Google DeepMind 新任负责人称 Gemini 4 已接近发布
DeepMind 新掌门首次开口，说 Gemini 4 就在打磨阶段了，之前一直被 OpenAI 压着打的 Google 这次要追分了。
#推理模型
共 2002 条 · 7 天 180 条 · 30 天 645 条 · 话题观测 →
9月24日
谷歌 DeepMind 负责人确认 Gemini 4 已进入后训练初期，有望远早于年底推出
Gemini 3.5 Pro 跳票后谷歌直接憋了个 Gemini 4，已经进入后训练阶段，年底前就能见到，内部员工还拿它跑编程工具了。
Boltzbit 与剑桥团队提出 BAST：用超网络把对话知识动态写入权重
Boltzbit 和剑桥搞了个新架构，把聊天里的新知识直接编译成 LoRA 权重写进模型，长对话和多轮场景下比 RAG 省算力还更准。
消息称月之暗面 Kimi K3.1 下月发布，支持三档推理强度
月之暗面的 Kimi K3.1 曝光了，会有 Low/High/Max 三档推理和 Swarm 多智能体协作，10 月见分晓。
IT之家原文
JEV 将语义推理引入判别式推理范式，推荐搜索或迎来变革
一位前 TikTok 推荐算法工程师拆解了 JEV 这个新范式，还拿 500 篇 ECCV 论文的查询任务和 Claude 打了个平手，做推荐搜索的值得看看。
Claude Opus 5.5 (Max) 以混合价 $16/Mtoken 登顶性价比前沿
Anthropic 的 Claude Opus 5.5 (Max) 在 LMArena 拿下第一，混合价才 $16 每百万 token，性价比曲线被改写了。
Tencent Hunyuan 研究批大小扩展理论，PPO 生成吞吐提升至 2.29 倍
腾讯混元把经典批大小理论搬进了 LLM 强化学习，实测 PPO 吞吐提升 2.29 倍、GRPO 训练省 29% 时间，做 RL 训练的可以看看怎么调参省钱。
The Information 称 Google 将在两天内发布旗舰 Gemini 4 模型
Google 的 Gemini 4 据说要这两天就发，The Information 爆料的，感兴趣的可以先蹲一下官方消息。
小米 MiMo 团队发布 HySparse2 注意力架构
小米 MiMo 团队搞了个新注意力架构，1M 上下文时 prefill 计算量和 KV cache 都砍到原来的几分之一，长文检索分数还涨了，做长上下文部署的可以看看论文。
OpenAI 推出 GPT-6 Sol 和 Luna，API 定价比 GPT-5.6 便宜 50%
OpenAI 新出的 GPT-6 Sol 和 Luna 便宜了一半，Sol 跑分还超过了 Claude Opus 5，做大批量任务可以认真看看这个定价。
MWE-ECL 诊断基准：可检索的远距离上下文未必能改变模型的局部词 prior
这篇论文造了个诊断集，专门测长上下文模型“找到了但没用上”的问题，DeepSeek 两个模型都被测出检索满分但解读掉分，做长文本评测的可以看看。
研究用贝叶斯模型评估 DeepSeek-R1-Distill 系列：规模越大能力越强但效率不变
这篇用分层贝叶斯方法量化了 DeepSeek-R1-Distill 系列的推理能力与 token 消耗，结论是加大模型只提升能力不提升效率，做选型或研究 scaling 的朋友可以看看。
Fireworks 发布 Ember-1：基于 Kimi K3 减少 40% 推理 token
Fireworks 在 Kimi K3 上做了个减法：推理 token 少用 40% 但质量不掉，跑推理烧钱的朋友可以看看。
OpenAI 发布 GPT-6 Sol 和 Luna，API 价格降半、缓存省 90% 输入成本
OpenAI 一次出了 GPT-6 Sol 和 Luna 两个模型，价格砍半还带新缓存，跑业务任务比 Claude Opus 5 便宜九成，做 API 应用的可以看看。
Anthropic 发布 Claude Opus 5.5：对标 Fable 5.1，成本降低约 40%
Anthropic 的新 Opus 5.5 比上一代便宜四成、快三成，写代码和文字水平赶上 Fable 5.1，挑模型时可以对比看看。
9月23日
小米发布 MiMo-V2.6 Pro 与 Flash，开源权重对标 GPT-5.6
小米把 MiMo-V2.6 整套开源了，Pro 在智能体基准上打平 Claude Opus 5，本地跑前沿模型的门槛又降了。
Space Bunny Alpha 上架 OpenRouter：支持 1M 上下文与视频输入
OpenRouter 上新了个隐身模型 Space Bunny Alpha，100 万 token 上下文，能吃视频输入，推理速度还能调，快去试试是什么底子。
Claude Opus 5.5 在 FrontierCode 基准上：med 与 max 思考档位得分反而最高
Claude Opus 5.5 在 FrontierCode 编程基准上，思考档位调到 med 和 max 成绩差不多，还比 high 高，省钱党可以看下再选档位。
Anthropic 发布 Claude Opus 5.5：性能对标 Fable 5.1，API 价格不到一半
Anthropic 的 Claude Opus 5.5 出来了，编程测试跑赢 Fable 5.1，API 价格还不到对方一半，付费用户限额也变宽了。
Alibaba 透露 Qwen4 已进入训练，路线图指向 5–10T 参数的 Qwen4.5 和 Qwen5
Alibaba 在 Apsara 2026 透露 Qwen4 正在训练，后续 Qwen4.5、Qwen5 要做到 5–10T 参数，用 Qwen 的可以关注下节奏。
Claude Opus 5.5 成为 AINews 默认模型，各家模型降价 40-50%
Claude Opus 5.5 刚出就成了 AINews 的默认模型，OpenAI 的 GPT6 反而被抢了风头，各家还集体降价 40-50%，降价后入手正合适。
GPT-6 Sol 和 GPT-6 Luna 上线 Genspark，API 价格比 GPT-5.6 低 50%
OpenAI 把 GPT-6 Astra 的能力塞进了两个更快更便宜的模型，API 价格直接砍半，Genspark 上已经能用了。
TypeSafe AI 发布判别式模型 Jev：每百万输入 token 仅 0.042 美元
一个只会做选择题的模型，100 万次判断才 42 美元，Agent 里几十个判断步骤全靠它省钱省时间，Vercel 上线一天就 13% 付费团队接入了。
Claude Opus 5.5、GPT-6 Sol/Luna 同日发布，Mimo v2.6、Grok 4.7 齐上阵
一天之内 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7、Mimo v2.6 全来了，Opus 5.5 还降了 40% 成本，这篇帮你梳理各家提升方向和 benchmark。
GPT-6-Luna 与 DeepSeek-V4.1-Flash 价格对比：各有优势区间
有人在比 GPT-6-Luna 和 DeepSeek-V4.1-Flash 的实际成本，短上下文选 Luna，272K 以上大输入选 DeepSeek，做 agent 的可以看看怎么省钱。
OPD 蒸馏方法让低比特量化模型恢复推理能力
量化到 2-bit 后模型做数学题会发疯循环？这篇论文用 on-policy 蒸馏把 MATH-500 保留率从 35% 拉到 70%，做端侧部署的可以看看。
OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格比 GPT-5.6 降低 50%
OpenAI 一口气发了 GPT-6 Sol 和 Luna 两款新模型，API 价格砍半，Sol 在基准测试里能跟 Claude 旗舰打平，性价比党可以直接上手试试。
Anthropic 发布 Claude Opus 5.5，成本比 Opus 5 低 40%
Anthropic 出了 Claude Opus 5.5，能力对标 Fable 5.1，价格还降了 40%，写代码的用户可以直接换上试试。
分形决策引擎 answerr：零权重实现 7ms 延迟的语言分类
这篇论文挺反常识的：不用任何权重、靠 Mandelbrot 分形坐标做语言决策，延迟只有 7ms 还能跑在单片机上，可以看看它怎么绕开 LLM 的。
GPT 6 Sol、Luna 降价 50%，Terra 下架，同日 Opus 5.5 降价 20%
GPT 6 Sol 和 Luna 直接砍半价，Benchmark 上比 Opus 5 便宜 10 倍，同天 Claude 也降价了，这波价格战值得看看对比数据。
Grok 4.7 (xHigh) 登上 Code Arena: WebDev 第10名
xAI 的 Grok 4.7 (xHigh) 悄悄上线了，WebDev 排行榜冲到第10，比上一版涨了16分，价格速度还不变，写前端的朋友可以试试。