Vals AI 研究：Thinking Machines 的 Inkling 2 Small 在基准测试中爆粗口 316 次
Vals AI 研究人员读取 Thinking Machines 的 Inkling 2 Small 在 13 个基准、2655 次运行中的思考日志，发现 50 次运行出现 "fuck" 及其变体，共 316 次，其中 241 次来自两次失控运行。
#推理
The Decoder：AI NewsAI 评分4848
Artificial Analysis@ArtificialAnlysAI 评分4141Anthropic：ResearchAI 评分5454 Anthropic 撰文探讨如何教 AI 构建科学模型
Anthropic 发文探讨 AI 如何参与科学建模，以 1951 年 Hodgkin-Huxley 神经元模型为例，指出仅给出拟合数据的模型不等于理解。
vLLM 官方博客AI 评分5555 vLLM 与 NVIDIA Research 发布 REINFORCE Zero，实现零失配异步 RL 训练
vLLM 博客介绍 NVIDIA Research 与 Inferact 的 REINFORCE Zero 方法：对齐 rollout 与训练内核后，用不加截断的 token 级重要性采样即可稳定异步 RL。
Rohan Paul@rohanpaul_aiAI 评分5353引用Nace AI@NaceAIHow are Decision Models Trained? Today, we are publishing the Drex Technical Report for the developer community! 🚀 Discover details on how the State-of-the-art Open-Source decision models are trained with RLAF. Build more at: console.nace.ai (try for free) P.S. Drex Max 1.1 and Drex for Finance are closed sourced and designed for enterprise use-cases
Artificial Analysis 完整文章AI 评分4545 VIALS-AA 评测：不同模型走向科学图像推理的不同路径
VIALS-AA 用 161 项任务各跑三次，测试模型解读科学图像的能力，Gemini 4 Carbon (high) 以 64% 得分领先，比 GPT-6 Astra (max) 多答对两项任务。
IT之家·人工智能AI 评分4343 webAI 开源 TwIL-8B 推理模型：聚焦数学与编程，长板表现优于 Gemma 4 31B
webAI 开源了基于 IBM Granite-4.2-8B 的 TwIL-8B 推理模型，针对数学、代码和指令跟踪优化，采用非商业许可。该模型在 MATH-500、AIME 2025 两项数学基准上取得参比模型最佳成绩，强于尺寸数倍的 Gemma 4 31B，LiveCodeBench 同为同组最佳，IFBench 与 Gemma 4 12B 持平。
- Artificial Analysis@ArtificialAnlysAI 评分4141
IT之家·人工智能AI 评分5252 中国移动：今年手机上网流量增长 18%，AI 生成内容带动流量增长 5 倍
在 2026 移动网络大会暨中国移动合作伙伴大会上，中国移动称 AI 驱动移动网络流量快速增长。其内网实测数据显示，今年手机上网流量增长 18%，增速是去年的两倍，其中 AI 生成内容带来流量增长 5 倍；AI 应用流量上下行为 1:6，区别于全网平均的 1:9。
百度文心 ERNIE 官方博客精选AI 评分7575 百度发布并开源 ERNIE-5.5-Flash-Base 预训练 Base 模型
百度文心团队发布 ERNIE-5.5-Flash-Base，开放预训练终点 checkpoint，未经中训练与后训练，供社区自行开展领域适配、指令微调和强化学习。
推荐理由：官方开放了未经后训练的预训练终点权重，并给出架构细节与同级 Base 模型评测，适合关注领域适配和继续训练的开发者参考。
IT之家·人工智能AI 评分5252 英伟达解读全栈协同设计破解 AI 内存瓶颈，每美元智能体吞吐量最高提升 30 倍
英伟达 11 月 5 日发布技术解读，提出将 GPU、CPU、网络、存储和软件整体协同设计以缓解 HBM 供应趋紧带来的内存瓶颈。方案包括用 NVFP4 压缩权重和 KV 缓存、权重分散至最多 72 颗 GPU、Vera CPU 的 LPDDR 内存做就近缓冲、Dynamo 将不活跃上下文迁移至 CMX 存储。
SemiAnalysis 长文 RSSAI 评分6969 SemiAnalysis 发布 TPUv7 AgentX 智能体推理基准结果，对标 NVIDIA GPU
SemiAnalysis 发布首批 TPUv7 在 InferenceX/AgentX 长上下文、多轮智能体推理基准上的官方结果，覆盖 Muse Spark Open、GLM-5.2、Qwen3.5 397B 和 Kimi K3 四款模型。
- Rohan Paul@rohanpaul_aiAI 评分5858
webAI 开源 TwIL-8B，一个基于 IBM Granite 4.2 8B 的 8.8B 参数模型，面向数学、编码和指令跟随。
引用David Stout@DavidstoutModest intelligence is arriving faster than most people realize. Today, we're open-sourcing TwIL-8B. Just 8.8 billion parameters, yet approaching frontier-model scores on several difficult benchmarks: • 93% of frontier performance on coding • 92% on instruction following • 90% on contest mathematics All from a model small enough to run on your own hardware. But the benchmarks aren't the most important part of this announcement. For years, the AI industry has focused on building the most capable model, regardless of the cost required to run it. I believe that equation is changing. The next era of AI will be defined by the cost of completing work. Not simply the intelligence of the model, but how efficiently that intelligence can accomplish the task. If a model with 8 billion parameters can reliably complete the same work as one with hundreds of billions, why pay for the larger model? As smaller models become more capable, intelligence becomes something we can distribute, specialize, and run across the hardware we already own. That's the future we're building at @thewebAI TwIL-8B is available today. Open weights. And this is just the first of several announcements we're making today. HF Link: huggingface.co/webAI-Official…
百度文心 ERNIE 官方博客同事件AI 评分6969 百度开源 ERNIE-5.5-Flash-Base 基座模型
百度发布 ERNIE-5.5-Flash-Base 基座模型权重，为 280B 总参数、每 token 激活 14B 的稀疏 MoE 模型，从头在 33.5T tokens 上预训练，训练上下文达 128K，微调和推理支持 1M-token 上下文。
同一件事，精选收录的是《百度发布并开源 ERNIE-5.5-Flash-Base 预训练 Base 模型》
- Artificial Analysis@ArtificialAnlysAI 评分6161
Goodfire Research精选AI 评分6464 Goodfire 提出 mechanistic shaping 框架 用内部表征抑制模型走捷径
Goodfire Research 发布论文提出 mechanistic shaping 框架，通过 reliance shaping 和 expression shaping 在训练中惩罚模型对特定内部概念的依赖或表达，使模型以正确方式解题而非仅答对。
推荐理由：论文提出用模型内部表征直接指定解题方式的训练框架，并系统评估了这么做之后监控探针如何退化与恢复。
IT之家·人工智能AI 评分6767 华为昇腾 0 Day 适配 Kimi K3.1 Pro 推理部署，支持 vLLM Ascend 与 SGLang
华为昇腾宣布对月之暗面 2026 年 11 月 4 日公布完整权重的 Kimi K3.1 Pro 实现 0 Day 推理适配，基于 vLLM Ascend 与 SGLang，支持 Atlas 800 A3、Atlas 900 A3 SuperPod 超节点及昇腾 950 超节点系列产品部署。
MarkTechPostAI 评分5353 webAI 发布 8.8B 推理模型 TwIL-8B，MATH-500 得分 98.2
webAI 发布 8.79B 稠密推理模型 TwIL-8B，基于 IBM Granite 4.2 8B 后训练，权重以非商业许可上线 Hugging Face。
Baseten 工程博客AI 评分5656 Baseten 发布 Baseten Router 编码任务模型路由器，成本降低 72%
Baseten 发布编码任务模型路由器 Baseten Router，现已在 Baseten Grid 开放公测。
- Rohan Paul@rohanpaul_aiAI 评分5151引用Rohan Paul@rohanpaul_ai
New Stanford paper finds that a smaller AI model can return far more economic value per unit of energy than the most capable one. Now that the world is limited by energy/power, how much energy each AI task burns should indeed by studied. Here, the researchers built Joules-to-GDP, which measures the dollar value of an AI's work, minus its running cost, per joule of energy used. They tested 5 open models on 220 professional tasks from GDPval, covering 44 occupations. > GLM 5.2 produced the most net value per task, but Gemma 4 31B got 56% of it with 23% of the energy. > Moving Qwen3.6-27B from 1 to 8 H100s cut task time by just 22% while using 3.2x the energy. > GPT-OSS 120B used 68% less energy than GLM 5.2 despite nearly the same price and speed. > Running the same model on 8 H100 chips instead of 1 made tasks only 22% faster but used 3.24x the energy, for nearly the same dollar value of work x.com/jonsaadfalcon/status/21…
Tomasz Tunguz 博客AI 评分6565 Tomasz Tunguz 分析 2027 年 AI 算力天花板：80GW、GPU 涨价与效率主题
Tomasz Tunguz 分析认为 2027 年美国 AI 算力上限约 80GW，即一年内新建相当于历史上全部算力规模的容量。短期 GPU 租金六个月内从每小时 $3 涨到 $12-13，Anthropic 混合 GPU 成本两个季度上升 82%，已建成机架因缺电无法启用；他推算理论收入上限接近 $500b，并提出效率将成为全栈主导主题。
vLLM 官方博客AI 评分6060 vLLM 为 Kimi K3.1 Pro 提供 Day-0 支持
vLLM 宣布为月之暗面开源权重模型 Kimi K3.1 Pro 提供 Day-0 支持，覆盖 NVIDIA GPU、AMD GPU、Google TPU 和阿里 T-Head PPU。
LMSYS BlogAI 评分5454 LMSYS 为 Muse Spark Open 打造 megakernel，将 Blackwell GPU 解码速度从 517 提升到 1,109 tok/s
LMSYS 介绍其用 CUDA C++ 和 PTX 从零为 Muse Spark Open 编写的 megakernel，在 8 张 GB300 上把 TP8 解码速度从 517 tok/s 提升到 1,109 tok/s。
IT之家·人工智能AI 评分5555 陶哲轩警告人类将思考外包给 AI 可能很快在现实世界产生严重后果
菲尔兹奖得主陶哲轩在 UCLA Science x AI Summit 的《Math 2.0》演讲中警告，人类把思考委托给 AI 的同时正在失去对问题及答案的理解，担心这很快会在现实世界产生后果。
Hacker News：AI 热帖AI 评分6161 Hightouch 实测混合评估器：Jev 转发低置信案例给 Opus，以超 4 倍低成本逼近其准确率
Hightouch 发布身份解析（IDR）结果评估的实测研究，用 pseudopeople 模拟数据构建含过合并案例的 1,000 条身份基准，测试决策模型 Jev、GPT-6 Luna 与 Claude Opus 5.5 等前沿模型。
公众号：小红书技术AI 评分4747 小红书 AllSpark 提出 Navalia：让 35B 模型做好财报分析与复杂办公
小红书 AllSpark 团队提出 Navalia，基于 Qwen3.6-35B-A3B 构建财报分析任务环境并做长程后训练，在五项基准上较基座模型提升 13.07–23.06 个百分点。
Fireworks AIAI 评分5252 Fireworks 在首届 Forge 大会发布 Ultra-fast 推理、Nexus 模型路由与训练治理等多项产品
Fireworks 在首届 Forge 大会上发布多款产品，帮助企业基于开源权重模型构建专属智能。
OpenRouter@OpenRouterAI 评分4646The Decoder：AI NewsAI 评分6262 Stanford 研究：44% 被广泛引用的 LLM 结论已失效，推理类缺陷消失最快
Stanford 研究者 Owen Queen 和 James Zou 用 2024 年 7 月至 2026 年 9 月间八家开发商的 20 个模型检验 50 条广被引用的 LLM 结论，发现 44% 已失效，34% 明显减弱，仅 16% 仍成立。
Google Developers BlogAI 评分6969 Google 实测用轻量分类器在 Gemini 模型和思考档位间路由以降低每任务成本
Google Developers Blog 发布实测，主张以每成功任务成本而非每 token 价格衡量编码 Agent 的生产经济性，并用 TypeSafe 的 Jev 分类器在 Gemini 模型间做路由。
Ai2 / Allen Institute for AIAI 评分5050 Ai2 发布 StateBench 基准，测试语言模型在长文档中的状态追踪能力
Ai2 推出 StateBench，一个用于评估长上下文状态追踪的基准，按变量赋值方式划分 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。
LlamaIndex：产品、工程与评测AI 评分4444 OCRia-1 背后的推理栈：单张 B200 上 token 生成提速近 10 倍
LlamaIndex 披露 OCRia-1 文档解析模型的推理优化方案，在单张 B200 GPU 上把 token 生成速度从约 285 tokens/sec 提升到约 2800 tokens/sec，接近 10 倍。方案结合了混合精度量化（BF16、FP8、NVFP4，视觉编码器不量化）与 DFlash2 块扩散投机解码，后者接受率超过 12 个 token。
MarkTechPostAI 评分4242 Zyphra AI 发布 Zyphra Hierarchical Attention（ZHA）：通向真正次二次注意力的路径
Zyphra AI 发布稀疏注意力方法 Zyphra Hierarchical Attention（ZHA），用树状索引器让检索本身变稀疏，仅需约 4B token 即可蒸馏进冻结的预训练模型。
Zyphra ResearchAI 评分4646 Zyphra 提出 ZHA 分层注意力：用树搜索实现亚二次复杂度稀疏注意力
Zyphra 提出稀疏注意力方法 ZHA（Zyphra Hierarchical Attention），通过构建并搜索分层树为每个 query 确定相关 token 集合，在合适 top-p 阈值下实现亚二次复杂度，优于仍需二次索引器的现有稀疏注意力方法。
- Rohan Paul@rohanpaul_aiAI 评分4949
Cohere 新论文发现投机解码在细粒度 MoE 模型上即使 batch size 为 1 也效果显著，推翻了此前认为低 batch 下收益有限的预测。
- Rohan Paul@rohanpaul_aiAI 评分6363
MIT CSAIL 研究者演示了 GPT-6 Astra 无需训练或梯度、直接读写神经网络权重的方法，称为 Weight-Space Programming。
引用Rikiya Takehi@rikiyatakehiWe asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: rikiyat.github.io/blog/weight…
