字节 Seed 等团队发现 DeepSeek-V4 长文本检索的周期性盲区
字节跳动 Seed 团队联合普林斯顿大学、斯坦福大学和加州大学伯克利分校，系统测试 DeepSeek-V4 与 V4.1 后发表论文，揭示其分块 KV 缓存压缩带来的相位敏感性缺陷。
#推理
#推理
今日 17 条AI前线AI 评估 · 66/100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 · 66/100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。 Z PotentialsAI 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。 专访 UCSD 正教授商静波：LLM 正在收敛，下一站押注超级智能
34 岁的 UCSD 正教授商静波认为，如果 AGI 指在广泛任务上达到普通人水平，那它某种意义上已经实现，真正未到来的是能在重要领域持续超越最优秀人类的超级智能。
哔哩哔哩技术AI 评估 · 35/100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 · 35/100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。 HOMURA：面向时间受限场景的 LLM 翻译强化学习优化，入选 EMNLP 2026 Oral
哔哩哔哩 Index LLM 团队提出 HOMURA 强化学习框架，通过 KL 正则化目标与动态音节比例奖励，在音节级长度约束下优化翻译的语义保留与时间合规性，并构建了 Sand-Glass 基准测试。
THE DECODERAI 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。 Google Gemini 4 "Carbon" 模型据称编码性能追平 Anthropic Opus 5.5
据 Business Insider 看到的内部文件与聊天记录，Google 正在测试 Argon、Barium、Carbon 三个 Gemini 4 变体，其中 Carbon 已部署在内部编码平台 Jetski 上，被认为在编程任务上强于 Argon，有员工将其比作 Anthropic 最强的编码模型 Opus 5.5，但仍需更多测试。
meng shao(@shao__meng)AI 评估 · 62/100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 · 62/100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。 LLM 推理性能框架：Prefill 拼算力，Decode 拼带宽
这篇内容介绍 LLM 推理性能的核心框架：一次推理由 Prefill 和 Decode 两个阶段组成，Prefill 并行读入整个 prompt 并写入 KV 缓存、产出第一个 token，瓶颈在算力；Decode 自回归逐 token 生成、每次都要读权重和全部历史 KV，瓶颈在内存带宽。
AI Will(@FinanceYF5)AI 评估 · 67/100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 · 67/100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 722 篇内部模型完成的数学手稿
OpenAI 一次性发布 722 篇由未公开内部模型完成的数学手稿，成果来自约 4,000 个研究问题，被归为 372 个相关结果家族。OpenAI 称标准流程中每项成果平均使用约 3 小时的 ChatGPT Pro 思考算力。本次发布包含论文、证明材料和部分推理摘要，但模型本身仍未公开。
AI Will(@FinanceYF5)AI 评估 · 63/100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 · 63/100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 用未发布内部模型生成 722 篇数学手稿
OpenAI 发布了一款未公开内部模型生成的 722 篇数学手稿，按 372 个相关结果族归类，来自约 4000 道研究问题的评测。OpenAI 称标准流程每条结果平均消耗约三小时 ChatGPT Pro 的思考算力，此次发布包含论文、证明产物和部分推理摘要，模型本身仍未发布。
Latent Space [Youtube]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。 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 谈：AlphaFold 为何没有解决蛋白质折叠问题
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在对话中指出，AlphaFold 的突破只是开始，蛋白质折叠远未解决，静态结构预测无法覆盖蛋白质动态与无序性。
elvis(@omarsar0)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。 elvis 谈后训练门槛降低与长上下文 RL 成本下降
elvis 对后训练变得更易获取这一趋势表示乐观，认为新的后训练时代已经到来。他指出在智能体 RL 中，长上下文任务成本高、效率低且难以扩展，rollout 消耗了大部分 token，每一轮都要重新读取不断增长的上下文，包括工具输出、文件和此前的轮次。
orange.ai(@oran_ge)AI 评估 · 11/100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 · 11/100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。 Luna 算不对简单数学、haiku 拒绝翻译文章，AI 模型发展被指诡异
有用户反馈 Luna 连简单数学都算不对，haiku 则拒绝执行翻译文章的任务，直呼 AI 模型发展得太诡异。该帖获得 245 次点赞、55645 次浏览和 37 条回复。
Gary Marcus(@GaryMarcus)AI 评估 · 13/100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 · 13/100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。 Gary Marcus 反驳 Noah Smith：混淆纯 LLM 与神经符号系统，数学突破恰恰印证其主张
Gary Marcus 指责 Noah Smith 对其观点的批评"智识上不诚实"，称对方未区分纯 LLM 与带神经符号 harness、代码解释器、验证器的系统。
OpenRouter(@OpenRouterAI)AI 评估 · 66/100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 · 66/100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。 微软 Decision-1 上线 OpenRouter，基于 Qwen3.5-9B 后训练
微软新模型 Microsoft-Decision-1 上线 OpenRouter，由 Qwen3.5-9B 后训练而来，主打快速决策任务。微软给出的数据是：在 36 个盲测基准（约 15 万道题）上准确率最高，比第二名快 4.5 倍，比 GPT-6 Sol 快 35 倍，扰动输入下仅 1.3% 的决策发生翻转。
Interconnects AI — Nathan LambertAI 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。 Nathan Lambert：AI 将迎快速进步，但不会走向通用超级智能
Nathan Lambert 认为 AI 会迎来快速进步，但不会走向通用超级智能。他指出，模型将在几年内成为超人的分布式 GPU 工程师，并可自动化预训练架构与数据选择研究，主要来自推理算力扩展与推理成本近指数级下降，而非模型研究能力的质变。他预计这会引发智能体模型的杰文斯悖论，需求只增不减，并带来 RL 环境质量提升的空间。
国际大厂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。 指南：VLA 与 World Action Models 之争——机器人该直接反应还是先想象？
NVIDIA 2026 年论文《World Action Models are Zero-shot Policies》带火了 World Action Models（WAMs）这一概念，其 DreamZero 基于预训练视频扩散模型，联合生成未来视频帧与动作。
elvis(@omarsar0)AI 评估 · 66/100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 · 66/100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。 Microsoft 发布决策模型 Microsoft-Decision-1
Microsoft 发布新的快速决策模型 Microsoft-Decision-1，官方称其在结构化决策任务上表现领先，延迟和质量均优于 LLM 与其他决策模型。该模型已在 Microsoft 内部用于事件响应、质量控制和科学发现等场景。作者表示会将其加入自己的评测清单，并指出这类决策模型在一致性和更复杂决策上仍存在困难。
大模型智能AI 评估 · 40/100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 · 40/100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。 2026 GPU Kernel Agent 最新进展：方法、基准与验证三者缺一不可
GPT-5.5 在 KernelBench-Verified 修正后的整体几何平均加速比从 1.43× 降到 0.88×，原因是基线补上了 TF32 和隐藏输入分布。
AI炼金术AI 评估 · 41/100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 · 41/100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。 和 ColaOS 橘子聊个人 Agent 这半年：时代追上了他，他却打了转向灯
ColaOS 创始人橘子在与「AI 炼金术」的对谈中复盘个人 Agent 这半年：flash 级模型让看邮件、订机票等任务的 token 成本降到当时的几十分之一，单用户月补贴从数百美金降至十美金左右，补贴成本已低于获客成本。他为此放弃卷办公赛道，转向做「996 之外」的个人 agent，并称 Opus 5.5 已把世界模型的活吃掉。
a16z(@a16z)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。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。 前 Intel CEO Pat Gelsinger：18 岁入职 Intel，边读博边设计 386 与 486 芯片
前 Intel CEO Pat Gelsinger 回忆自己 18 岁被 Intel 招募，面试官给他的评语是"聪明、激进、傲慢，他会很合群"。他是 386 的第四号工程师、486 的架构与设计经理，这些工作都是在他攻读学士、硕士和博士期间完成的。他还讲述在斯坦福课堂上与教授争论其 carry lookahead adder 设计不成立的经历。
宝玉(@dotey)AI 评估 · 67/100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 · 67/100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。 《State of AI Report 2026》发布：AI 参与自身研发，智能体闯进真实系统
《State of AI Report 2026》10 月 8 日发布，第九期由 Air Street Capital 的 Nathan Benaich 牵头，正文 240 多页，分研究、产业、政治、安全、预测五部分。
魔搭ModelScope社区AI 评估 · 53/100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 · 53/100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。 AutoTrust AI Lab 开源多模态决策模型 JEV-27B-VL，Jev Decision Index 0.3 视觉榜单第一
AutoTrust AI Lab 开源基于 Qwen3.8-27B 的多模态决策模型 JEV-27B-VL，融合 System 1 快速决策与 System 2 深度推理，可视为能“看见”的 JEV-27B。
AI科技评论AI 评估 · 53/100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 · 53/100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。 星动纪元 VPP2 登顶 RoboDojo，14B 参数无额外数据开源可复现
星动纪元（清华唯一持股的具身公司）推出世界动作模型 VPP2（Video Prediction Policy 2），以平均成功率 32.26%、平均得分 39.26 登顶 RoboDojo 榜首，超过此前 GPT-6-Astra 的 22.48% 和 28.97%，并拿下 generalization、precision、memory 三项第一。
DatawhaleAI 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公布722份由前沿模型产出的数学手稿
OpenAI公布了一批由内部前沿模型产出的数学研究成果，包括722份数学手稿和372组相关成果，覆盖数论、代数几何、实分析、组合数学、理论计算机、数学物理、偏微分方程等多个方向。部分成果附有可由计算机核验的Lean形式化证明，社区初步核查发现其中涉及多个长期未解的开放问题，但具体结论仍需数学界进一步审阅与验证。OpenAI表示，AI正在从辅助解题走向参与真正的数学研究与发现。
量子位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。 Aether AI 发布因果智能体 CRIS-0，机器人实现 0.2 秒急停与秒级重规划
Aether AI 发布因果智能体系统 CRIS-0 的官方 Demo，机器人在关闭微波炉门时因人手突然插入实现 0.2 秒紧急悬停。该系统由 UCSD 助理教授、CMU 因果学派学者黄碧薇创立的 Aether AI 打造，核心是因果原生的 Agent 架构，通过统一状态与因果变量、统一工具接口和因果世界模型 CausalWM 推演动作后果。
量子位AI 评估 · 70/100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 · 70/100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。 字节Seed发现DeepSeek时强时弱的原因：分块KV Cache压缩带来相位敏感性
字节Seed团队发现，DeepSeek-V4系列在长上下文检索中的表现会随信息位置按固定周期波动，波动周期与模型采用的KV Cache压缩步长一致。
AI Will(@FinanceYF5)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。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。 推理将成最大 AI 市场：规模已超训练，或改变数据中心建设方式
推理将成为最大的 AI 市场，其规模已经超过训练。这一变化可能改变数据中心的建设方式，并影响未来机会所在的方向。
AI Will(@FinanceYF5)AI 评估 · 35/100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 · 35/100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。 推理将成最大市场：Jessie Dong 称小型数据中心更适合推理负载
Jessie Dong 认为推理市场规模已超过训练，将改变数据中心建设方式与机会分布：推理不需要上千块 GPU 集中在一处，小型数据中心更易解决供电与监管问题。Nvidia 正在建设 25 个 5-20 MW 的小型数据中心，Akamai 则在全球 4,400 个小型站点上运行推理。她认为小型数据中心盈利能力更强、建设风险更低。
AI Will(@FinanceYF5)AI 评估 · 40/100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 · 40/100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 数学成果发布：LLM 已在 7 个千禧年大奖难题中的 4 个取得实质性进展
OpenAI 发布数学成果，被 Opus 称为"史上影响最深远的一次数学成果发布"。LLM 已在 7 个千禧年大奖难题中的 4 个上取得实质性进展，但该判断的前提是相关结果需要通过验证。
AI Will(@FinanceYF5)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。 OpenAI 数学模型攻克 7 个千禧年大奖难题中的 4 个
OpenAI 新模型在 7 个千禧年大奖难题中的 4 个上取得实质进展，涉及 Navier-Stokes（声称）、Riemann、Hodge 和 Birch-Swinnerton-Dyer，结果尚待验证。据 Deedy 称，每个结果平均仅消耗 3 小时思考算力，所用模型尚未发布。
AI Will(@FinanceYF5)AI 评估 · 11/100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 · 11/100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。 LLM 已在 7 个千禧年大奖难题中的 4 个取得实质性进展
OpenAI 此次数学成果发布被 Opus 称为"史上影响最深远的一次数学成果发布"，LLM 已在 7 个千禧年大奖难题中的 4 个上取得实质性进展。这一判断有一个重要前提：相关结果需要通过验证。
OpenRouter(@OpenRouterAI)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。 Anthropic 的 Claude Haiku 5.5 上线 OpenRouter
Anthropic 的 Claude Haiku 5.5 已在 OpenRouter 上线。OpenRouter 称这是首个支持 reasoning efforts 的 Haiku 模型，价格比上一代便宜约 75%，速度实测 100+ TPS，基准测试中能力也有明显提升，可通过 openrouter.ai/anthropic/clau… 使用。
Claude(@claudeai)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。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。 Claude Haiku 5.5：10 万 token 以下任务性价比突出，占前代 Haiku 约 90% 请求
Claude Haiku 5.5 在 10 万 token 以下任务上性价比尤为突出，这类任务占前代 Haiku 模型约 90% 的请求量。该说法来自 Claude 官方账号，未披露具体价格或 benchmark 数据。
Claude(@claudeai)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。 Anthropic 将 Claude Sonnet 5.5 缓存读取价格减半至每百万 token 0.10 美元
Anthropic 将 Claude Sonnet 5.5 的缓存读取价格减半，降至每百万 token 0.10 美元。官方称这一调整使 Sonnet 5.5 在大多数长时任务上的运行成本降低约 20%。
宝玉(@dotey)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。 Anthropic 发布 Claude Haiku 5.5：小模型价格降至上一代的十分之一
Anthropic 发布 Claude Haiku 5.5，10 万 Token 以内请求每百万 Token 输入 0.1 美元、输出 0.5 美元，比 Haiku 4.5 便宜 90%，官方估算平均运行成本降约 75%。
宝玉(@dotey)AI 评估 · 31/100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 · 31/100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。 Theo 质疑 Cursor 工程师 1000 万美元 Token 成本说法：实际 API 成本约每月 10 万-50 万美元
Theo（t3.gg）反驳 Cursor 工程师 Lauren 每年 1.32 亿美元 Token 成本的估算，称真实 API 成本约为每月 10 万-50 万美元，按当前价格更接近每年 300 万美元。
美团技术团队AI 评估 · 33/100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 · 33/100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。 KDD'26 美团学术论文精选及 KDD Cup'26 DataAgents 赛道冠军思路解读
美团技术团队在 KDD 2026 分享 8 篇收录论文，覆盖推荐大模型 MTFM、奖励建模框架 CDRRM、智能体搜索基准 LocalSearchBench、ETA 元泛化框架 UME 及生成式推荐训练系统 MTGenRec 等方向。大众点评技术部还在 2026 KDD Cup 复杂数据分析 Data Agents 赛道夺得冠军与季军，相关代码已在 GitHub 开源。
lmarena.ai(@lmarena_ai)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。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。 Jev Router 与 DeepSeek V4.1 Flash 端到端延迟对比：中位数 6.18 秒对 3.64 秒
Jev Router 的端到端请求延迟高于同类 Pareto 最优模型，中位数为 6.18 秒，DeepSeek V4.1 Flash（Max）为 3.64 秒。在 P90（最慢 10% 请求）上差距扩大，Jev Router 耗时 30.59 秒，DeepSeek 为 14.26 秒。
Mind the Future — Richard NgoAI 评估 · 14/100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 · 14/100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。 社会理论与智能体基础：社会均衡如何扩展博弈论理性模型
Richard Ngo 撰文梳理社会学与智能体基础研究的联系，重点讨论社会均衡、博弈论均衡、规范内化与集体行为三部分，主张将理性社会与政治行为理论作为 Von Neumann 和 Morgenstern 理性经济行为理论的扩展或替代。
AI科技评论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。 Anthropic 发布 Claude Haiku 5.5：OSWorld 2.1 升至 72.4%，加入自适应推理与 100 万 Token 上下文
Anthropic 发布 Claude Haiku 5.5，OSWorld 2.1 评测从上一代 15.7% 提升到 72.4%，平均运行成本下降约 75%，并首次支持可调节推理强度的 Adaptive Thinking 与 100 万 Token 上下文。
Yann LeCun(@ylecun)AI 评估 · 13/100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 · 13/100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：数学将进入形式化证明大规模自动化的新时代
Yann LeCun 认为数学正开启一个新时代：形式化证明将大规模自动化，研究重心会转向新概念、新抽象、新定义与新猜想的提出。他以船只发明削弱游泳重要性、却让人发现新大陆作类比。
Latent Space [Youtube]精选AI 评估 · 80/100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 · 80/100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。 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，同日 Sonnet 5.5 缓存读取价格减半并推出订阅 API 额度。
为什么值得看
汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗代价，读者可据此判断小型模型在智能体工作流中的实际位置。