华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，操作次数比人类少 56%
华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3 智能体系统，以 Claude Opus 5 为底模、不更新权重也不微调，通关 ARC-AGI-3 公开集全部 25 款游戏、183 个关卡，拿下满分 100 的 RHAE 成绩，总操作 7518 次，比人类的 17135 次少约 56%。
#推理
量子位AI 评分7171 量子位AI 评分6262 智谱 GLM-5.3-Highspeed 在 Zcode 灰度，网友实测 490 tokens/s
智谱在 Zcode 3.15.1 中灰度上线 GLM-5.3-Highspeed 模型，订阅用户随机获得体验资格。据网友 @leo114119 爆料，该模型速度达到 490 tokens/s，而智谱上月发布的 GLM-5.3-FlashX 最高速度为 200 tokens/s，GLM-5.3-Flash 在 Z.ai API 上约为 60 tokens/s。
Two Minute PapersAI 评分4040 DeepSeek 解决了 AI 的记忆问题
DeepSeek 的 OCR 论文提出了一种解决 AI 记忆问题的方法。该论文已公开，具体技术细节与效果数据尚未在现有材料中披露。
The DecoderAI 评分6060 研究显示 AI 智能体团队耗费大量 token 却几乎换不来质量提升
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，并设置 medium 与 maximum 两档推理强度。
量子位AI 评分6262 何恺明团队发布多模态Harness框架VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，让现有多模态模型无需重新训练即可保存原始画面并在推理时回看、放大和检查细节。
bycloudAI 评分2222 DeepSeek-V4.1 Flash 架构解析：迄今最激进的优化
DeepSeek-V4.1 Flash 被称是迄今最疯狂的架构重构，视频深入拆解其架构设计并讲解其中值得关注之处。内容还涉及线性注意力（Linear Attention）相关研究。
最佳拍档AI 评分2222 Google Research 负责人 Yossi Matias 谈 AI 下一次突破：超越 Scaling Law、环境智能与科学发现
Google Research 负责人 Yossi Matias 探讨 AI 下一次突破的方向，涵盖超越 Scaling Law 的架构创新（如投机解码提升效率）、环境智能与 Generative UI 交互范式、AI Co-Scientist 加速科学发现，以及洪水预测、Google Earth AI 行星级智能、医疗 AI 开放生态与量子计算进展。
Hacker News · AI 高分帖AI 评分3434 数学家应该了解 Lean 定理证明器的哪些事：可靠性与 AI
Lean 定理证明器由 Leo de Moura 于 2013 年在微软期间开发并开源，其数学库 mathlib 已收录近 30 万条定理、超 10 万个定义、250 万行代码和 700 多名贡献者。
抖音 · 晓辉博士精选AI 评分6262 AI冲击数学界：OpenAI发布700多份数学成果后，数学家为何焦虑
晓辉博士复盘OpenAI一次性发布700多份数学研究成果，对应人类数学家追寻的4000多道命题，其中约200多道给出Lean形式化证明。他梳理数学家社区的争议：有人认可这些成果能启发数学思想，也有人认为AI公司替数学家选择研究方向、抛出似是而非的解法，反而增加验证和消化成本。
选题角度：从OpenAI一次性抛出700多道数学命题解法切入，梳理数学家社区为何焦虑，再落到普通人该不该学数学、怎么用AI。
量子位AI 评分7171 Aether AI 发布 CRIS-0 机器人系统，0.2 秒急停、2 秒内重规划
Aether AI 公布因果智能机器人系统 CRIS-0 的官方 Demo，机器人在关闭微波炉门时遇人手突入可 0.2 秒急停，咖啡制作测试中平均 2 秒内识别因果变量变化并重规划，10 次随机扰动实现 9 次有效恢复。
量子位AI 评分6464 字节Seed发现DeepSeek-V4时强时弱源于KV Cache压缩的相位敏感性
字节Seed团队发现DeepSeek-V4的答题表现会随信息在输入中的位置每隔4个Token周期性变化，在128K长上下文大海捞针测试中，同一条信息换个位置，DeepSeek-V4-Flash-Base的检索准确率最大差距达40.2个百分点，DeepSeek-V4-Pro-Base为34.8个百分点。
量子位AI 评分6262 星动纪元VPP2登顶RoboDojo仿真榜单，开源世界动作模型
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，两项指标均列第一，领先GPT-6-Astra的22.48%和28.97分。
抖音 · 数字生命卡兹克爆款AI 评分1818 AI 让数学再也回不去那个旧世界了
数字生命卡兹克发布视频讨论 AI 对数学领域的冲击，认为数学已无法回到旧有研究范式。内容关联 OpenAI 与 AI 新星计划，但正文未给出具体模型版本、参数或评测数据。
公众号 · 赛博禅心精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，单价降九成
Anthropic 发布 Claude Haiku 5.5，输入从每百万 token $1 降到 $0.10，输出从 $5 降到 $0.50，官方称平均跑同样的活比 Haiku 4.5 便宜约 75%。
选题角度：官方给出 Haiku 5.5 与 4.5 的价格和跑分对比，还附了一段 Opus 带 10 个 Haiku 子代理的鸡蛋架演示，适合做新旧版本同任务实测对比。
Hacker News · AI 高分帖AI 评分6262 Anthropic 发布 Claude Haiku 5.5，运行成本比 Haiku 4.5 低约 75%
Anthropic 发布 Claude Haiku 5.5，官方称其为迄今最快、最便宜且能力最强的小模型，平均运行成本比 Haiku 4.5 低约 75%，适用于摘要、压缩、数据库查询和分类等高并发、成本敏感任务。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队从 Nemotron 3 出发，用监督微调、强化学习和反馈驱动的推理流程，让 Nemotron 在 IOI 2026 与 IMO 2026 都达到金牌水平。
选题角度：原文公开了 SFT 与 RL 检查点、训练数据集和 NeMo-Skills 推理管线，适合按官方配方复现一次微调加生成验证的流程。
抖音 · 杨博士说AIAI 评分5555 杨博士说AI：GPT-6、Astral 与 Claude Opus 5.5 破译 433 年前教皇密信
杨博士说AI 称 GPT-6、Astral 和 Claude Opus 5.5 几乎同时破译了 1593 年天主教联盟留下的两封密信，其难点在于多音替代密码、手写体识别、16 世纪法语语法还原与历史语境推理。
量子位AI 评分3838 全球AI集体"不说人话"：从Claude到GPT的Coding黑话现象与Gemini的例外
开发者吐槽Claude、GPT等模型在Coding场景下输出"15/15全绿""单腿哑火"等黑话，被指是Coding过拟合与CoT压缩Token所致，穴居人式思维链可省70% Token消耗。GitHub上教AI说黑话的CaveMan Skill已获104K星星，2019年的文言编程语言wenyan-lang也已有20K星。Gemini因排版清晰、语言自然成为少数仍能正常沟通的模型。
Hacker News · AI 高分帖AI 评分6262 OpenTPU 开源 AI 加速器发布，在 FPGA 卡上跑通十款模型
OpenTPU 是一个开源 AI 加速器项目，由 AI 参与开发，整个加速器放在一个可端到端阅读的 monorepo 中，包含 SystemVerilog 硬件设计、指令集、位精确模拟器、内核语言与编译器以及驱动 PCIe 卡的主机软件。
The DecoderAI 评分7272 Mistral 发布万亿参数模型 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4，1 万亿参数、490 亿激活参数，在自有欧洲数据中心训练，API 已通过 Mistral Studio 开放预览，权重预计 10 月底发布。
The DecoderAI 评分7272 Reflection 发布开放权重模型 Beam，称以更少算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布首个免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
OpenAI NewsAI 评分5757 OpenAI 公布内部前沿模型在数学开放问题上的新结果
OpenAI 公布内部前沿模型在数学开放问题上取得的新结果，并说明这些结果来自一个内部前沿模型。相关 Lean 证明形式化与研究细节已在 GitHub 公开。
TechCrunch · AIAI 评分6262 Reflection 发布开源权重模型 Beam，对标中国开源模型且算力成本更低
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上可匹敌中国领先开源模型，且推理算力消耗少 3-4 倍。Beam 是纯文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练 23.8 万亿 token，上下文窗口 100 万 token。
The DecoderAI 评分6666 Reka AI 发布全能模型 Rho-1，单网络处理文本、图像、视频与机器人控制
Reka AI 发布全能模型 Rho-1 的研究预览版，这是一个 190 亿参数的单神经网络，可处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放在同一个共享上下文窗口中运行，不调用工具或外部模型，能实时生成连续视频并即时响应新指令，预测摄像头图像的同一套权重也驱动机器人动作。
抖音 · 杨博士说AIAI 评分3838 Jev 无法深度思考：小模型做决策、大模型补推理的混合路线
browser use 开源 Jev Ultra Fast，让 Jev 直接读取浏览器 DOM 做 agent 高频动作决策，每轮只需一次模型请求，航班检索 7 秒完成，耗时比 LLM agent loop 压缩 25%，单次任务成本降至 0.0039 美元。
The DecoderAI 评分3131 DeepMind 研究人员提出“人工共生智能”，作为“奇点”的替代方案
DeepMind 研究人员提出“人工共生智能”（Artificial Symbiotic Intelligence），主张 AI 研究的核心是协调由智能体、人和连接系统组成的复杂网络，而非构建单一自我改进的超级智能。
量子位AI 评分6262 TypeSafe 创始人 Diogo Almeida 访谈：Jev 估值 100 亿美元，公开 benchmark 极易被操纵
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，公开 benchmark 极其容易被操纵，即便开发者没有主动作弊也可能被榜单牵着走，他更相信把模型放进真实工作流去评估。
bycloudAI 评分2222 Jev 决策模型解析：模型如何在不生成文字的情况下变得更强？
视频解析了名为 Jev 的决策模型的工作原理与来源，并对比了其他可选替代方案。内容聚焦模型在不生成文字的情况下如何实现更强表现，同时提及 Fish Audio 的 S2.1 Pro TTS API 可用于构建语音应用。
The DecoderAI 评分3636 Cloudflare 发布 Clef 决策模型：AI 智能体决策不再需要人类介入
Cloudflare 推出决策模型 Clef 与 Clef-flash，称智能体可自主收集上下文、做决策并执行，必要时才交由人类处理。
OpenAI NewsAI 评分3232 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何在 GPT-6 各型号间选型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
Hacker News · AI 高分帖AI 评分4040 信息大多隐藏的 Stratego 游戏此前难倒 AI，如今被攻克
信息大多隐藏的棋盘游戏 Stratego 此前一直难倒 AI，如今被攻克。该帖在 Hacker News 获得 289 分、154 条评论。
Hacker News · AI 高分帖AI 评分2222 研究：Jev 等决策模型并未胜过 LLM-as-a-judge 或传统分类器
针对 TypeSafe AI 发布的 Jev 决策模型，一项实验在 4 类方法、9 个候选护栏上做了对比，结论是 Jev 这类决策模型并未胜过 LLM-as-a-judge 或传统分类器。Jev 以固定 schema 输出决策、零样本且比 LLM 更快更便宜，但 Red Hat AI Safety 团队主张护栏应使用针对任务微调的小型预测模型。
量子位AI 评分7171 丘成桐新论文致谢GPT 6 Astra和Claude Pro，称AI辅助探索证明思路
丘成桐参与的最新论文在致谢中感谢GPT 6 Astra和Claude Pro，称它们在部分证明策略的探索和计算中提供了帮助，论文同时声明人工验证和写作责任由作者承担。
抖音 · 杨博士说AIAI 评分2222 从大模型到快慢思考：未来智能系统中 LLM、Jeff 与 RSI 的分工
未来智能系统将由 LLM、Jeff 与 RSI 分担不同角色：LLM 负责深度思考与规划，Jeff 属于 System One 快思考，以低算力成本快速给出零散判断，速度远超文本模型但性能略差。RSI 则把数据采集、训练与部署合并，在特定任务上边用边累积 trace 数据，形成 test time training 闭环。三者结合可满足 physical AI 对低延迟交互的需求。
NVIDIA Blog精选AI 评分6060 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
选题角度：原文给出 GPT-6 Astra Ultrafast 在 API 和 ChatGPT 的可用入口，以及比 Standard 模式最高 8 倍 token 生成速度，适合上手实测同一编码任务两种模式的耗时差异。
量子位AI 评分5555 何恺明团队提出NAT-ARC：用ImageNet预训练纯视觉模型解ARC
何恺明团队提出NAT-ARC，一套纯视觉的ARC解题方案，用ImageNet上的MAE预训练encoder再迁移到抽象格子推理。表现最好的单模型为0.6B参数，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，约2B参数；作为参照，专门微调的The ARChitects用8B语言模型拿到71.6%。
The DecoderAI 评分7171 Ataraxos 击败最强 Stratego 选手，算力成本仅为 DeepNash 的 1/500
研究团队用 Ataraxos 在军旗（Stratego）对局中以 85% 有效胜率击败史上最强选手 Niemeijer，该 AI 纯靠自我对弈学习、不使用人类数据。
The Decoder精选AI 评分7878 OpenAI 称已阻断模型推理窃取活动，但该手法在 Azure 上仍然奏效
OpenAI 称其阻断了一场针对模型推理的蒸馏窃取活动，该活动 7 月 1 日以低量开始，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，OpenAI 称已于 7 月 28 日前全部关停，并将核心参与者与 Moonshot AI 相关人员关联。
选题角度：OpenAI 称已封堵推理蒸馏攻击，但研究者复测发现同一批模型在 Azure 上仍能被逐字套出推理，适合做平台防护差异的对比解读。
The Decoder精选AI 评分7878 Google 发布 Gemini 4 Argon，追平 OpenAI 与 Anthropic 但未取得明显领先
Google 发布新前沿模型 Gemini 4 Argon，在多项基准上追平 OpenAI 和 Anthropic，但未取得明显领先。Argon 先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放，之后才面向开发者、企业和消费者，起步为付费 API 客户和 Google AI Ultra 订阅用户，尚未公布日期。
选题角度：用 Artificial Analysis 与 Arena 的公开数据做横向对比，讲清 Argon 在智能指数、幻觉率和 token 消耗上的取舍。
Hacker News · AI 高分帖AI 评分7474 Google 发布 Gemini 4 Argon，输出上限提至 1M token
Google 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起步价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入按输入价的 95% 折扣计费。