模型与能力
OpenAI 发布 GPT-6.2 Astra 和 Sol:更强也更省
Astra 更强也更贵,API 每百万 token 输入/缓存/输出为 8/0.4/40 美元;Sol 为 2/0.1/10 美元,均支持 100 万上下文。Astra 智能指数 62,落后 Fable 5.2 的 65,但单位智能成本更低。企业版加法律检索。用户反馈两极,有人吐槽 RL 痕迹,但仍在工作流里用。
> 相关链接:OpenAI 发布|Artificial Analysis 测评|Vals 价格信息
微软发布 MAI Code 2、Code 2 Flash 和多模态 Decision 模型
微软一次性更新编码和图像模型:MAI Code 2 负责多步编程,Code 2 Flash 做快速修改,已进 GitHub Copilot、Copilot Fusion 和 Foundry;Decision 模型升级多模态。Copilot Fusion 在 Terminal-Bench 4.1 得 71.2%,号称比 Claude Fable 5.2 便宜 88%;MAI Image 2.7 在图像编辑榜排第一,每千张 34.82 美元。
> 相关链接:Microsoft 公告|GitHub Copilot|Artificial Analysis 图像榜
SenseNova-Loop-9B 让部分层重复运行,GAIA 分数大涨
SenseNova-Loop-9B 让 32 层里的 24 层再跑一遍。作者称 GAIA 从预览版 37.86 升到正式版 69.90。本地用户关心长上下文时 KV 缓存还剩多少显存。
> 相关链接:模型卡|本地模型讨论
Maxwell V1 Flash:35B/3B 激活 MoE,主打长上下文注意力加速
Maxwell V1 Flash 官方称 256K 上下文下注意力比密集 GQA 快 6.7 倍。但稀疏注意力仍保留完整历史的 KV 缓存,本地用户想先看实测再决定硬件。
> 相关链接:模型卡|硬件讨论
Agent 与工具链
Hugging Face 的 Pi 小适配器把 Qwen 编程解题数翻倍
Hugging Face 的 Pi 小适配器把 Qwen3.8-27B 在 51 道最难的 SWE-bench Pro 题上从 15 道解到 32 道,同时每任务工具调用少 55%。说明小外挂能明显提升现成模型的编程能力。
> 相关链接:模型卡与结果
Baseten:不同 Agent harness 的单任务成本最多差 4.4 倍
Baseten 测了 22 套 harness 和 5 个开源模型,发现每个通过任务的平均成本最多差 4.4 倍。工具链选型会直接决定推理账单,不只是模型价格。
> 相关链接:Baseten 测评
多智能体产品加速,但协调和成本瓶颈明显
Cognition 推出常驻 Devin Bots;Perplexity 称混合模型团队在 Terminal-Bench 和 WANDR 赢过四个同款主模型实例;Replit 发现 NumPy 任务从 16 个加到 32 个智能体收益递减。Hugging Face 千智能体运行中,同时仅 40–60 个在调模型,协调、合并和测试是瓶颈。
> 相关链接:Cognition|Perplexity|Replit|Hugging Face 讨论
基础设施与硬件
少量未命中缓存能吃掉大量推理预算
SemiAnalysis 样本显示,1.8% 的未缓存请求贡献了约 15% 的推理花费。优化缓存命中率,可能比换更便宜模型更直接省钱。
> 相关链接:SemiAnalysis
vLLM 用滑动窗口草稿模型提升投机解码
vLLM 称给 Kimi K3.1 Pro 加滑动窗口草稿后,投机解码接受长度最高提升 30%;NVIDIA 也为 Qwen3.8-27B 放出 4B 草稿模型。目标都是降低长模型推理成本。
> 相关链接:vLLM|NVIDIA 草稿模型
Intel 公布 Crescent Island 的 LLM 推理对比数据
早期宣传里的亮眼吞吐用的是偏 FP64 的负载。Intel 单独给的 LLM 对比称,相对 RTX PRO 6000 Blackwell 服务器版,吞吐 1.12 倍、延迟低 29%。这组数据更值得看,但仍需第三方复测。
> 相关链接:Intel
研究与方法
Epoch 验证 7 个 Erdős 问题的 Lean 解法
在 68 道题中,Epoch 验证了 7 个 Lean 解法,此前最好成绩是 3 个。说明模型在形式化数学和自动证明上的产出继续增加,但离大规模稳定解题还有距离。
> 相关链接:Epoch
Google SIM 让 harness 保留过往修改经验,但迁移别家模型会掉分
SIM 会保留之前 harness 修改的理由和结果。它在 Opus 上演化出的 harness 拿到 68.41 分,而 Gemini 的起始 harness 是 73.89 分,说明工具链可能过拟合到某个模型。
> 相关链接:研究摘要
Marin 和 K2 Horizon 公开训练过程与中间检查点
Marin 放出 535B-A23B 训练中的 57 个 Mochi 中间检查点;K2 报告在同一 22T token 上训练四种规模模型,并用解码适配器做到 2.2 倍加速。开放中间产物有利于复现和比较。
> 相关链接:Marin 检查点
Zyphra 用次二次注意力把长上下文推到 1000 万 token
团队称把多个模型换成次二次注意力后,在 1000 万 token 下提速 9–60 倍;Qwen 在 100 万 token 的 RULER 上只掉不到 2 分。长上下文推理的成本可能明显下降,但还要看真实任务表现。
> 相关链接:Zyphra
产品与应用落地
Gemini 在六国上线免费 Tasks,支持打电话和发短信
Google 说 Hydrogen 支撑的免费 Tasks 已在六个国家上线,部分任务需要代打电话或发短信。同时展示了带 MuJoCo 仿真的 Antigravity 机器人插件,把任务能力往手机和机器人场景延伸。
> 相关链接:Google 公告|Google DeepMind
米哈游做出实时游戏 Agent,能看屏幕并操作键鼠
Gamer 以 5Hz 采样画面、30Hz 发出键鼠操作。作者评估里,其 RL 版本解出约一半留出的《崩坏》谜题任务。这类 Agent 更接近真实游戏输入,而不是只做题。
> 相关链接:miHoYo
行业与公司动态
NVIDIA 季度营收 1158 亿美元,Vera Rubin NVL72 已出货
CEO 过渡后首份财报显示营收同比增 103%,公司称 Vera Rubin NVL72 已开始出货。董事会表示不打算让黄仁勋回归。AI 芯片需求仍强,但管理层变动是接下来要观察的变量。
> 相关链接:NVIDIA 财报|AP 报道
Isomorphic Labs 完成 50 亿美元 C 轮融资
Greenoaks 和 Sequoia 联合领投。公司说要把钱用于扩大药物设计平台,并推进自己的治疗管线。AI 制药又拿到一笔超大额融资。
> 相关链接:Isomorphic Labs
Genesis AI 融资 5 亿美元,投后估值 35 亿美元
这轮是 A 轮,资金将用于部署 Eno 机器人,并扩大训练和数据采集。机器人公司继续拿到大额融资,重点从演示转向真实部署和数据闭环。
> 相关链接:Genesis AI
政策、治理与安全
OpenAI 把 Astra 的“AI 自我改进”风险评为 High
这是 OpenAI 首次把对外发布模型在这项上评为 High。另一项 Vals RSI-Index 从 27.07% 升到 29.01%,人类参考线是 50%。监管和红队会更关注模型自我改进能力。
> 相关链接:OpenAI System Card|Vals