云栖大会观察：阿里 Qwen 下一阶段模型战怎么打
在云栖大会上，千问大语言模型负责人刘大一恒给出 Qwen 路线图：Qwen4 系列即将到来，之后的 Qwen4.5 和 Qwen5 计划迈向 5T—10T 参数，而 Qwen3.8 已达 2.4T 参数。
#推理
雷峰网AI 评分6060 开源中国精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5：价格降至约四分之一，agent 能力从 0 升至 39%
Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，这是 Haiku 系列首个支持可调节 effort 设置的型号，用户可在速度与智能之间取舍。价格降至 Haiku 4.5 的约四分之一，输入每百万 token 0.10 美元、输出 0.50 美元（不超过 10 万 token 的提示），agent 能力从 0 提升到 39%。
推荐理由：Haiku 5.5 的价格与 agent 能力变化，为小模型选型提供了新的成本与能力参照。
新智元AI 评分7474 OpenAI 称一夜攻克 722 个数学难题，准黎曼猜想已被证明
据新智元报道，OpenAI 发布了一系列由内部前沿模型产出的数学成果，称一夜攻克 722 个数学难题，并宣称准黎曼猜想已被证明。报道提到这些结果没有预警、未经同行评审，引发数学界和 AI 界关注。
量子位AI 评分7171 字节 Seed 发现 DeepSeek-V4 时强时弱源于分块 KV Cache 压缩的相位敏感性
字节 Seed 团队发现 DeepSeek-V4 系列在长上下文检索中的表现会随信息在输入中的位置每隔 4 个 Token 周期性变化，128K 大海捞针测试中同一信息换位置后准确率最高相差 40.2 个百分点。
量子位AI 评分6666 星动纪元VPP2登顶RoboDojo榜单，14B模型零样本真机成功率58.5%
星动纪元自研的世界动作模型VPP2登顶RoboDojo仿真榜单，综合平均成功率32.26%、平均得分39.26分，两项均列第一，领先GPT-6-Astra的22.48%和28.97分。
Latent SpaceAI 评分3434 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈"合成超级智能"：从半导体到超导体
Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 提出"合成超级智能"（synthesis superintelligence），主张以物理实验为环境的强化学习来构建能真正发现新材料的 AI 科学家。
AWS Machine Learning BlogAI 评分2626 用 Amazon SageMaker HyperPod 实现跨团队 GPU 集群隔离与公平共享
AWS 发布基于 Amazon SageMaker HyperPod 与 EKS 的多租户参考架构，让多个团队共享同一 GPU 集群。
雷峰网AI 评分7171 Anthropic 发布 Claude Haiku 5.5：操作能力大涨，复杂编程仍落后 Sonnet 5.5
Anthropic 发布 Claude Haiku 5.5，OSWorld 2.1 成绩从上一代 15.7% 提升到 72.4%，平均运行成本下降约 75%，并首次在 Haiku 系列引入自适应推理与 100 万 Token 上下文。
Simon WillisonAI 评分6666 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有的 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
Simon WillisonAI 评分7171 Anthropic 发布 Claude Haiku 5.5，价格对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价与 OpenAI 上月发布的 GPT-6 Luna 一致，为每百万 token 输入 0.10 美元、输出 0.50 美元，超过 100,000 token 后涨至 0.50/2.50 美元。
The Decoder同新闻AI 评分7878 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。
同一新闻，精选展示《Anthropic 发布 Claude Haiku 5.5：价格降至约四分之一，agent 能力从 0 升至 39%》
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实世界表现
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果超出预期时应仔细审视数据。
OpenAI NewsAI 评分6262 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
MIT Technology Review · AIAI 评分6262 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 DeepMind AlphaGo 核心成员、现伦敦大学学院机器学习讲席教授 Thore Graepel 撰文指出，LLM 并不具备真正的推理能力。他认为 AlphaGo 的 Move 37 并非直觉，而是由搜索机制对数千条未来分支进行推演后做出的选择，而当前 LLM 的链式推理仍由同一套 next-token 预测迭代产生，缺少独立推理机制。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了递归语言模型（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分7676 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Latent Space精选AI 评分7878 Gemini 4 Argon 发布：GDM 对标 Astra/Fable，支持 1M 输出
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才面向开发者、企业和消费者。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与可用范围，并列出评测方对数据的质疑，便于判断其真实位置。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放方式，可据此判断前沿模型的能力边界与落地节奏。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，并加入结构化的 CUDA-to-MLX 翻译层，让 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译到 Apple Silicon，以及翻译层对性能差距的具体贡献。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以应对长程交互中上下文无法无限扩展的问题。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也显著低于全上下文设置。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开多少线程。文章重点讨论自适应并行推理，即让模型根据问题自主决定并行化时机与协调方式，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。
Berkeley AI ResearchAI 评分3232 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索，并重塑梯度，让动作获得清晰信号、避免穿过高维视觉模型的脆弱"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分2828 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融达到 SPEX 的性能。