Meta 发布 Muse Spark 1.1，进入 Agent Arena 排行榜第五
Meta 终于入局智能体赛场，Muse Spark 1.1 一上榜就拿第五，还开放了 API 和思考模式，想试试新模型可以冲。
#推理模型
1170 条 · 查看话题观测
7月15日
7月14日
GPT-5.6 现已在 Amazon Bedrock 上全面可用
OpenAI 在 Bedrock 上了 GPT-5.6 的三个档位：Sol 负责强推理，Luna 跑得快，中间 Terra 平衡。现在 AWS 用户直接用，不用折腾部署了。
EYT-Bench：以人为中心的多轮对话新基准，解耦用户模拟、目标建模与评判
官方一手arXiv: DeepSeek@Jinglan Gong, Jiefan Lu, Hewei Guo, Kehan Li, Zhiyuan Han, Jihang Jiang, Wenwen Tong, Lewei Lu3 个信源在谈原文
这篇论文提出了EYT-Bench，能更真实地测出LLM在多轮对话中的意图追踪能力。用16/17模型发现推理模式大幅提升长上下文准确率，值得关注。
AI 大模型周榜：代码榜榜首易主，claude-opus-4-7-thinking登顶
想快速了解本周最强AI模型？Arena周榜给出硬核排名：代码能力claude-opus-4-7-thinking超了claude-fable-5，国产qwen3.7也稳在Top20。
论文09:23
Diversify Diffusion with Temperature Sampling and Variance-Corrective Time Shifting 论文想在不重训模型的情况下让扩散模型生成更多样化的结果？这篇论文给出了一个简单有效的技巧：温度采样配合时间偏移，在DiT、Stable Diffusion上都有效果。
论文09:15
诊断与缓解On-Policy Self-Distillation中的Thinking Collapse这篇论文把OPSD训练时模型思维崩溃的原因和解决方法都讲清楚了，AD-OPSD在数学题上能提4个点，做推理优化的值得看看。
模型07:24
GPT-5.6 Sol Ultra 解决 Erdős 问题 #793GPT-5.6 Sol Ultra 又解了一个 Erdős 难题 #793，构造比原方法更短更优雅，数学推理让人眼前一亮。
Hugging Face Transformers模型可在vLLM中以原生速度推理
Hugging Face 把 Transformers 模型直接跑进 vLLM，性能不输手写，以后搞推理不用重复造轮子了。
OpenAI GPT-5.6 Sol、Terra、Luna 登陆 Amazon Bedrock
OpenAI 最强模型 GPT-5.6 系列直接上架 AWS，现在在 Bedrock 就能用，省去自己部署的麻烦，三个版本各有特色，性能很强。
Novita Labs 开源 DSpark 投机解码器，加速 Kimi-K2.6 与 K2.7-Code
DeepSeek 的 DSpark 投机解码，能让 Kimi-K2.6 和 K2.7-Code 一次生成整块 token，配合 vLLM 0.25.0 原生支持，解码更快。
7月13日
GLM 5.2 在 Together AI 上登顶 Artificial Analysis 速度与延迟双榜
GLM 5.2 在 Together AI 上跑出了最快速度和最低延迟，想用低成本跑推理的话可以去试试这个组合。
7月12日
OpenAI GPT-5.6 Sol Ultra 一小时证明 50 年数学猜想
OpenAI 的 GPT-5.6 Sol Ultra 只用一小时就搞定了一个困扰数学家 50 年的图论难题，用的是 64 个子智能体协作，比人类更有耐心反复试错。
OpenAI GPT-5.6 Sol Ultra 一小时内解开50年数学难题
OpenAI的GPT-5.6 Sol Ultra一小时破解了困扰数学界50年的Cycle Double Cover猜想，虽被指引用不足，但效率惊人。
7月11日
模型23:02
GPT-5.6 Sol用Codex自主通关Slay the Spire 2每日挑战GPT-5.6 Sol在Codex里花了5小时自己打穿了Slay the Spire 2每日挑战，这自主性有点强啊。
模型14:29
GPT-5.6 一小时解开50年数学猜想，700词Prompt调度64个子AgentGPT-5.6 用 700 词 Prompt 指挥 64 个小模型，一小时破解了数学家 50 年没解开的难题，推理能力强到离谱。
OpenAI 发布 GPT-5.6 系列模型，性能大幅提升且成本降低
OpenAI 刚发了 GPT-5.6，三个型号性能都爆表，尤其 Sol 在编码和推理测试里吊打 Claude Fable 5，成本还低很多，编程和复杂任务都更强了。
技巧04:03
GPT-5.6 模型选择指南：Sol medium 优于 5.5 xhigh如果你用 GPT-5.6 写代码，可以试试 Sol medium，比 5.5 xhigh 更好用，别被复杂的选项吓到。
