创作方向
模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
55 条精选近 30 天 52 条共收录 167 条
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。
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再面向开发者、企业和消费者推出。
选题角度：官方给出 Gemini 4 Argon 在 DeepSWE、CWE-bench 等基准上的分数和内部落地案例，适合做一次新模型能力与价格对比的解读。
杨博士说AI 解读小米 MiMo v2.6 的 demo，覆盖 3D 开放世界搭建、Blender 文字生成汽车 3D 资产、仿真环境交互、computer use 做 PCB 电路板设计、金属有机框架材料设计与形式化数学证明等场景。
选题角度：博主逐条拆解小米 MiMo v2.6 的 demo 场景，并对照 Code Midas 与 Google Dream 两篇论文讲清不靠蒸馏的 RL 自进化思路，适合做技术解读。
Anthropic 在 Science Blog 发文称，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无人监督地运行数天，解出了平面 N=4 超杨-米尔斯模型中的九圈散射振幅，总成本几千美元。
选题角度：原文给出九圈散射振幅这一具体科研任务和几千美元成本，适合做AI独立跑数天解物理难题的实测复盘。
美国具身智能公司 Skild AI 展示人形机器人 Messinator，在 NVIDIA Isaac Sim 搭建的虚拟足球场中通过强化学习和 self-play 自我对弈 140 年，学会带球、护球、抢断和倒地起身，并迁移到真实机器人上完成射门。
选题角度：原文给出虚拟足球场自我对弈140年的训练设定和机器人带球射门演示，适合做效果对比或玩法解读。
Anthropic 发布 Claude Opus 5.5，AI Explained 结合其 230 页系统卡，讨论该模型在自动化 AI 研究（递归自我改进）上的进展。
选题角度：围绕 Opus 5.5 的 230 页系统卡和各家 RSI 承诺时间线，梳理实验室口径变化，适合做热点评论。
小米正式推出MiMo-V2.6-Flash、MiMo-V2.6-Pro及Pro的UltraSpeed版本，Pro在Artificial Analysis智能指数取得46分，超过Kimi K3和Qwen3.8 Max。
选题角度：作者用孪生素数可视化、3D地震台、PPT和视频模仿四个实测案例展示MiMo-V2.6-Pro的编码与审美能力，适合挑其中一个案例录屏复现并对比成本。
Anthropic 发布新系列首个模型 Claude Opus 5.5，官方称其在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低约 40%，输出速度提升超过 30%。
选题角度：Anthropic 发布 Claude Opus 5.5，官方给出与 Fable 5.1、GPT-6 Astra 的基准对比和 40% 成本下降，适合做跑分与价格对比解读。
Anthropic 于周二发布新模型 Opus 5.5，官方称其在编码和知识工作任务上创下新的 SOTA，并在多项基准上超过体量更大的 Fable 模型。Opus 5.5 输出 token 定价为每百万 20 美元，低于上一代的 25 美元，其他指标也有类似降幅，运行速度更快、服务所需算力整体下降。
选题角度：Anthropic 发布 Opus 5.5，输出价格从每百万 token 25 美元降到 20 美元，适合对比新旧版本在编码任务上的表现和成本差异。
OpenAI GPT-6 Astra 自主破译了 1941 年 7 月 10 日的德国陆军 Enigma 密电 MVUEH，该密电自 2005 年以来一直未被破解。
选题角度：原文完整记录了 GPT-6 Astra 自主选定目标、用 ROSENOW crib 写模拟器破译的全过程，适合按时间线复盘这次自主密码分析。
小米发布 MiMo-V2.6-Pro 和 Flash，Pro 为1.02万亿参数、420亿激活，在 Artificial Analysis Intelligence Index 上拿到46分，位列开源第一。
选题角度：小米把6天RL训练直播全过程公开，可围绕350万美元账单和30个Step后的评测涨幅，讲清开源模型冲进第一梯队的成本账。
硅谷热议的 Jev 模型由 OpenAI 一位研究员离职后潜心研发两年推出，面向决策和判断场景，速度比传统模型快几百倍，成本约为其 1%，幻觉率低。它没有沿用 RLHF，而是采用 RLCD（可校准决策的强化学习），在输出答案的同时给出置信度，便于按阈值决定是否人工介入。
选题角度：视频里展示了结构化输出几乎瞬间出结果、传统模型逐字生成的对比，可以围绕快思考模型在客服路由这类判断场景的实测来拍。
Two Minute Papers 发布视频解读 DeepSeek 的新架构，标题为 DeepSeek's Insane New Architecture。视频说明中给出 DeepSeek V4.1 Flash 论文链接，并列出多条 X 平台来源链接，同时更正视频 3:23 处 Opus 5.1 标注应为 Opus 5。
GPT-6 Astra 在 ARC-AGI-3 标准接口下得分 62.7%，使用 OpenAI 自家 harness 时约 99.9%，而 GPT-5.6 Sol 仅 7.78%、Claude Opus 5 略高于 30%。
选题角度：原文给出 Astra 在 ARC-AGI-3 与多款游戏中的具体成绩和失败细节，适合做新旧模型同一任务的效果对比。
OpenAI 发布 GPT-6 Astra，AI Explained 在视频中将其与 Fable 对比，并梳理最亮眼的结果、额外对比和交易相关表现。视频还提到一个令人担忧的趋势，即 GPT-6 Astra 的思维链可监控性正在减弱，并附上 OpenAI 的 GPT-6 Astra 页面与部署安全论文链接。