Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，并在 Artificial Analysis 智力指数 v5.0 中以 59 分位居榜首。
推荐理由：原文详细对比了新模型在长程工程推理与网络安全任务上的评测数据，读者可以参考其在不同基准测试中的成本与性能权衡。
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 80 条The Decoder精选AI 评分8080
量子位精选AI 评分8080 OpenAI 发布 GPT-6.1 Terra 并开启实测：大幅降低电脑操作成本
OpenAI 正式上线 GPT-6.1 Terra 模型，主打屏幕理解与跨软件协同等电脑操作能力，标准 API 输入价格降至 1 美元/百万 Token，输出为 5 美元/百万 Token。
推荐理由：该模型以大幅降低的 Token 价格接近旗舰级电脑操作能力，读者可据此评估复杂多步骤任务的自动化成本。
arXiv cs.AI精选AI 评分6363 System 1 决策模型指南：超越大语言模型的快速决策架构
研究者发布关于 System 1 决策模型的综合指南，探讨如何通过单次前向传播直接输出结构化决策，解决大语言模型自回归推理在路由、门控、打分和分类等常规决策中延迟高与成本贵的问题。
推荐理由：该文梳理了单次前向传播的快速决策架构，为高吞吐工作流中降低模型延迟与调用成本提供了系统参考。
TechCrunch · AI精选AI 评分8080 前沿 AI 实验室声称模型反驳指数时间假说，这代表了什么？
OpenAI 与 Anthropic 相继宣布其 AI 模型提出了求解特定逻辑难题的亚指数时间算法，声称反驳了计算机科学中长期存在的指数时间假说（ETH）。
推荐理由：文章梳理了前沿模型挑战计算复杂性假说对理论计算机与密码系统带来的潜在冲击，有助于评估 AI 介入纯科学研究的实际波及面。
Scientific American精选AI 评分7878 OpenAI 与 Anthropic 相继发布重大数学理论证明，引发科学界关注与验证争议
OpenAI 与 Anthropic 近日相继宣布利用内部大模型完成多项重大科学证明，涉及全维度挂谷猜想、杨-米尔斯理论存在性以及对指数时间假说（ETH）的反驳。
推荐理由：两家前沿机构相继用模型冲击核心理论难题，展现了大模型推导复杂证明的潜力与学术界在验证透明度上的分歧。
The Decoder精选AI 评分8080 OpenAI 邀请诺奖得主等外部专家审核其 AI 在数学、计算与物理领域的理论证明
OpenAI 邀请包括诺贝尔物理学奖得主 David Gross 在内的外部专家团队，对其 AI 系统在计算机科学、数学和理论物理领域生成的多项重大证明进行独立审查。
推荐理由：文章详细梳理了 OpenAI 人工智能生成的三项理论证明及其外部验证机制，读者可据此了解前沿 AI 介入基础科学研究的实际进展与审查争议。
科学网精选AI 评分8383 OpenAI公布数学、计算机和物理学3项新发现
OpenAI宣布利用模型在调和分析、计算复杂性理论和量子场论领域取得三项新发现，并已完成Lean形式化验证。成果涉及给出局部光滑猜想在所有维度下的证明、证伪指数时间假设（ETH），以及完成纯杨–米尔斯理论存在性等推演。数学和计算机成果已在GitHub公开并交由外部专家团队核查，物理学成果依专家建议暂缓公开，所有主张均等待学界独立审查。
推荐理由：OpenAI公开了借助模型与形式化工具推演理论科学猜想的尝试，读者可以据此了解前沿模型参与基础科学研究的具体方式与专家协作机制。
The Verge · AI精选AI 评分7979 OpenAI 宣布三项重大科学发现，并公布与学术界合作验证机制
OpenAI 宣布其 AI 模型在数学、计算机科学与物理学领域取得三项突破，包括声称否定指数时间假说（ETH）、证明波方程局部平滑猜想及四维量子场论存在性，相关模型输出与 Lean 证明已上传至 GitHub。针对计算机科学与物理学成果，OpenAI 邀请了外部专家团队进行审查与引导；但其数学顾问团 AGMAI 警告不应向指定学者提供早期特权访问，建议未来统一在学术仓库公开发布。
推荐理由：原文梳理了 OpenAI 科学发现的证据链与学者审查机制，有助于了解 AI 介入基础科学研究时的验证争议与学术协作范式。
Simon Willison精选AI 评分8181 OpenAI 发布 GPT-6.1 Terra
OpenAI 推出 GPT-6.1 Terra 模型，主打视觉推理与计算机使用能力，定位为介于 Sol 与 Luna 之间的中档选项。该模型在技术沟通和计算机使用速度上表现更突出，输入定价为每百万 token 1 美元、输出为 5 美元，成本约为 GPT-6.1 Sol 的一半。
推荐理由：原文对比了该模型在视觉与计算机使用上的速度与成本，便于开发者评估其作为中档方案的调用性价比。
Cloudflare Blog精选AI 评分7676 Cloudflare 复盘 Workers AI 中 GLM-5.3 的 KV cache 跨请求泄露漏洞及 SGLang 修复方案
Cloudflare 披露 Workers AI 在运行 GLM-5.3 时因配置失误与 SGLang 缺陷出现跨请求 KV cache 泄露，影响了 155 个超长 prompt 响应并已完成修复上线。
推荐理由：原文详细拆解了分离式推理下缓存复用导致的跨租户数据泄露机制，为大模型托管服务排查引擎内存安全提供了参考。
The Decoder精选AI 评分8686 OpenAI 发布 GPT-6.1 Terra：API 定价减半且多项基准逼近更大模型
OpenAI 正式发布 GPT-6.1 Terra 模型，其 API 定价降至每百万输入 token 1 美元、输出 5 美元，仅为 GPT-5.6 Terra 的一半。
推荐理由：该模型在大幅降低调用成本的同时提升了多模态与编码表现，为评估智能体任务的性价比提供了参考。
The Decoder精选AI 评分7676 三名被解雇的 OpenAI 安全研究员称从未被告知具体泄密内容
三名因涉嫌泄密而被 OpenAI 解雇的安全研究员公开否认泄露机密，并表示公司从未书面说明他们究竟不当处理了哪些具体信息。调查起因于外部安全机构对模型思维链推理透明度及 Astra 架构的关注，安保团队在研究员手机中查出与外部专家的 Signal 阅后即焚记录后将其解雇，但 OpenAI 坚称解雇与安全异议无关。受访研究员担忧此举会令员工噤声并阻碍独立外部审计，已致信董事会呼吁加强安全合作。
推荐理由：事件展现了前沿模型推理过程透明度引发的内部安全分歧，读者可据此理解模型审查与商业保密之间的冲突。
科学网精选AI 评分7676 中国信通院发布大模型词元服务报告：Token 价格翻倍且日均消耗量增长近 4 倍
中国信通院等机构联合发布《大模型词元服务性能监测报告（2026年）》，指出国内大模型 Token 归一化均价较去年下半年翻倍至 13.46 元，同时 6 月日均消耗量达约 500 万亿、增长近 4 倍。
推荐理由：报告通过详实的横向监测数据，呈现了国内大模型 API 从价格战走向性能分化的趋势，为开发者选型提供了量化参考。
Simon Willison精选AI 评分8080 Kimi K3.1 Pro 上线 API 并计划开源完整权重
月之暗面在 API 上线 Kimi K3.1 Pro 模型，并承诺于 2026 年 11 月 4 日前开源完整权重。该模型输入与输出价格分别为每百万 token 2 美元和 10 美元，Artificial Analysis 评分为 55 分，同时提供速度快 2 至 3 倍的高速版本。作者通过 Moonshot API 实测了该模型在三种推理等级下的 SVG 代码生成效果。
推荐理由：原文对比了该模型与前沿模型的基准得分与 API 定价，读者可以快速了解即将开源的高性能模型的性价比定位。
The Decoder精选AI 评分8080 月之暗面发布推理模型 Kimi K3.1 Pro，在基准测试中逼近 Claude Opus 5.5
月之暗面发布推理模型 Kimi K3.1 Pro 及其高速版本，在 Artificial Analysis 智能指数上取得 55 分，排名第四并逼近 Claude Opus 5.5。
推荐理由：该模型通过大幅增加后训练算力显著提升智能体表现，并在开源权重前主动剔除了高危网络攻击训练数据。
AWS Machine Learning Blog精选AI 评分6363 Amazon SageMaker AI 多轮强化学习实战指南：智能体端到端训练与评估
AWS 推出在 Amazon SageMaker AI 上使用多轮强化学习（MTRL）训练智能体的端到端实战指南，解决多步任务难以通过监督微调或单轮强化学习进行信用分配的问题。
推荐理由：原文在 Wordle 任务上展示了如何用整局反馈训练多步智能体，并详细复盘了奖励塑形翻车和并发鉴权等工程踩坑。
TechCrunch · AI精选AI 评分8080 OpenAI 正式全面开放决策模型 Decisions API
OpenAI 宣布将其决策模型 Decisions API 正式面向所有客户开放，旨在提供快速且低成本的高频选择与分类能力。该接口基于 ChatGPT Luna 重构以将推理延迟压缩至 100 到 180 毫秒，并在公测版本中新增了语音与视觉多模态支持。Box、Datadog 与 Speak 等早期测试客户已使用该 API 替代部分传统大模型工作流，大幅缩短了系统响应时间。
推荐理由：Decisions API 主打超低延迟决策，读者可以借此了解决策模型在替代传统大模型高频调用场景中的性能表现与成本优势。
Scientific American精选AI 评分7777 OpenAI 破解百万美元数学难题背后的内幕与争议
OpenAI 宣称利用上万个智能体集群求解纳维-斯托克斯方程引发学术界争端，数学家 Tristan Buckmaster 指责其涉嫌利用了自己在 Codex 中输入的未公开推导思路。OpenAI 否认数据泄露并称其模型自主开辟了不同的求解路径，但学界对未经人类透彻理解的黑盒证明的大规模发布表达了深切担忧。
推荐理由：报道还原了模型推导数学难题背后的学术争端与竞争内幕，展现出黑盒模型对传统纯数学研究范式的冲击。
The Decoder精选AI 评分7676 DeepSeek 开源内部推理框架 DeepInfer
DeepSeek 在 Apache 2.0 协议下开源了内部推理框架 DeepInfer，用于支撑其 V4.1-Flash 模型的大规模快速响应。该框架基于 vLLM 构建，包含优化计算核、多芯片分布式处理和更快的文本生成技术，未来模型的代码也将开源。同时发布的 deepseek-recipe 可复刻官方 API 的 token 处理逻辑，帮助社区保持自建部署与官方服务表现一致并降低算力成本。
推荐理由：原文给出了框架的优化方向和配套组件，读者可以据此评估低成本自建部署大模型的具体方案。
Cloudflare Blog精选AI 评分7474 Cloudflare 将 AI 代码审查推理成本降低 68% 的工程实践
Cloudflare 分享了其内部 AI 代码审查系统的推理优化实践，通过重构提示词前缀缓存与调整模型配置，将单次审查成本从 2.43 美元降至 0.77 美元，审查耗时中位数从 4 分 09 秒压缩至 1 分 32 秒。
推荐理由：详细复盘了代码审查智能体的推理降本路径，提供了跨仓库共享提示词前缀缓存与压缩交互轮次的具体工程参考。