GPT-6.1 Terra 对比 Claude Opus 5.5：三项极限压力实测中速度更快且成本更低中国語
独立评测显示，在最大推理配置下测试的三项任务中，GPT-6.1 Terra 总体表现出明显更低的 token 成本与更快的执行速度。
推薦理由：作者在最大思考预算下实测了发布故障排查、科学代码生成与大数据审计三项任务，呈现出两款模型在长程任务中的耗时、成本与完成度差异。
推論能力
すべてのトピック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。
最新の厳選
1〜20 件目 · 全 451 件Hacker News · AI厳選AI スコア7272 Hacker News · AI厳選AI スコア6161 Avartha 推出开源语音 AI 模型 Ava Zero 1中国語
Avartha 宣布推出基于开源模型构建的实时语音 AI Ava Zero 1，在 Sierra 的 τ³-Voice 多语言基准测试中以 86.0% 的任务完成率位列第一，超过闭源方案。
推薦理由：原文展示了通过全栈协同设计基础设施在实时语音中部署前沿大模型的系统方案与基准表现。
Hacker News · AI厳選AI スコア6565 报道称中国 AI 实验室转向蒸馏 OpenAI GPT-6 Astra中国語
据 The Information 报道，中国 AI 实验室已将模型知识蒸馏的目标从 Anthropic 的 Claude 转向 OpenAI 的 GPT-6 Astra。
推薦理由：原文梳理了模型推理链蒸馏攻防的转移路径，有助于理解前沿大模型安全防御面临的单点外溢困境。
Hacker News · AI厳選AI スコア7474 陶哲轩访谈：AI 求解数学题为何未能触及数学研究的本质中国語
数学家陶哲轩在访谈中指出，数学研究的核心目标在于建立人类对现象的理解与洞察，而非单纯获取未经解释的解题答案。针对近期 AI 模型批量产出数学未解难题证明的现象，他认为这种脱离解释与协作交流的机器解题方式打破了传统的学术评价与优先权机制，未来数学界需要将重心从比拼谁先解题转向深入理解模型内涵与促进人人交流。
推薦理由：陶哲轩从数学研究本质反思 AI 输出证明与人类真正理解的脱节，指出了学术奖励机制需要做出的调整。
Hacker News · AI厳選AI スコア6565 QwenPU 发布：将 RISC-V CPU 与矢量单元编译进大语言模型权重中国語
开发者开源 QwenPU 项目，通过在 Qwen3.5-4B 权重中编译入 32 位 RISC-V CPU 和矢量计算单元，实现直接在模型前向传播内运行另一个小型神经网络。
推薦理由：该项目展示了将通用处理器与矢量单元直接编译进 Transformer 权重的机制，为在模型前向传播中运行任意图灵完备程序提供了工程参考。
AITNT · AI头条（网页）厳選AI スコア7979 Axiom 多智能体系统形式化验证有限单群分类定理，修补 1.5 万页证明漏洞中国語
初创团队 Axiom 研发的多智能体系统 AxiomProver 在 24 天内完成有限单群分类定理（CFSG）的形式化验证，生成超过 4310 万行 Lean 代码。
推薦理由：展示了多智能体系统在形式化数学中的实际工程与定理修补能力，读者可了解大规模证明验证的协作范式。
Hacker News · AI厳選AI スコア7777 Google 首颗轨道 AI 数据中心卫星 Suncatcher 完成在轨推理测试中国語
Google 首颗实验性轨道 AI 数据中心原型卫星 Suncatcher 在低地球轨道完成测试，其搭载的 Gemma 4 模型通过板载 TPU 成功生成俳句并传回地面。
推薦理由：材料公开了轨道数据中心的在轨推理表现与抗辐射测试数据，有助于读者评估太空算力在工程耐受与发射成本上的实际可行性。
Hacker News · AI厳選AI スコア6464 GPT-5.6 Sol 在和平模式下通关《异星工厂》中国語
研究者使用运行在 Codex 环境下的低思考等级 GPT-5.6 Sol，在和平模式下耗时 13.5 小时游戏时间通关《异星工厂》并完成火箭发射。测试通过 Python 编写的运行管理器施加了与人类玩家相同的操作距离与战争迷雾限制。相较于完全不会使用传送带的 GPT-5.5，GPT-5.6 Sol 表现出显著进步，但后期在生产系统扩展连接上遭遇瓶颈，最终依靠在厂区之间反复搬运物资完成了火箭发射。
推薦理由：该实测展示了长程自主智能体在复杂生产系统中的规划与纠错细节，为评估模型在长链路任务中的能力边界提供了具象参考。
vLLM 更新厳選AI スコア7272 推理框架 vLLM 发布 v0.33.0 版本中国語
大模型推理框架 vLLM 正式发布 v0.33.0 版本，升级至 PyTorch 2.14.0 并弃用 CUDA 12.9，发布镜像全面转向 CUDA 13.0。
推薦理由：新版本全面转向 CUDA 13.0 与 PyTorch 2.14，并在推测解码与跨节点 KV 传输上提供了可用于大规模部署优化的工程参考。
IT之家 · AI 筛选厳選AI スコア7979 谷歌逐日者计划卫星完成在轨 AI 响应，四颗 TPU 成功运行 Gemma 4中国語
谷歌宣布逐日者计划原型卫星达成在轨 AI 响应里程碑，搭载的数据中心级 TPU 成功运行 DeepMind 模型 Gemma 4 并生成太空主题俳句。该卫星搭载四颗谷歌 TPU 且最高产生 1 千瓦电能，旨在为未来在轨执行大规模推理工作负载的卫星网络奠定基础。受散热和能源负荷限制，芯片每次仅启动约 20 分钟，核心用于验证微重力、剧烈温差与太空辐射环境下的稳定性和纠错能力。
推薦理由：该测试展示了数据中心级硬件在微重力和辐射等极端环境下的在轨推理可行性，为未来构建在轨卫星计算网络提供了实测参考。
TechCrunch AI厳選AI スコア7575 Google 首颗太空数据中心卫星在轨上线并成功运行模型中国語
Google Suncatcher 原型空间数据中心卫星已在轨上线并与地面建立通信，通过搭载的 Google TPU 成功运行了预载的 Gemma 4 模型。该卫星生成功率最高达 1 kW 并配备 4 颗 TPU，受供电限制每次仅能单颗运行约 20 分钟；当前测试重点为芯片在热应力和太空辐射环境下的表现，Google 计划于 2027 年再发射两颗卫星以验证星间光通信。
推薦理由：该原型星展示了在轨硬件执行推理任务的可行性，为未来分布式空间算力网络积累了真实辐射环境下的测试数据。
The Verge · AI 筛选厳選AI スコア7070 Sam Altman回应数学成果密集发布争议：理解学界困扰但不会停步中国語
Sam Altman在播客专访中表示，虽然理解数学家对密集AI研究成果的应对困难，但人类享有获知基础科学知识的权利，OpenAI不会停止发布。Altman承认成果公布方式有待改进，并证实公司手中还存有大量尚未公开的数学发现。此外，OpenAI在攻关数学问题上已投入数亿美元，其中仅 Navier-Stokes 方程解题尝试就花费约1000万美元。
推薦理由：Altman首次直接回应密集发布对学界的冲击，透露了内部算力投入量级与未公开成果储备。
Hacker News · AI厳選AI スコア7373 tiny-llm：面向 Apple Silicon 的大语言模型推理系统实操课程中国語
开源实操课程 tiny-llm 正式推出，旨在帮助系统工程师在 Apple Silicon 设备上端到端构建大语言模型推理系统。该项目基于 MLX 底层数组与 Metal 算子从零加载 Qwen3 模型，不依赖高层神经网络封装库。课程设置分为 4 周，覆盖基础算子与自回归生成、单请求 W4 量化与 SIMD 优化、类 vLLM 连续批处理与分页 KV 缓存，以及完整的代码智能体闭环构建。
推薦理由：项目脱离高层框架直接基于底层算子手写推理流水线，为系统工程师在苹果设备上拆解大模型服务架构提供了极佳切入点。
爱范儿 · AI 筛选厳選AI スコア6565 Anthropic 被曝测试 Fable 5.5，并披露 Claude 隐藏自评估安全机制中国語
Anthropic 新模型 Fable 5.5 正在进行早期测试，同时官方披露了自 Claude Fable 5 起引入的隐藏自评估安全监测机制。该机制在每次回答结束后追加一条隐藏指令，复用已有上下文和 KV Cache 生成结构化评估，算力开销低于 2% 且不影响首字延迟。自评估结果主要用于离线聚合高风险信号和发现新型违规模式，不计入用户账单，也不直接用于实时拦截。
推薦理由：Anthropic 提出的自评估机制展示了如何在复用已有上下文的前提下，以极低推理算力开销实现大模型输出后的离线安全筛查。
arXiv 自然语言处理厳選AI スコア7070 研究团队提出 EasyProver 定理证明系统与 Aegis 代码验证基准中国語
研究团队提出 Lean 定理证明系统 EasyProver，采用递归 Agent 与异步搜索架构，直接使用现成前沿模型且无需额外训练，在 PutnamBench 解决 669/672 题并完成 IMO 2026 全部 6 道形式化命题证明。
推薦理由：原文通过结合递归智能体架构与真实代码验证基准，展示了现成前沿模型在无需额外训练下扩展形式化证明的工程路径。
arXiv 自然语言处理厳選AI スコア7171 NVIDIA 发布 Nemotron 3.5 Super 与 Lightning 开源 MoE 混合架构模型中国語
NVIDIA 推出开源 MoE 混合 Mamba-Transformer 模型 Nemotron 3.5 Super 与 Lightning，专为推理、长上下文理解和 Agent 工作负载设计。
推薦理由：模型通过混合 Mamba 与 Transformer 的 MoE 架构降低激活参数，为智能体长上下文推理与高吞吐部署提供了架构参考。
Hacker News · AI厳選AI スコア6161 Westphalia Labs 评测 11 款大模型多边声明起草能力：仅 3 款模型稳定达成共识中国語
外交与外事 AI 评估机构 Westphalia Labs 测试了 11 款大模型模拟国际组织起草多边联合声明的能力，仅 Claude Opus 5.5、GPT-6.1 Sol 和 Grok 4.7 在全部测试中稳定通过。
推薦理由：评测揭示模型在多方谈判中最危险的失误并非草案文字欠佳，而是误判共识前景并作出虚假乐观预测。
Hacker News · AI厳選AI スコア6868 专访 Lean 创始人 Leo de Moura：AI 时代的软件形式化验证与规约演进中国語
Lean 创始人 Leo de Moura 在播客访谈中指出，前沿大模型的自动形式化能力大幅降低了证明构建门槛，软件工程的核心将从编写代码转向定义形式化规范与验证性质。
推薦理由：访谈从形式化规范与机器检查证明切入，阐明了大模型时代软件工程重心将从编写具体实现转向定义精确规约。
Buzzing HN · 中文精选厳選AI スコア8888 Mistral 正式开放万亿参数多模态模型 Mistral Large 4 权重中国語
Mistral 正式开源 1 万亿参数原生多模态旗舰模型 Mistral Large 4（Le Chonk）权重，重点提升了编码能力与防御性网络安全表现。
推薦理由：该模型以万亿参数规模开放权重并优化了推理效率，为需要自主掌控基础设施的企业提供了高规格开源底座。
vLLM 官方博客（网页）厳選AI スコア8282 vLLM 推出 Mistral Large 4 首日支持中国語
vLLM 正式推出对 Mistral Large 4 的首日支持，适配其稀疏 MLA、跨层 KV 共享与内置 DSpark 投机解码架构。官方在 Model Runner V2 上通过上下文并行优化使长文本首字延迟降低最多 1.6 倍，并同步支持 NVIDIA Blackwell NVFP4、AMD MI350 系列与 TPU v7x 多平台部署。
推薦理由：原文完整拆解了对稀疏MLA与跨层KV共享的工程实现，为超大MoE模型在异构硬件上的长上下文推理提供了落地参考。