查找和网页打分插件，Simon Willison 却说这是黑箱倒退，两边观点都看看。