NVIDIA Vera Rubin NVL72 首批基准成绩公布
NVIDIA 新一代 Vera Rubin NVL72 的跑分出来了，跑 DeepSeek V4 Pro 每兆瓦吞吐量是上一代的 5.7 倍，还刷出 906 tok/s 的单用户最快速度。
#推理模型
共 1987 条 · 7 天 187 条 · 30 天 658 条 · 话题观测 →
10月16日
Meta 开源 Muse Spark Open：816B 参数、1M 上下文、支持全模态输入
Meta 开源了 816B 的 Muse Spark Open，主打 1M 上下文和 Agent 任务，作者还算清了要跑起来得 700GB 显存，看看你的卡够不够。
Vercel AI Gateway 上线免费模型 stealth/cat-jam
Vercel 给开发者的免费福利，AI Gateway 里直接调 cat-jam，低延迟还能跑编程和智能体任务，先试不要钱。
Muse Spark Open 模型上线 arena.ai，开放 Battle 与 Agent 模式测试
有个叫 Muse Spark Open 的新模型悄悄上了 LMArena，现在就能在 Battle 模式里跟其他模型盲测对比，还能测它的 Agent 能力，去投个票吧。
Microsoft MAI-Base-2 预训练完成，FLOPs 效率达 DeepSeek-V4-Pro-Base 的 4-12 倍
微软自家基座模型 MAI-Base-2 训完了，号称算力效率是 DeepSeek-V4-Pro-Base 的 4-12 倍，还顺手把省下的算力拿去训更大的模型。
Mustafa Suleyman 预告 Microsoft 的 MAI-Base-2 训练全程顺利跑完
微软自研模型 MAI-Base-2 训练顺利跑完，Suleyman 亲自发文预告，想跟 OpenAI 掰手腕的信号，可以留意后续正式发布。
Gemini 4 Argon 在 ARC-AGI-3 拿下 97.5%
Gemini 4 Argon 的 ARC-AGI 成绩出来了，ARC-AGI-3 拿到 97.5%，是第二家过 95% 的实验室，不过换个测试 harness 就只有 49.8%，差别挺大。
NVIDIA 发布 Nemotron 3.5 Super VL，长输入下仍保持高输出速度
NVIDIA 放出了 Nemotron 3.5 Super VL，是个视觉语言模型，亮点是输入拉到 100K token 还能保持输出速度，Artificial Analysis 有跑分对比。
10月15日
GPT-6-Astra 在 TheoPhysEval 基准解出 50 道理论物理题中的 49 道
OpenAI 的 GPT-6-Astra 在 TheoPhysEval 上做对了 50 道 unpublished 物理题里的 49 道，一题才 2.4 美元，连专家答案被它挑出错的桥段都值得看看。
Gemini 4 Argon 登上 Epoch 能力指数 165 分，逼近 Opus 5.5 与 GPT-6 Astra
Google 新模型 ECI 拿了 165 分，只差 Opus 5.5 两分，四大模型正面比数字，一看就懂谁强谁弱。
StepFun 开放 Step 5 Preview 权重：600B 总参数、27B 激活、1M 上下文
StepFun 把 Step 5 Preview 权重直接开放了，600B 参数只激活 27B，还能跑 1M 上下文，技术博客把 92 层结构和 Sparse GQA 都讲清楚了，自己部署的可以看看。
DeepSeek 服务恢复，疑似新模型上线，生成速度约 180 t/s
有人实测 DeepSeek 服务恢复后的新模型，速度 180 t/s，表现接近 Claude，可能是 4.1 Pro，想去试的可以看看。
9 个模型总结《哈克贝利·费恩历险记》改动版，仅 Claude Fable 5 两次全部通过
有人改了《哈克贝利·费恩历险记》原文喂给 9 个模型测理解力，只有 Claude Fable 5 两次都过关，Gary Marcus 拿它说事，看看你用的模型表现如何。
HP-RLVR：单条轨迹完成 token 级信用分配，训练速度最高达 GRPO 2.30 倍
训练 LLM 推理的同学看看：单条 rollout 就能做 token 级信用分配，数学上还比 GRPO 快 1.2 到 2.3 倍，代码比较可以少八倍采样。
Perplexity Computer 上线 GPT-6 Astra 与 SOL 6.1 Ultrafast 推理
Perplexity Computer 的 Max 用户现在能用 Ultrafast 版 GPT-6 Astra 和 SOL 6.1 了，长任务跑得更快，就是费额度。
arXiv 论文：证伪驱动的模型无关智能体协议，输出纪律决定决策下限
用中医辨证基准证明了件事：很多模型翻车不是能力不够，是输出纪律不行。他们设计的证伪协议能把 Kimi K3 的方差从 0.218 压到 0.007，写智能体的值得看看。
爆料：Intern-S2 疑似基于 Qwen 3.5-397B-A17B 后训练而来
有人爆料 Intern-S2 底层其实是 Qwen 3.5-397B-A17B 后训练的，还拿它和 OpenAI 的研究路线做了对比，搞开源模型的朋友可以看看。
GPT-6 Astra 与 Claude Opus 5.5 被称带来创意工作质变
有人说 GPT-6 Astra 和 Opus 5.5 在创意内容上的提升，就像当年 Opus 4.5 改变编程那样，做内容的朋友可以留意
Stanford 团队提出 Next-Concept Modeling，生成速度最高快 31 倍
Stanford 的 Hazy Research 组出了新生成框架 NCM，先写梗概再填细节，比扩散语言模型快最多 31 倍，推理任务还更强。
10月14日
产品23:43
企业如何选择裸金属与托管推理服务腾讯云Anderson Lin在NeoCloud峰会分享企业如何选择AI推理服务，推出TokenHub统一API平台，帮助企业为不同任务匹配最合适的AI模型。
Gemini 4 发布，Google 称性价比超过 GPT-6 和 Opus 5.5
Google 把 Gemini 4 发出来了，直接拿性价比跟 GPT-6 和 Opus 5.5 比，关心哪家模型更划算的可以看看。
Gemini 4 Argon 开放使用：API 与 Google AI Pro/Ultra 用户均可调用
Google 把 Gemini 4 Argon 全面开放了，API 价格打五折到11月底，写代码能力上他们自己拿它重构了 Chrome 的 600 万行代码。
谷歌发布 Gemini 4 Argon：输出上限约 100 万 token，Vals Index 排名第一
谷歌新旗舰 Gemini 4 Argon 上线了，输出能写满 100 万 token，Vals Index 榜第一，Chrome 团队用它几周搞定数月的大重构，入门价还打折。
IT之家原文
Meta 发布 Muse Wonder 系列：Text Arena 排名第二
Meta 的 Muse Wonder 在文本榜冲到第 2，只差 Gemini 4 Argon 12 分，网页开发榜也进了前 15，可以直接 API 调用试试。
数学家 Timothy Gowers 用 Grok 解出困扰自己一年多的图论难题
菲尔兹奖得主 Gowers 说 Grok 解开了他研究一年多的图论难题，Paul Graham 转发感叹，做数学的人可以看看。
