费米宇宙推出全球首个全链路量子增强大模型 FermiQLLM 1.0，估值 10 亿元
清华背景创业公司费米宇宙推出全球首个全链路量子增强大模型 FermiQLLM 1.0，基于 Qwen 开源基座模型改造，在数据表征、模型结构、训练、强化、评测五个环节完成量子增强，不依赖容错量子计算机即可在现有 GPU 上训练部署。
全部动态 · 今日8条
#推理
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
量子位40
Kevin Weil · X精选79 Anthropic报告称，Claude解决了平面N=4超杨-米尔斯理论中的九圈计算
Anthropic报告称，Claude解决了平面N=4超杨-米尔斯理论中的一个九圈散射振幅问题。在Claude Science中，Claude连续数天基本上在无人监督的情况下运行，总成本为几千美元。Claude采用了Lance Dixon及其同事开发的方法，Dixon也独立验证了这一结果。 曾在研究生阶段计算费曼图的Kevin Weil称这一成果令人难以置信，并表示期待AI在未来12个月为高能物理带来怎样的变化。
推荐理由：报告所述的几千美元成本，为评估学术计算预算内由AI辅助的理论物理计算提供了一个具体参考。
Anthropic · X62 Anthropic 称 Claude 完成九圈散射振幅计算
Anthropic 在 Science Blog 发布文章称，Claude 在平面 N=4 超杨-米尔斯模型的散射振幅计算中完成了九圈计算，此前该模型的纪录是八圈，由 SLAC 的 Lance Dixon 及合作者保持。
AWS Machine Learning Blog28 在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态 RL 训练
在 Amazon SageMaker HyperPod 上，用开源 RL 框架 SkyRL 对 Qwen3-VL-8B 视觉语言模型做 GRPO 后训练，在固定 64 个迷宫评测集上把解迷宫成功率从 43.75% 提升到 95% 以上。
Hugging Face Blog41 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速推理
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，通过投机解码在不改变输出质量的前提下提速，设备端解码最高 3.13x、H100 上 2.66x，端到端最高 2.62x 和 2.27x。
Simon Willison精选88 Anthropic 发布 Claude Opus 5.5，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，作者称 GPT-6 Sol 与 Luna 的价格是 GPT-5.6 同级模型的一半。
推荐理由：作者实测对比了同日发布的多款新模型，并给出完整价格表与推理层级失效的具体案例。
Latent Space精选78 小米发布 MiMo-V2.6-Pro 1T-A42B 开源全模态模型，训练成本 300 万美元
小米发布 MiMo-V2.6 系列，包含全模态模型 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash，并推出输出速度最高提升 20 倍的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由：小米首次进入前沿开源模型序列，其 RL 环境与训练配方开源，为观察后训练成本路线提供了具体样本。
Simon Willison71 TypeSafe AI 发布 Jev，推出只输出浮点决策的 System One 模型
TypeSafe AI 上周发布 Jev，这是其称为 System One 模型（作者更倾向叫 decision models）的新类别模型：仍接受文本输入，但输出的是对应类别、是非题、评分及置信度的浮点数，而非文本。
Latent Space精选76 TypeSafe AI 创始人 Diogo Almeida 谈 Jev 与 RLCD：为软件而非聊天造 System 1 模型
TypeSafe AI 创始人 Diogo Almeida 在 Latent Space 访谈中介绍新模型 Jev，称其为面向代码消费的 System 1 模型，按每美元智能而非聊天体验优化，核心创新是未发表的 RLCD（Reinforcement Learning for Calibrated Decisions），用校准概率替代人类评分反馈。
推荐理由：Diogo Almeida 复盘 RLHF 到 RLCD 的路线分歧，并解释为何把可靠性而非基准分数当作模型目标。
Latent Space67 Jev 发布两天内出现 6 个复现版本
Latent Space 的 AINews 汇总了 Jev 发布两天内出现的 6 个复现版本，包括 Laya、DiffusionGemmaJev、Bespoke Nimble。
Z.ai 智谱 · X60 智谱分享 GLM-5.3 如何搭建并优化 GLM-5.3-Flash 推理基础设施
智谱分享 GLM-5.3 如何参与搭建并优化为 GLM-5.3-Flash 提供服务的推理基础设施，系统从首次跑通到具备生产可用性用了不到两周，端到端吞吐量相对初始基线提升至三倍。
NVIDIA Blog精选62 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 与 GB300 NVL72 的吞吐、扩展效率和软件优化幅度，可用于判断推理基础设施的性价比走向。
Latent Space70 TypeSafe 发布 Jev 决策模型：比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上
TypeSafe 发布 Jev，一个用 RLCD 训练、只做决策/分类/路由/打分的非自回归模型，宣称比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上，输出 token 免费。
Google Research36 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线 RL 发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归生成完整结果集，无需 CoT 推理 token。该方法在 Gemma3-4B 和 Qwen3-4B 上微调扇出语言模型，以集合级属性奖励缓解零样本 LLM 的同义复述坍缩与自回归延迟瓶颈。
Google DeepMind · X精选77 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为目前最好的对话式 AI。官方表示这两款模型可以对话、思考并在后台处理任务，而不打断用户当前的工作流。
推荐理由：Google DeepMind 发布对话模型新版本，读者可了解其在实时对话与后台任务处理上的能力定位。
NVIDIA Blog精选72 NVIDIA 在 AI Infra Summit 公布 Vera Rubin 与 DSX 平台能效进展
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 与 DSX 平台的多项进展，将 AI 基础设施的衡量指标从峰值性能转向每兆瓦有效 agentic token 数。
推荐理由：原文给出 Vera Rubin 与 DSX 平台在每兆瓦 token 产出上的多项实测数字，可据此判断 AI 工厂的能效衡量口径变化。
Mira Murati · X29 米拉·穆拉蒂称这是一次关于人工智能未来的重要对话
一次关于人工智能发展方向以及我们面临哪些工作的重要对话。
Thinking Machines · X34 Thinking Machines 的 John Schulman 谈模型自我改进之际，人类判断力在哪些方面仍然重要
我们的 @johnschulman2 与 Dwarkesh 对谈，聊到随着模型不断改进并自我改进，人类判断力在哪些方面仍然重要：教会模型处理混乱的现实任务，对什么能长期奏效形成判断，以及最重要的是，明确我们真正想要什么。 @dwarkesh_sp 发布的引用帖文（背景信息，并非主要作者的作品）： 与 @johnschulman2、@oneill_c 和 @BerenMillidge 的新一期节目。 我邀请了几位我认识的、最有洞见且在较为开放的公司工作的 AI 研究人员一起交流，因为我想了解前沿领域实际发生的事情的细节，以及接下来会发生什么。 0:00:00 – 为反对 RSI 的论点作最有力的辩护 0:18:39 – 中国实验室的进展由什么推动 0:28:06 – 如何训练自动化 AI 研究员 0:33:51 – 长时程 RL 能否催生 AGI？ 0:45:24 – 从模拟到现实的差距 1:00:33 – 有多少进展可以归因于数据？ 1:18:03 – 为什么 RL 如此有效？ 1:24:54 – 第 37 手与熵坍塌 1:28:31 – 快问快答：时间线
DeepSeek · X精选68 DeepSeek 发布 DeepSeek-V4.1-Flash 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，称其更智能、更快、更高效。该模型是新架构家族中体量最小的一个，具备原生视觉理解能力，面向更强能力、更快推理、更高吞吐设计，并可扩展至更大模型。
推荐理由：DeepSeek 新架构家族的最小模型，原生视觉理解与推理吞吐提升，可据此判断其轻量多模态定位。
Mark Chen · X36 Mark Chen 称纳维–斯托克斯方程已获解决，并谈及 AI 的前景
我们解决了纳维–斯托克斯方程！ 我的许多同事离开了各自的领域，因为他们相信，投身 AI 研究将是解决各自领域重大挑战的最快途径。 看到这些挑战中的第一个被攻克，并见证我们曾相信的未来成为现实，感觉如梦似幻。
OpenAI News22 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字说明和一份 Lean 形式化证明。
Sébastien Bubeck · X31 认识一下 Astra 的 TikZ 独角兽。我觉得令人难以置信的是，一个实体竟然能做到这一点，还能在 Frontier Math Tier 4、ARC-AGI 3 和 ExploitBench 上取得几乎 100% 的成绩。而且它并非藏在闭门之中，任何人都可以直接去和它交谈。其影响怎么强调都不为过。
认识一下 Astra 的 TikZ 独角兽。 我觉得令人难以置信的是，一个实体竟然能做到这一点，还能在 Frontier Math Tier 4、ARC-AGI 3 和 ExploitBench 上取得几乎 100% 的成绩。而且它并非藏在闭门之中，任何人都可以直接去和它交谈。其影响怎么强调都不为过。
Hugging Face Blog48 用 TRL 和 OpenEnv 训练编码模型画水彩
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的想法，模型通过 p5.brush 写出约 150 行 JavaScript 来作画。
Hugging Face Blog精选62 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露了 Granite 4.2 的架构、SFT 数据配比与多阶段 RL 课程，可据此理解推理模型后训练的具体做法。
Hugging Face Blog精选60 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项基准中 7 项超过其 bfloat16 原版
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附与 QAT 的稳定性对比数据。
Hugging Face Blog56 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
Import AI38 Import AI 469：DiG-bench 评测科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 介绍了新基准 DiG-bench（Discovery in Games），包含 70 款隐藏规则的游戏，用于测试 AI 通过探索推断环境规则的能力，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 完成 0.2 的任务，远逊于人类 100% 的成功率。
DeepSeek · X精选82 DeepSeek 发布 DeepSeek-V4-Pro
DeepSeek 发布 DeepSeek-V4-Pro，主打智能体能力升级并带来明显的生产收益。V4-Pro 与 V4-Flash 支持灵活推理强度，简单任务用 low、日常 Agent 工作流用 high、复杂任务用 max。该模型原生支持 OpenAI Responses API，并针对 Codex 做了优化、可一键配置，现已上线 app 和网页端（Expert Mode）及 API，模型名称保持不变。
推荐理由：官方给出 V4-Pro 的智能体能力升级与三档推理强度，读者可据此判断它在生产工作流中的定位。
Sébastien Bubeck · X58 Sébastien Bubeck 对 ChatGPT 5.6 据称解决一道未解数学问题作出回应
Sébastien Bubeck 称这一据报道的结果令人惊叹，并提到他早在 2012 年曾花一周时间尝试解决这个问题。 在被引述的帖子中，Steven Strogatz 表示，一位没有接受过高等数学训练的神经外科住院医师使用 ChatGPT 5.6 解决了数值线性代数中的一个重要未解问题。 https://alextownsend.net/essays/SIAMNews_CrouzeixConjecture.pdf
Microsoft Research36 MindTopo 揭示多模态大模型的空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与绳结五类关系，并分为静态推理与交互规划两个层级。测试显示，当前模型在静态识别上明显强于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨多步操作时仍不可靠。
Google Research精选60 Google Research 提出知识画像框架：召回而非编码是前沿 LLM 事实性的瓶颈
Google Research 提出知识画像（knowledge profiling）框架，将事实性错误区分为编码失败与召回失败，并发布包含 2,150 条 Wikipedia 事实的 WikiProfile 基准。
推荐理由：通过知识画像区分编码失败与召回失败，为理解前沿模型事实性错误来源提供了新的诊断视角。
Mira Murati · X精选73 Thinking Machines 发布 Inkling-Small，开放完整权重，规模仅为 Inkling 的四分之一
Mira Murati 表示，Inkling-Small 的表现可与 Inkling 相媲美，规模只有四分之一，并且现已开放权重，可在 Tinker 上进行微调。 她期待看到人们用它创作出什么。 在引用的公告中，@thinkymachines 报告称，该模型总参数量为 276B，激活参数量为 12B，并开放完整权重，同时在 Tinker Playground 上提供文本、图像和音频聊天。 https://thinkingmachines.ai/news/inkling-small/
推荐理由：与 Inkling 的比较为较小模型所宣称的性能提供了背景，而参数量则说明了规模缩减的程度。
Berkeley AI Research精选62 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出了 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可看到跨平台内核知识迁移的具体做法。
Berkeley AI Research36 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要隔离为自然语言"信念状态"并对其内容进行监督评分，以缓解长程交互中上下文压缩带来的性能损失。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
Hugging Face Blog48 模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却达 155 美元（0.37 美元/任务），缓存命中率是主因。
Hugging Face Blog精选88 Thinking Machines 发布 Inkling 系列开源多模态模型
Thinking Machines Lab 在 Hugging Face 发布 Inkling 系列开源多模态模型，其中 Inkling 为约 1T 参数、41B 激活参数的 MoE 模型，原生支持图像、音频、文本输入和 1M 上下文，并推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断约 1T 参数开源多模态模型的落地门槛。
Hugging Face Blog36 PyTorch 性能分析（第三部分）：Attention 全解析
Hugging Face 发布 "Profiling in PyTorch" 系列第三篇，用 NVIDIA A100-SXM4-80GB 对 attention 做 profiler 分析，展示朴素实现会额外触发一次 memory copy。将 masked_fill 改为原地操作 masked_fill_ 后，每次前向传播可减少一个 GPU kernel。
Mistral AI精选71 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数 6B 激活参数的形式化验证模型，在 miniF2F 上达到 100%，PutnamBench 解出 587/672 题，FATE-H 和 FATE-X 分别取得 87% 和 34% 的 SOTA。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的成绩与开源入口，读者可据此判断其在证明工程中的可用性。
Google Research精选60 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布一种新架构，把多 Token 预测（MTP）头挂到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧生成。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，给出端侧推理在内存与能耗约束下的具体做法和收益。
Google Research37 Google Research 研究：推理如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 发表的论文揭示，推理轨迹能解锁 LLM 原本无法触及的参数化知识，即使面对简单单跳事实问题。研究在 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 上验证，发现两大机制：生成额外 token 充当"计算缓冲"，以及"事实启动"通过生成相关事实搭建检索桥梁。