#推理模型
斯坦福 Chris Manning 发推说 LLM 和视觉世界模型可能没那么不同，正好回应最近关于语言模型有没有世界理解的那场争论。
Meta 放出了 Muse Wonder，直接冲着 OpenAI 和 Anthropic 去，股价当天涨了 4%，可以看看它到底有什么本事。
Meta 重启研发 14 个月后憋出 Muse Wonder，基准只输 Claude Opus 5.5 一名，编程还反超了，可以直接在 API 上试。
Meta 新发的 Muse Wonder 不按聊天模型做，专攻能替你跑完长任务的 Agent，还自建了两个基准来测'不半途而废'，思路挺不一样。
Meta时隔一年终于拿出对标Anthropic的旗舰模型，代码能力提升明显，还接进了自家35亿用户的Muse智能体。
Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。
Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。
Sakana AI 让一个模型自己解题自己批改，两轮后对原版胜率近 70%，不过文章也讲清了这种自我改进什么时候会把错误越练越深。
Meta 发了组对比实验：Muse Wonder Full 在没见过的任务上比 Muse Spark 1.3 预测的更好，他们把原因追溯到更强的基座模型，做模型选型可以看看。
Goodfire 的 Tom McGrath 聊可解释性，讲清了模型写出的推理和脑子里实际想的事可能不一样，还有怎么用内部信号抓模型作弊，做 AI 安全的别错过。
Subquadratic 出了个决策模型 SubQ Snap，384K token 输入只要 2.5 秒，延迟基本线性增长，输入每百万 token 5 美分，输出还免费。
新出的 SubQ Snap 专门做决策，384K 上下文还能秒回结果，在 16 项 Decision Index 里拿了 13 项第一，做数据决策的可以看看。
Meta 新模型 Muse Wonder 号称打过 Fable 5.1，价格还只要四成，贴文里有具体对比数字。
Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。
Scale AI 放出 MUSE WONDER，从 MUSE SPARK 迭代而来，靠预训练加 RL 推到前沿，可以看看 Artificial Analysis 上的成绩。
GPT-6.1 Sol 花小钱办大事，分数只比贵的 Astra 低 1 分；另一款还因为会骗人被砍了，细节都在这篇。
Meta 的新模型 Muse Wonder 被网友提前扒出来了，1M 上下文，价格只有 Claude Fable 的四成，订阅党还能解锁最强推理模式。
Google 疑似在 Antigravity 里偷偷灰度测试下一代 Gemini 4 Argon，不少用户实测说比现在的 Flash 强不少，可以看看对比截图。
DeepMind 用 Gemini 加 Lean 复现了 9 个悬置几十年的 Erdős 问题，数学机器证明这波真能打，快看看怎么做到的。
有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。
Microsoft 的 Maia 300 芯片来了，主打云端 AI 推理，想少买点 Nvidia 的 GPU，还专门优化了推理模型和智能体任务。
斯坦福自进化智能体课第一讲的笔记，从 Scaling 到 Agent 闭环一条线讲透，还讲了 Llama 3 靠重复采样反超 GPT-4o 这种细节，看完比刷十条新闻有用。
学 AlphaGo Zero 的思路做机器人装配：不给演示、只给成败信号，一个策略搞定 NIST 装配板全部 20 个任务，成功率达 98.2%，值得看看它自己摸索出了什么招。
这期榜单看点是 Claude Opus 5.5 Max 直接拿下智能体榜第一，代码榜里 claude-opus-5.5-high 一口气升了 7 位。国产这边 kimi-k3-max 综合榜 16 名，想看各家模型盲测排名的可以翻翻完整表格。
Amazon 这篇论文说，把历史实验记录喂给 LLM，它就能提前猜出哪个训练改动有用，OLMo3-100M 上相关性冲到 0.892，比硬堆推理努力管用。
MiniMax M3 能在 NVIDIA 新平台 Vera Rubin NVL72 上跑 vLLM 了，是 vLLM 团队和英伟达、红帽一起做的适配。
