OpenAI 称已阻止窃取模型推理的活动，但同一手法在 Azure 上仍然有效
OpenAI 称其阻止了一场窃取模型推理内容的蒸馏活动，该活动 7 月 1 日起量级较低，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，OpenAI 称已于 7 月 28 日前全部关停，并注明这些是尝试性提取、未必成功。
推荐理由：OpenAI 披露一起推理蒸馏窃取事件，并牵出云平台防护不一致的问题，读者可据此了解模型推理泄露的实际路径。
69 条精选近 30 天 48条共收录 216条
更新精选归档 · 第 3 页
The Decoder精选80 Latent Space精选82 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的实际差距。
The Decoder精选78 Google 发布 Gemini 4 Argon，追平 OpenAI 与 Anthropic 但未取得明显领先
Google 发布新前沿模型 Gemini 4 Argon，在多项基准上追平 OpenAI 与 Anthropic，但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放，之后才面向开发者、企业和消费者，API 定价为每百万输入 token 2 美元、输出 token 10 美元（促销价）。
推荐理由：汇总第三方与人类偏好榜单，呈现 Gemini 4 Argon 与 OpenAI、Anthropic 的分数、token 消耗和价格对比。
Google DeepMind精选88 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：Gemini 4 Argon 把输出上限提到 1M token 并给出多项基准与内部落地数据，可据此判断长程工作流的能力边界。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。