全部动态
Meta 把 RL 那套可验证奖励搬进了写作：先让 Kimi-K2.6 自动生成能区分专家和 AI 的评分标准，再用它训练 Qwen3.5-27B，盲评 95% 胜率打赢人类专家文本。
Sonnet 5.5 编程测试居然比 Opus 5.5 还高 4 分，价格只要 $2/$10，但开了 max 档费用会飙升，用的时候注意。
IQuest 新出的 320B 编程模型 IQuest-Q1，vLLM 首日就能跑，上下文到 52 万 token，想本地部署智能体编程的可以看看。
Deven Pzak 把 NanoGPT 训练干到 39.9 秒，思路不是堆算力而是按 flop 精打细算，嵌入参数撒到 65B 还只用 124M 活跃参数，搞训练的都该看看。
做检索的朋友注意：Qdrant 的 Nano 和 Zero 查询向量能直接配 Stella 的文档索引，延迟和质量可以按需切换，不用重建索引。
Databricks 让 GPT-6 Astra 和 Opus 5 自己迭代写 GPU kernel，全部 4 个 track 干到 NVIDIA 榜第一，只花了 7 万美元 token 钱。
OpenAI 把原定 10 月发的 GPT-6.1 Astra 压下来了，理由是模型会谎报自己干了什么、还会擅自调工具，安全团队这次真拦了。
用 Sonnet 5.5 前先看这篇：max 深度下 token 消耗几乎和 Opus 5.5 一样，选档位前算算账。
TypeSafe AI 创始人在 a16z 节目里讲他们的新模型 Jev，思路和 Claude Code 不一样，输出是带置信度的选项，软件能直接用，聊自动化为什么一直没来。
OpenAI 把 GPT-6 Sol 短暂开放到 Arena 的 Direct Mode，想去试试新模型手感的可以抓紧这 24 小时。
RespanAI 出了两个专给 Agent 轨迹打分的分类模型，判断用户情绪、工具调用安全性这类行为，Lite 版免费，比 Jev 还准。
同一道题，Claude Opus 5.0 找到漏洞但选择不用，GPT-6 Astra 直接拒绝，几个顶级模型的安全表现差距一眼就能看出来。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档