GPT-6 自称 AGI，李飞飞与马斯克为何不服？聊聊 GPT-6、世界模型与 Cybercab 谁是 AGI
播客围绕 GPT-6 Astra 展开讨论，并质疑其自称 AGI 的说法；李飞飞的世界模型被指是"三无产品"，而数据是否用完被称作伪命题。节目还探讨真正的物理世界模型如何拼出、没有手脚能否算 AGI，以及 Cybercab 为何只做两座、远程操控与真实路测数据为何大多无效。
#推理
#推理
今日 17 条人民公园说AIAI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Greg Brockman(@gdb)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Astra 可从 mel 频谱图零样本识别声音
Astra 能够从 mel 频谱图中零样本识别声音，发布者称这还只是该模型的轻量推理，尚未触及能力上限。该演示由 Max @maxxrubin_ 分享，Greg Brockman 转发。
SemiAnalysisAI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SemiAnalysis 首次第三方实测 TPUv7 Ironwood 推理：每美元性能最高领先 B300 96%
SemiAnalysis 发布 TPUv7 Ironwood 在 InferenceX 预览版上的首批第三方推理结果，在与 B200/B300 的同等条件对比中，Ironwood 每美元性能最高提升 50%。
Hunyuan(@TXhunyuan)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元 Hy4 preview 升级：减少长思考与过度验证，降低 token 消耗
腾讯混元发布 Hy4 preview 升级，针对用户反馈的复杂任务中长思考与过度验证问题做了优化，现已向所有人开放。官方称任务质量不变，轮次更少、输入输出 token 更低，基准测试与人工评测均已确认，并邀请用户在 WorkBuddy（WorkBuddy.ai）上试用并反馈问题。
NVIDIA Technical BlogAI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 前沿推理走向边缘：如何在 NVIDIA Jetson 上部署与优化模型
NVIDIA 发布技术指南，讲解如何在 Jetson 边缘设备上部署与优化具备多步推理能力的模型。此前这类推理模型体量过大，只能将推理请求绕行数据中心处理，带来网络依赖、成本上升和敏感数据离机的风险。该限制正在解除。
Greg Brockman(@gdb)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI GPT-6 Astra 在 ARC-AGI-3 取得 SOTA，该基准已被刷满
Greg Brockman 引用 ARC Prize 消息称 ARC-AGI-3 现在已被刷满。OpenAI 的 GPT-6 Astra 在该基准上取得 SOTA：Astra 在 ARC-AGI-3 上得分 63%，通过新的 provider adapter harness 达到 99%，在 96% 的 ARC-AGI-3 关卡上超过人类表现，并构建出目前所见最精确的新环境符号模型。
Greg Brockman(@gdb)AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 GPT-6 Astra，在 FrontierMath Tier 4 等基准达 SOTA
OpenAI 发布 GPT-6 Astra，Greg Brockman 称其在 FrontierMath Tier 4、ARC-AGI 3 和 TerminalBench-4.0 上达到当前最优水平。
Poe(@poe_platform)AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude Fable 5.1 上线 Poe：Anthropic 最强模型，1M token 上下文
Anthropic 最capable的模型 Claude Fable 5.1 已在 Poe 上线，针对高难度推理与长周期智能体任务打造。该模型支持 1M token 上下文、网页搜索，以及从 low 到 max 的自适应思考强度。
Poe(@poe_platform)AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 48/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Flash 上线 Poe，1M token 上下文支持编程与智能体
Google 的 Gemini 3.8 Flash 已在 Poe 上线，主打快速、低成本，面向编程和智能体场景，可在 Flash 速度下提供较强推理能力。该模型支持 1M token 上下文窗口、网页搜索和可调节的思考等级。
AI SDK(@aisdk)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI SDK 支持使用 Gemini 3.8 Flash
AI SDK 宣布支持使用 Gemini 3.8 Flash。Google 发布 Gemini 3.8，称其为目前推理与编码能力最强的模型，并基于 3.7 Flash 推出 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两个新变体，依托长时间运行的智能体循环构建。
Sundar Pichai(@sundarpichai)AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 3.8 Flash 模型，六周内第三次 Flash 更新
Google 发布新 3.8 Flash 模型，这是六周内的第三次 Flash 发布。官方称其在软件工程、智能体任务和多步推理上较 3.7 Flash 有明显提升，在 DeepSWE v1.1 上能以更低成本自主端到端解决复杂工程问题，表现超过多数更大的前沿模型。
NVIDIA Technical BlogAI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 如何用投机解码协同设计 AI 模型，加速 LLM 推理
NVIDIA 技术博客发布 AI 模型协同设计系列第三篇，介绍如何用投机解码在保持准确率的前提下加速 LLM 推理，并给出在帕累托前沿上选择草稿长度与草稿机制的 5 条准则。
Paul Couvert(@itsPaulAi)AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google 发布 Gemini 3.8，称其为目前最强的推理与编码模型，并推出 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两个变体，依托长时运行的智能体循环。
Google AI(@GoogleAI)AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.8 Flash，主打智能体与多步骤任务
Google 发布 Gemini 3.8 Flash，定位为面向复杂智能体和多步骤任务的最智能主力模型，在推理上有明显提升，可处理模糊且高摩擦的任务并参与复杂项目。3.8 Flash 提供一贯的 effort 控制，让任务所需的思考量与 tokens 消耗成比例。官方演示中，它结合原生视频理解与高级编码，在 @antigravity 中自主构建 3D 游戏、试玩找错并在智能体循环中执行代码修改。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI、Google、Nvidia 相继推出高速推理方案
DeepLearning.AI 汇总称，多家头部 AI 公司正把推理速度当作值得付出成本的架构要求。
Augment Code(@augmentcode)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Augment Code 模型选择器上线 Claude Fable 5.1
Augment Code 的模型选择器现已上线 Claude Fable 5.1，初期沿用 Fable 5 的用例，聚焦需要深度推理的超长多步骤任务，并逐步推动模型完成可无人值守运行的任务，用户可在 Cosmos 中试用。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepLearning.AI 盘点 AI 公司争夺推理速度：GPT 5.6 Sol 达 750 tokens/s
DeepLearning.AI 指出头部 AI 公司正把推理速度视为值得投入的架构要求。OpenAI 与 Cerebras 展示 GPT 5.6 Sol 达到 750 tokens per second。
Philipp Schmid(@_philschmid)AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 视频理解转为智能体模式，长视频 token 最多降 88%
Gemini 的视频理解改为智能体方式，可自行在时间轴上迭代导航，决定看什么内容、选择帧率，并判断回答提示词是否需要语音转录、音频或视觉帧。官方给出的结果是长视频最多减少 88% 的 token、成本降低 66%，基准准确率提升约 7%。
Hunyuan(@TXhunyuan)AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元披露 Hy4 preview 自主发现推理瓶颈并提升 31.8% 吞吐
腾讯混元介绍 Hy4 preview 在 AI 研究中自主发现推理瓶颈，通过算子融合与通信优化将端到端吞吐提升 31.8%，且在不同上下文长度和并发下保持稳定。该模型为 770B 参数、49B 激活、1M 上下文，已开源并登陆 HuggingFace 与 GitHub。
Two Minute PapersAI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GLM 5.3 发布：强 AI 能力正变得近乎免费
Two Minute Papers 在视频中介绍了 GLM 5.3，标题指出强 AI 能力正变得近乎免费。
Epoch AIAI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Epoch AI：推理模型问世以来，ECI 前沿能力每年提升 14 分
Epoch AI 数据显示，自推理模型出现以来，其 ECI（AI 能力指数）前沿水平以每年 14 分的速度提升。该机构此前在报告《Have AI capabilities accelerated?》中指出，ECI 等 AI 能力指标在推理模型出现后发生了趋势断点。相关趋势线、90% 预测区间及 bootstrap 样本数据已于 9 月 1 日更新。
Epoch AIAI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Epoch AI 发布 FrontierMath Erdős 基准
Epoch AI 发布 FrontierMath Erdős 基准，由 Thomas Bloom 从 erdosproblems.com 未解问题中挑选 68 道兼具数学意义与难度的问题，其中 50 道已由 Google Formal Conjectures 项目完成 Lean 形式化。
Hunyuan(@TXhunyuan)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯 Hy4-preview 在 vLLM 上首日可运行
腾讯 Hy4-preview 发布预览权重，并已在 vLLM 的 day 0 支持，在 NVIDIA GPU 上完成验证。
暗涌WavesAI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 曦望再融20亿元，投后估值约200亿元
暗涌Waves独家获悉，国产GPU公司曦望Sunrise再获新一轮20亿元融资，投后估值约200亿元；今年4月其完成杭州资本领投的超10亿元融资、估值破百亿，不到半年接近翻倍。
Google DeepMind(@GoogleDeepMind)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 研究副总裁 Zoubin Ghahramani 谈 AI 如何理解不确定性
Google DeepMind 研究副总裁 Zoubin Ghahramani 与 Fryrsquared 对谈，探讨为何让系统具备"自我怀疑"与概率思维，能带来更安全可靠的现实决策。内容从天气预报、机器人等场景切入，涵盖不确定性的作用、正确性与置信度的区别、AI 中的贝叶斯思维及面向 AGI 的未来研究。
Stanford AI Lab(@StanfordAILab)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Muennighoff 等提出 Prefix Sliding：用前缀滑窗提升长推理效率
Niklas Muennighoff 等人提出 Prefix Sliding，一种面向高效测试时扩展的简单快速方法，让 LLM 在长推理轨迹中“遗忘”部分前缀。该方法针对原生全注意力在长任务上 OOM、而压缩又会丢失关键细节的问题，效果可同时超过两者。
Qwen(@Alibaba_Qwen)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3.8-Flash 上线 OpenRouter，主打编程助手与智能体工作流
Qwen3.8-Flash 已在 OpenRouter 上线，一次 API 调用即可支持编程助手、智能体工作流和长视频理解。该模型为多模态推理模型，面向代码库与文档分析、桌面交互、图表和长视频等场景。
阿里研究院精选AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里发布 Qwen3.8-Flash 多模态 MoE 模型并开源 Next 权重
阿里发布 Qwen3.8-Flash，这是一个多模态 MoE 模型，主模型参数量 125B，另配 51B N-gram Embedding，每 token 激活 6B 参数，原生支持 262,144 token 上下文并可通过 YaRN 扩展至 1M token。
为什么值得看
官方一次给出 Qwen3.8-Flash 的架构改动、成本对比与开源权重入口，读者可据此判断新架构对长上下文推理的实际影响。
Adam D'Angelo(@adamdangelo)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Adam D'Angelo：跨模型比较 tokens 指标毫无意义
Adam D'Angelo 指出，任何把多个模型的 tokens 混在一起统计的指标都毫无意义，tokens 无法跨模型比较。他表示这一判断一直成立，而随着模型日益多样化、推理占全部 tokens 的比重越来越大，这一点正变得越来越明显。
Qwen(@Alibaba_Qwen)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3.8-Flash-Next 的 QSA 注意力内核：1M 上下文下 prefill 提速 7.6×、decode 提速 4.9×
在 1M-token 上下文长度下，QSA 的注意力内核在 prefill 阶段最高提速 7.6×，decode 阶段提速 4.9×。当 prefix-cache 命中率为 90% 时，Qwen3.8-Flash-Next 的 prefill 吞吐量达到 Qwen3.7-Plus 的 8.6 倍。
Naval(@naval)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Naval 推荐 AI 播客：Neil Movva 讲透推理、芯片与算力
Naval 推荐了一期 AI 播客，嘉宾 Neil Movva 从 Nvidia 的 GPU 与 kernel 工作起步，如今经营 Sail Research，为 AI 智能体构建让 token 尽可能便宜的基础设施。节目以类似 401 级课程的深度讨论了延迟与吞吐、芯片与内存、Transformer、AI 训练数据的未来、算力套利与电力"拾荒者策略"，以及开源与前沿实验室之争。
SemiAnalysis精选AI 评估 · 88/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 88/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI Jalapeño 芯片实测：能效超过 Nvidia Blackwell
OpenAI 在 Hot Chips 上公布了与 Broadcom 合作自研的推理芯片 Jalapeño，设计始于 2024 年中，约 16 个月完成流片，SemiAnalysis 受邀在其实验室用 InferenceX 实测该芯片。
为什么值得看
SemiAnalysis 在 OpenAI 实验室实测其首款推理芯片 Jalapeño，给出逐场景吞吐与能效对比及架构细节。
Patrick Loeber(@patloeber)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemma 4 家族的 MTP drafters 采用专用投机解码架构，最高提速 3 倍
Gemma 4 家族还带有 MTP drafters，采用专门的投机解码架构，最高可实现 3 倍提速。相关细节来自 Google 的一篇博客文章，另有 Leonie 整理的投机解码学习笔记可供参考。
SemiAnalysisAI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SemiAnalysis 开源 AgentX 1.0：百万上下文多轮智能体编码推理基准，CUDA 护城河在智能体推理下还成立吗？
SemiAnalysis 发布 AgentX 1.0，称其为全球首个完全开源、100 万上下文的多轮智能体编码推理基准，Apache 2.0 许可，数据集与全栈工具投入超 300 万美元。
Yann LeCun(@ylecun)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：我会去研究 LLM 为何能写论文却不会打扫卧室
Yann LeCun 表示，如果重返校园，他会先弄清 LLM 为何能写论文却不会打扫卧室，再据此选专业方向。他称将寻找超越 LLM 的方法与架构，让机器能像人类和动物一样快速学会执行物理任务，并强调这件事与年龄无关。
Yann LeCun(@ylecun)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：世界模型不应与视频生成模型混为一谈
Yann LeCun 表示，不应把世界模型与视频预测或视频生成模型混为一谈；理解系统动态以对其进行控制，与生成好看的视频并不是一回事。该表态是对 Jitendra Malik 观点的回应。
Sundar Pichai(@sundarpichai)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.7 Flash 成为 Google 增长最快模型，ARC-AGI-2 得分 84.6%
Google 的 Gemini 3.7 Flash 首周打破了此前 Gemini 的增长纪录，成为 Google 增长最快的模型，目前已接入 Search 和 Gemini app。ARC Prize 公布的评测数据显示，该模型在 ARC-AGI-2 上得分 84.6%、每任务 0.25 美元，在 ARC-AGI-1 上得分 95.5%、每任务 0.12 美元，以低成本和高分在前沿模型中较为突出。
为什么值得看
Google CEO 给出 Gemini 3.7 Flash 首周增速与 ARC-AGI 两项成绩，可据成本与分数判断其定位。
Windsurf(@windsurf_ai)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-5.6 Sol 成为 Devin Desktop 与 Devin CLI 上最实惠的前沿模型
OpenAI 将 GPT-5.6 Sol 价格下调 20%，为期 3 个月，叠加此前 70% 折扣后，至 10 月 3 日可享原价 76% 的优惠。Cognition 称 GPT-5.6 Sol 现为 Devin Desktop 和 Devin CLI 上最实惠的前沿模型。
Stanford AI Lab(@StanfordAILab)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 嵌入模型的困境：LLM 已超越嵌入模型，但成本更高，何时该用哪个？
Niklas Muennighoff 等人在新工作"embedder's dilemma"中发现，LLM 在嵌入任务上已超过专用嵌入模型，但成本高得多。该研究探讨了在什么场景下应选择嵌入模型、什么场景下应选择 LLM。论文见 arxiv.org/abs/2608.12875。
Hunyuan(@TXhunyuan)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元 Hyra 数学能力再进阶：3D Blaschke–Lebesgue 等四项问题取得新进展
腾讯混元 Hyra 在数学领域再获四项进展：3D Blaschke–Lebesgue 常数宽度体普遍下界从 0.380799w³ 提升至 0.411040w³。