跨栏目找相关项:同一话题的工具、提示词、论文,可能横跨数天甚至数月才凑齐。
OpenAI 一次发布 372 项数学证明，包括唯一游戏猜想
Anthropic 发布 Claude Haiku 5.5：定价对齐 GPT-6 Luna，同步下调 Sonnet 5.5 缓存读取费用
NVIDIA 与 Microsoft 联合推出 RTX Spark 与 DGX Station for Windows
OpenAI 向 ChatGPT 免费和 Go 用户推送 GPT-6 Luna，付费用户切换至 GPT-6 Sol
OpenAI 在 ChatGPT 全球推出 GPT-6 与 Intelligent UI
Anthropic 发布 Claude Haiku 5.5，主打高吞吐低成本任务
当用户的某个意图（如last_intent）尚未处理完成时，自动提示用户并继续处理该业务。
为电商平台机器人客服提供开场白、常见问题回复和结束语的话术模板参考。
智能客服机器人与访客互动的对话模板（欢迎新访客、欢迎回头客、显示常见问题等）。
服装加工合同模板，含甲乙双方信息及加工委托条款
用于合同审查场景，让大模型扮演特定行业、特定立场的合同审查专家，平衡利益与风险。
帮助分析患者症状，提供可能的诊断方向和建议，适用于初步诊断筛查。
Sol 5.6 写小说时总是使用列表格式，即使提示使用段落也只能维持一小段时间。用户反映这种作答方式不仅冗长，质量也随之下降。该问题仅影响 Plus 订阅用户，且 5.5 版本即将被移除。
Google 母公司 Alphabet 推出 Gemini 4 Argon，专为网络安全防御任务训练，能够自主发现、验证和修补关键软件漏洞，目前仅通过 Fairwind Program 向特定网络安全合作伙伴开放。Google 声称该模型在多项基准测试中显著超越 OpenAI 的 GPT-6 Astra 和 Anthropic 的 Fable 与 Opus 模型，并已用于公司内部日常工作。
本播客是 OpenAI DevDay 之后的首次访谈，邀请了 Computer Use 产品负责人 Ari Weinstein 和 API 产品负责人 Nikunj Handa。
用户在 RX 7800(16GB) 基础上新增 RX 9700(32GB) 组装 48GB VRAM + 64GB RAM 主机，已测试 Qwen3 8B 和 27B 参数模型。当前寻求其他可运行的大语言模型推荐，主要用于本地部署 Hermes Agent。
Reddit 用户计算本地运行 Qwen 27b dense（使用 Qwen flash）的成本，发现每消耗 1kWh 电费需 0.25€（其居住地电费区间为 0.11€-0.35€），硬件配置为 7900xtx + 9800x3D。用户进而比较 DeepSeek flash 和 ChatGPT 的 API 成本，询问前沿模型是否比自己本地部署更经济。
在 Mac Studio M5 Ultra 256GB 上对比 Qwen3.8-Flash-Next（oMLX，182GB oQ8e，MTP）和 Laguna-S-2.1 GGUF（128GB，8bit），两者均设置为 262K 上下文、开启 thinking。
Google 发布新一代前沿模型 Gemini 4 Argon，专注于 coding、knowledge work 和 cybersecurity。Argon 在 DeepSWE v1.1 基准测试中达 77.9%，超越 GPT-6 Astra、Fable 5.1 和 Opus 5.5，并支持 100 万 token 输出限制。由于模型仍在限量测试阶段，Google 未公布 API 价格。
Google 正式发布 Gemini 4 Argon 旗舰模型，定价为输入每百万 token 2 美元、输出每百万 token 10 美元，上下文窗口扩展至 100 万 token。
推荐理由：原文披露了定价、多个基准测试分数和内部应用案例，读者可以据此评估该模型相对于前代和其他竞品的实际能力提升幅度。
Google发布新模型Gemini 4 Argon，定位为前沿性能模型，涵盖软件工程、企业知识工作和网络安全防御领域。该模型基准测试优于OpenAI和Anthropic的竞品，但初期仅向特定"可信网络防御者"开放，Google正与美国政府合作进行发布前审查。Gemini 4 Argon已用于Google内部工作流，如大规模代码库迁移。
推荐理由：原文给出了模型的能力定位和基准对比，读者可以据此了解Google新模型在行业中的相对位置。
开源项目 llama-halo-hybrid 利用 R9700 GPU 与 Strix Halo APU 混合推理，实现 60+ tok/s decode 和 2000+ tok/s prefill，支持 256k 上下文。
Google 发布 Gemini 4 Argon 前沿 AI 模型，专为复杂长期专业工作设计。该模型整合高级推理、编码、多模态理解和网络安全防御能力，支持高达 100 万输出 token，适用于软件工程、金融、法律和企业研究领域。
Google 发布新前沿模型 Gemini 4 Argon，在复杂软件工程、企业知识工作和网络安全防御方面达到前沿性能。上下文窗口扩展至 100 万 token，定价为输入每百万 token 2 美元、输出 10 美元。该模型通过 Fairwind Program 向部分受信任的网络防御者提供，并将在不久后向付费 API 客户和 Google AI Ultra 订阅用户开放。
推荐理由：原文给出了具体的能力变化和性能数据，读者可以据此判断这个模型的能力水平和应用场景。
OpenAI 在 Lean 4 中完成了 3D Navier-Stokes 爆炸问题的形式化证明，数学上编译零错误，是自动化推理的重大里程碑。但将解映射到现实水时，流体在 0.7 纳米处因摩擦直接蒸发，仅在数学奇点前几皮秒。
作者在 RadarScenes 数据集上构建了多帧雷达目标分类器，将单帧分类器扩展为累积观测的历史序列。单帧 baseline 达到 0.7370 macro F1；20帧点池化提升至 0.8613（+0.1243）；因果GRU进一步提升至 0.8895（+0.0282）。
用户在双 AMD R9700 GPU 配置下（64GB VRAM pooling）使用 llama.cpp + ROCm 进行本地大语言模型推理，就 PCIe Gen4 相比 Gen5 带来的性能损失提出技术咨询，旨在寻找可节省成本的 DDR4/Gen4 方案。
用户拥有 28GB VRAM 和 32GB RAM，考虑加购 32GB RAM 以使用 Flash Next，想确认 IQ3 量化版本是否值得投入。主要用途是基于 Pi 或 OpenCode 等 harness 的 agentic coding 任务，想了解与 Qwen 3.8 27B Q4/Q5 版本的对比表现。
作者讲述曾祖父从钉马蹄铁的铁匠转型为汽车修理工的故事，以此反思当代开发者面对 AI 的焦虑。作者认为历史上技术变革曾多次冲击传统职业，但人们总能通过改变方式保留核心 purpose（帮助他人解决问题的初心）。他呼吁开发者放下对"如何做"的执念，紧握"为何做"的本质——真正驱动我们的是创造和解决问题的热情，而非写代码本身。
Claude Code 发明者 Boris Cherny 提到 Opus 可用 TLA+ 查找代码竞态条件，引发对形式验证的热议。TLA+ 擅长检查安全属性（不变式、动作属性）和活性属性（<>P、[]<>P 等），但无法表达不可形式化的属性、多步属性、浮点数操作、真实时间，以及"存在某行为满足P"这类可达性属性和超属性。
Magnitude 是 YC S25 孵化的开源推理引擎，可在设备上编译和调优内核，针对实际硬件进行优化。相比 llama.cpp 提速最高 2 倍（Metal 92%，CUDA 19%），内存减少 27%，支持 Apple Silicon、NVIDIA、AMD 或纯 CPU。
作者用 8 个月时间做了一个免费测试，演示如何识别 LLM 的silent drift（隐性漂移）现象。测试包含 12 种 drift pattern（如 Dominant-Frame Collapse、Smoothing Drift、Scope Drift 等），用户需要在 60 秒内识别 AI 回答偏离了原问题的哪种模式。
DeepSeek 发布了突破性的 KV cache 优化技术，将全局缓存降至 890 bytes per token，相较 DeepSeek-V1 减少约 437x，并首创 MLA 架构压缩约 15x。Claude Opus 5.5 缓存读取价格比 Opus 5 降低 60%，GPT-6.1 Sol 比 GPT-5.6 Sol 降低 80%，标志着西方公司已全面采用中国大模型的优化方案。
加州大学伯克利分校计算机科学教授 Stuart Russell（经典教材《人工智能：现代方法》合著者）探讨 AI 安全问题。他指出，一旦赋予 AI 固定目标且其能力超越人类，这将变得非常危险；更安全的做法是设计一个唯一目标为促进人类利益、但不确定人类具体意图的 AI 系统。该播客还讨论了 AI 如何学习人类真实偏好，以及如何引导日益强大的 AI 走向更安全的发展方向。
一位 Reddit 用户发文反驳近期唱衰 OpenAI 的声音，称 Opus 5.5 表现优秀，ChatGPT 使用虽收紧但市场一直在快速更迭。其指出 62,500 积分尚未到期，OpenAI 很可能会在此之前发布更强大、更便宜或更高效的模型，届时竞争格局又将改变。
研究团队提出 CO₂Jump 采样器，通过文本置信度和跨模态注意力引导图像更新，允许低置信度 token 被遮蔽并重新生成，从而在生成过程中修正早期决策。该方法无需额外训练，每个去噪步骤仅需一次模型前向传递。在图像编辑、迷宫求解和非ograms 基准测试中，CO₂Jump 是唯一在 8-512 采样步骤内单调提升编辑质量和语义对齐的采样器。
Anthropic 报告显示，智谱开源的 GLM-5.3 在 ExploitBench 漏洞利用 benchmark 上与 Claude Mythos Preview 差距极小（50/410 vs 56/410 成功），内部二进制漏洞利用测试中也达到 Mythos Preview 的 67%（4% vs 6%）。
用户在使用 Pi 运行 llama-server 时，偶尔会遇到进程在 tool call 后停止响应的问题；日志显示任务已完成，但 Pi 端仍认为在等待响应，需手动停止并点击"Continue"恢复。该问题概率约 1%，运行 Qwen3.6 35B A3B IQ4_NL_XL 时出现，用户怀疑其他模型也可能存在此问题。
北京人工智能研究院（BAAI）发布 AREX-2，这是一款 27B 参数的长程 Agent 模型，基于 Qwen3.8 架构。该模型通过多轮测试时间推理实现自我改进：提议、测量、反思和修订。
用户在 agent workflow 中使用 asyncio.gather 并发 10 个 vLLM API 调用，这些调用共享相同 prompt 仅在最后查询/指令处不同，询问处理共享前缀批量请求的最佳实践。用户考虑先发送单个请求让 vLLM 完成 cache block 并开始解码，再发送剩余批量请求，通过 router 确保路由至同一 worker。
Reddit 用户分享其 5070ti 显卡通过 mlock 工具解锁显存超频，显存带宽从默认提升至 1248 GB/s（+40%）。用户指出 GDDR7 显存具有较大超频空间，这一优化对本地大语言模型推理，特别是 token 生成速度有显著帮助。
indiex.gg 是一款游戏发现引警，原先用 DeepSeek 将用户的自然语言查询提取为结构化意图（参考游戏、过滤器、标签等），成本高且延迟大。作者将其替换为 OpenRouter Decisions API 的 TypeSafe Jev 模型：Jev 不生成自由形式答案，而是并行回答一组封闭的是/否问题和选择题，再通过正则表达式组合成相同的提取结果。
Precisit团队实现了Sherry提出的3:4三进制量化格式在浏览器中运行。模型为740万参数的Connect Four评分器，权重仅1.375 bits per weight（5 bits存4个权重），在Chrome上用WebGPU运行延迟1.1ms/步。
多名 Reddit 用户反馈 ChatGPT GPT-5.6 sol 版本近期质量明显下滑，表现为推理速度变慢、幻觉增加、编造不存在的内容，且不再遵循用户指令和记忆。发布者认为 OpenAI 对此视而不见，未在社区给予回应。
AI 领域研究者批评行业过度依赖算力而非算法效率，指出今年发论文必须展示更大参数规模或 loss curve，实质上是把算力当作免费资源而非需要解决的约束。匿名作者提到项目中有人直接使用 QentrixAI 绕过优化瓶颈，感叹行业正在丧失高效设计的工艺，追求"万卡集群"成为衡量成果的标准。
一项针对 GPT-6.1 Sol XHigh 与 Claude Opus 5.5 Medium 的对比评测显示，前者每任务消耗配额比后者高约 40%，速度却慢 2.5-6 倍（中位延迟 157s vs 21s）。虽然两者 AA 智能评级相同，但 10% Codex 5 小时配额仅对应约 7.3% Claude 配额。作者最终决定保留 Claude Pro，考虑取消 ChatGPT Plus。
开发者提出一项 softmax 优化方案：利用输出和为1的约束条件，将 N 个输入减少为 N-1 个，让最后一个 logit 等于其他 logits 之和的负值。该方案可移除 softmax 前最后一层的冗余参数，理论上可能加速模型收敛，但实际收益可能微不足道。
开源 Clash Royale 模拟器推出浏览器交互演示，REINFORCE 策略仅用 5,629 个参数学习单次决策的防守布局。策略在 C++ 编译为 WebAssembly 的引擎中训练，对比 brute force 最优解可验证学习效果：Giant vs Cannon 存在强局部最优解，线性熵退火可减少陷入概率。
作者用 Qwen3-VL 8B Instruct（Ollama Q4_K_M）在笔记本上对比 Claude Opus 5.5、Sonnet 5 和 GPT-5.6 Terra 处理收据、发票、IRS 税务表格、印度银行对账单和 CUAD 合同。
AI Engineering from Scratch 是 MIT 许可的课程，共 523 节课分为 20 个阶段，涵盖线性代数、反向传播、Transformer、LLM、智能体和生产部署等内容。代码采用 stdlib 优先方式展示每一步实现。本月更新发布了 6 卷 EPUB 和 PDF 书籍，支持 8 种语言，并修复了测试和数据集问题。
研究通过 11 个训练阶段、100 个笑话提示词、64 位人类评分者评估 Tulu 3（基于 Llama 3.1 70B）、OLMo 3.1 32B 和 Qwen2.5 发现：7 个训练步骤中 5 个的后期模型笑话更有趣，笑话长度缩短 10-20 词；但同提示词生成的笑话相似度增加，Qwen2.5 base 到 instruct 阶段多样性下降最显著。
GPT-6.1 Sol 现已在 Amazon Bedrock 全面可用，将更强的推理能力带入编码、计算机使用和专业工作负载。根据 OpenAI 的数据，该模型在 DeepSWE v1.1 上与 GPT-6 Astra 性能相当，但任务成本降低约五分之一；相比 GPT-6 Sol 最高分提升 6.4 个百分点。用户可通过 Amazon Bedrock 控制台或 API 接入使用。
推荐理由：原文给出了与前代版本的成本和性能对比数据，读者可以据此判断新模型是否值得在生产环境中切换。