Ataraxos 以约 1/500 算力成本击败史上最强 Stratego 人类玩家
研究人员开发的 Ataraxos AI 以 85% 的有效胜率击败四届世界冠军、公认史上最强 Stratego 玩家 Niemeijer，结束了一个人类对 AI 的最后堡垒。
推荐理由：研究以约八千美元算力战胜最强人类 Stratego 玩家，正则化和信念网络方法可迁移到其他不完全信息博弈。
推理能力
全部主题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。
最新精选
第 1–20 条 · 共 56 条The Decoder精选AI 评分7777 Latent Space精选AI 评分7777 Google DeepMind 发布 Gemini 4 Argon，输出上限达 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，宣称在 19 项基准中的 13 项排名第一，输出上限从 64K 提升至 1M（通过 Long Decode Continuation 实现）。
推荐理由：汇总了 Gemini 4 Argon 的基准成绩、定价与获取限制，并保留独立评测和质疑声音，读者可据此平衡官方宣传。
The Decoder精选AI 评分7878 Google 发布 Gemini 4 Argon：缩小与 OpenAI 和 Anthropic 差距但未明确领先
Google 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向可信网络防御者和内部团队开放，再逐步向开发者、企业和消费者开放，暂未给出日期。
推荐理由：文章汇总独立评测、定价和灰度策略，显示 Argon 缩小与头部差距但在 token 效率上仍有代价。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 4 Argon，输出上限扩至 1M tokens
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御者开放，后续面向开发者、企业和消费者推出。
推荐理由：官方公布的能力、价格与安全机制信息完整，读者可以据此判断 Gemini 4 Argon 在编码、知识工作和网防上的实际变化。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AlphaGenome Atlas 覆盖人类基因组全部 90 亿单碱基变体预测
Google DeepMind 发布 AlphaGenome Atlas 平台，收录人类基因组约 90 亿个单核苷酸变体的分子效应预测，数据集达 1 PB，超过 AlphaFold 数据库 30 倍以上。
推荐理由：平台把 90 亿个单核苷酸变体的预测免费开放，配合 AVI 评分与案例结果，研究者在排序罕见病变体时可省去大量实验验证。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber，称其为迄今最佳推理与编码模型，定价与 3.7 Flash 相同（每百万输入 token $0.75、输出 $3.75）。
推荐理由：官方公布了两个变体的基准数字、定价和 Cyber 版的申请入口，读者可据此评估升级成本与实际收益。
Hugging Face Blog精选AI 评分6666 IBM 发布 Granite 4.2 推理模型家族并公开完整构建过程
IBM 发布 Granite 4.2 推理模型家族，含 3B、8B、30B 三个稠密模型，以 Apache 2.0 许可开源。
推荐理由：IBM 官方公开 Granite 4.2 从预训练到多阶段 RL 的完整训练细节，读者可以借此了解推理模型的可复现构建路径。
Hugging Face Blog精选AI 评分6666 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2x
Liquid AI 为 LFM2.5 系列三个模型（LFM2.5-1.2B-Instruct、LFM2.5-2.6B、LFM2.5-8B-A1B）发布 DSpark 草稿模型检查点，采用投机解码在不改变输出质量的前提下大幅加速解码。
推荐理由：官方给出 DSpark 草稿模型的具体加速数据、质量等价原理和 llama.cpp 与 SGLang 的用法，端侧部署可直接迁移。
Google Research精选AI 评分6464 Google Research 提出 knowledge profiling：前沿 LLM 事实性瓶颈在召回而非编码
Google Research 提出 knowledge profiling 行为框架和 WikiProfile 基准（2,150 条 Wikipedia 事实，各配 10 个任务），评估 13 个 LLM 约 450 万条回复。
推荐理由：Google 用知识画像框架把事实错误拆成编码与召回两类，指出前沿模型瓶颈在召回，并量化 thinking 的恢复作用。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型，新增视频理解与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，定位为机器人的高层具身推理大脑，可编排 VLA 模型、导航 API 等底层工具完成多步任务。
推荐理由：官方发布详细列出了视频理解、进度追踪、多机协作的量化指标与获取入口，读者可据此评估机器人任务编排能力的变化。
Hugging Face Blog精选AI 评分8181 Thinking Machines 发布万亿参数开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 在 Hugging Face 发布开源多模态模型 Inkling，总参数 975B、激活 41B 的 MoE 架构，原生接受图像、文本和音频输入，支持 1M 上下文窗口，训练数据为 45 万亿 token。
推荐理由：原文给出架构细节、各档位 VRAM 部署配置和多模态评测数据，对评估落地成本和选择变体有直接参考。
Mistral AI精选AI 评分6262 Mistral 发布 Apache-2.0 开源模型 Leanstral 1.5，6B 激活参数聚焦形式化证明
Mistral 发布 Leanstral 1.5，Apache-2.0 许可，总参数 119B、激活 6B，主打 Lean 4 形式化证明工程。模型饱和 miniF2F，解出 587/672 PutnamBench 问题，在 FATE-H 达 87%、FATE-X 达 34%；经 mid-training、SFT 和 CISPO 强化学习三阶段训练。
推荐理由：原文给出基准成绩、成本对比和真实代码验证案例，读者可以据此评估开源形式化推理模型的实用边界。
Hugging Face Blog精选AI 评分7777 智谱发布旗舰模型 GLM-5.2，主打 1M 上下文长时程任务
智谱发布旗舰模型 GLM-5.2，面向长时程任务，首次在稳定的 1M-token 上下文上交付该能力，采用 MIT 开源协议。架构上提出 IndexShare，每 4 层稀疏注意力共享一个 indexer，1M 上下文下每 token FLOPs 降低 2.9 倍，并改进 MTP 层使投机解码接受长度最多提升 20%。
推荐理由：官方技术报告给出 1M 上下文的架构改进和三项长时程基准对比，读者可以借此评估开源模型在真实编码场景的可用性。
Google DeepMind精选AI 评分7272 Google DeepMind 发布开源实验模型 DiffusionGemma，GPU 文本生成最高提速 4 倍
Google DeepMind 发布基于文本扩散的开源实验模型 DiffusionGemma，采用 Apache 2.0 协议，权重已在 Hugging Face 上提供。
推荐理由：官方说明了文本扩散模型的架构取舍与适用场景，读者可据此判断它是否适合本地低并发的高吞吐需求。
Google DeepMind精选AI 评分6262 Google DeepMind 报告塞拉利昂 Guided Learning 试验：Gemini 辅助数学学习提升约 1.2 至 1.7 年学习进度
Google DeepMind 发布在塞拉利昂开展的预注册 RCT 结果，使用 Guided Learning 的学生数学成绩较对照组提升 +0.258 个标准差，约合 1.2 至 1.7 年常规学习进度；教师将 Gemini 融入约半数课时（目标 12 小时）的班级提升更高，约 1.8 至 2.5 年。
推荐理由：原文给出了预注册 RCT 的量化结果和交互数据，读者可以据此评估 AI 辅助教学在真实课堂中的效果与局限。
OpenAI News精选AI 评分6363 OpenAI 模型解决 80 年历史的单位距离问题，推翻离散几何核心猜想
OpenAI 宣布其模型解决了有 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想。官方称这是 AI 驱动数学研究的里程碑。
推荐理由：OpenAI 官方宣布模型在数学研究上解决 80 年悬而未决的问题，可关注其对 AI 驱动数学研究的意义。
Google Research精选AI 评分7070 Google 发布 ERA 研究工具并推出 Computational Discovery，论文登上 Nature
Google 发布基于 Gemini 的科学研究工具 ERA，可搜索文献、编写和用树搜索优化科学代码，在基因组学、公共卫生、卫星图像、神经科学、时间序列预测和数学等基准上达到专家级表现，论文发表于 Nature。
推荐理由：原文给出 ERA 的树搜索方法、多领域基准结果和五篇应用论文细节，并说明新工具的开放入口，读者可了解它如何用于具体科学问题。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.5，首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首个型号 3.5 Flash 当天全量开放，3.5 Pro 预计下月推出。
推荐理由：官方正文给出具体基准分数、速度对比和开放渠道，读者可据此评估 3.5 Flash 在智能体与编码场景的实用性。
Google DeepMind精选AI 评分6464 Google DeepMind 发布多智能体科研系统 Co-Scientist 并向个人研究者开放
Google DeepMind 在 Nature 发表 Co-Scientist 研究，推出基于 Gemini 的多智能体 AI 系统，通过生成、辩论和进化假设迭代产生科研新假设，并通过 Hypothesis Generation 实验工具向个人研究者开放，未来几周开始推出，可在 labs.google/science 注册。
推荐理由：官方发布完整介绍了 Co-Scientist 的多智能体架构、验证机制和多所高校实验室的实际应用结果，还给出了个人研究者注册入口。
Google Research精选AI 评分6262 Google Research 展示科学家使用 Empirical Research Assistance 的四个科研方向
Google Research 介绍自 9 月预印本发布 Empirical Research Assistance（ERA）以来，其科学家与学术合作者将其应用于真实科研的四个成果。
推荐理由：文章展示了 ERA 在疫情预测、宇宙学、气候遥感和神经回路四个真实科研场景的应用结果，可了解 LLM 辅助科研的具体形态。