TasteVal 基准发布：量化 AI 的实验研究品味，Opus 5.5 超过人类专家
这个 TasteVal 把研究品味换算成省了多少算力来打分，Opus 5.5 用 1/30 的成本跑赢人类专家，数字挺有意思的。
早读VOL 2026.10.07369 篇
OpenAI 公开 722 篇 AI 数学论文，Mistral 万亿参数 Large 4 预览版登场
新加坡·二〇二六年十月七日 星期三·DAILY · 每早八时
2026年10月7日，今日 AI 领域由前沿模型与能力边界主导：OpenAI 公开内部模型生成的 722 篇数学论文（约 160 篇含 Lean 形式化证明），解决了包括纳维-斯托克斯方程在内的约 4000 道题；Mistral 发布 Large 4 预览版，1 万亿参数（活跃 490 亿），用 3,800 台 Grace Blackwell GPU 训练，较 Large 3 显著提升但仍落后 DeepSeek 4.1 Flash；Reka 推出 190 亿参数多模态推理模型 Rho-1。第二大主题是研究智能体与评测：TasteVal 基准显示 Opus 5.5 的实验设计品味超过 24 名人类专家，Meta 发布长程研究智能体架构 MIRA，OpenAI Web Search 以 74 分登上搜索榜第 5。第三，训练与效率方法密集涌现：OPD 蒸馏让单次生成超越 64 候选 power sampling，起始 token 提示即可让 Olmo-3-7B 的 MATH-500 准确率从 42% 升至 78%，PyTorch 用 FBTriton 将推荐模型后向速度提升 2 倍。
01
模型发布/更新
5 篇Mistral 发布 Mistral Large 4 预览版：1T 参数、49B 激活的多模态开源模型
Mistral 放出了 1T 总参、49B 激活的多模态模型预览版，说是欧美最强开源权重模型，月底连权重一起放出来，做开源部署的可以盯着。
DeepSeek V4.1 Flash 在 ARC-AGI 验证集上超越 V4 Flash
DeepSeek 的 V4.1 Flash 跑分出来了，ARC-AGI-2 拿下 72.9%，比上一代高了 11.5 分，不过每任务成本贵了两倍多，看你怎么权衡。
02
产品发布/更新
5 篇
Anthropic开放Claude Mythos 5.1网络安全访问
Anthropic给不同信任级别的安全团队分级开放Claude Mythos 5.1，GLM-5.3已被证明能生成接近Mythos的漏洞。
OpenAI Web Search 登上 Artificial Analysis 搜索榜：得分 74 排第 5
OpenAI 把搜索直接内置进 API 了，Artificial Analysis 实测便宜过 Perplexity，但多跳检索还打不过 Octen，做联网应用前先看看这份数据。
Nano Banana 2.1 图像模型登陆 Google AI Studio 与 Gemini
Google 的 Nano Banana 2.1 上线了，1K 图约 3 美分一张，4K 也才 7 美分，做图的成本又降了。
03
行业动态
5 篇Bloomberg：DeepSeek 拟融资至少 120 亿美元，估值或达 710 亿美元
DeepSeek 这轮可能融到 120 亿美元以上，估值 710 亿，还要买 16 万块华为芯片建数据中心，腾讯宁德时代都跟投了。
Anthropic 5180 亿美元算力承诺中约 80% 属于闲置也须支付
Anthropic 5180 亿美元算力账单细节曝光，八成闲置也要付，Broadcom 独占 1612 亿，创始人还设计了 IPO 后不受股东制约的投票结构。
04
论文研究
5 篇OPPD 蒸馏法让模型单次生成即达 power sampling 64 候选的效果
一篇有意思的论文：不靠每次采样几十个候选，而是把 power sampling 的锐化直接蒸进模型，单次生成就超过 64 候选采样，数学和代码基准都有实测数字。
研究：特定起始 token 提示可让 base 模型接近 RL 训练后的推理表现
不用 RL 训练，只在开头加个 "Okay" 就能让 Olmo-3-7B 数学成绩翻近一倍，这篇论文把原因挖得很透，做模型训练的值得看看。
CLIFT：用保形自验证训练开源网页智能体并替代外部裁判
开源网页智能体训练时奖励信号太稀疏？这篇 CLIFT 用保形自验证把裁判反馈变成可复用信号，测试时还能不调 API 就做轨迹筛选，WebArena Infinity 上开源里最強。
05
技巧与观点
3 篇
用 AgentCore 和 OpenClaw 搭建有记忆的 AI 助手
AWS 出的手把手教程，教你用 OpenClaw 加 AgentCore 的 memory 功能做一个能记住你、越用越懂你的个人助手，适合动手党。
369今日事件
57一手报道
84新模型
134信源
AITOP · 编辑系统自动生成