在 Amazon Bedrock 上用 Grok 4.7 构建长周期智能体
AWS 官方博客介绍在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体，作者设计三个均有唯一正确答案的任务，在四个推理档位下各跑六次共 72 次运行，答对 67 次，xhigh 档 18 次全部正确。
推荐理由：文章给出了可复用的推理档位评测方法，读者能据此在自己的 Agent 任务上权衡正确率与 token 成本。
#推理
#推理
今日 0 条AWS Machine Learning Blog精选AI 评分7878
腾讯技术工程AI 评分4242 三万字长文：大语言模型从零入门
腾讯技术工程发布近 3 万字长文，用一条主线讲清楚 ChatGPT 这类大语言模型的原理与局限。文章从图灵测试与“预测下一个 token”讲起，用猜数字游戏与对数运算解释了信息量、熵与交叉熵。读者通读全文约需 1.5 小时，也可跳过计算直接看结论，或直接跳读最后一章「从模型到 ChatGPT」。
OpenAI NewsAI 评分5050 GPT-6 系列模型选择指南
OpenAI 发布 GPT-6 系列模型选择指南，帮助初创企业挑选合适的 GPT-6 模型。指南还涵盖调节推理强度、改进提示词与技能、协调工具，以及为生产环境准备工作流等实践。
NVIDIA Blog精选AI 评分6868 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 现已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行于 NVIDIA Blackwell GPU，token 生成速度最高比 Astra Standard 模式快 8 倍。
推荐理由：原文给出 Ultrafast 相对 Astra Standard 最高 8 倍的提速幅度与编码工作流影响，读者可据此判断是否切换到该模式。
OpenAI NewsAI 评分2727 Basis 用 GPT-6 Astra 完成税务工作簿，速度快 2 倍
Basis 用 GPT-6 Astra 完成包含 50 个工作表的税务工作簿，速度比 GPT-5.6 Sol 快 2 倍。GPT-6 Astra 对用户意图的理解更强，让 Basis 在实际使用中更有信心。
腾讯研究院AI 评分5757 递归自我改进（RSI）综述：从 EURISKO 到 GPT-5.6 的五次边界推进
赵志民综述递归自我改进（RSI），提出持久改进、自主闭环、递归增益、稳健可控四条判断标准，并沿五次边界推进梳理从 EURISKO、AlphaZero 到 GPT-5.6 的自我改进脉络。文章指出有界自我改进闭环已经出现甚至产生净正收益，但改进后系统持续提升自身改进能力的公开证据仍然不足；GPT-5.6 的 RSI 指数 57.9% 因题目、权重和聚合公式未公开，只能视为内部综合指标。
腾讯技术工程AI 评分4646 腾讯 15 年资深后台工程师，转战大模型推理的抉择
腾讯一位工作 15 年的资深搜索后台工程师，2025 年初卸下管理头衔加入 AI Infra 团队，从零开始投身大模型推理工程，并精读 SGLang 源码。他建议新人先建立 Transformer 模型结构与 TTFT、TPOT、QPS 等评估指标的体系化认知，再按业务层、调度层、算子层分层拆解，并围绕 PD 分离、分布式 KV Cache、推测解码等方向深入实践。
NVIDIA BlogAI 评分5454 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首秀中取得领先性能
NVIDIA 公布 MLPerf Inference v6.1 结果，Vera Rubin NVL72 首次预览提交即在 DeepSeek-R1 与 Qwen3-VL 上取得领先性能。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模与成本效率，后者面向高复杂度任务的多步推理。
推荐理由：原文给出了两款实时语音对话模型的能力定位与基准成绩，读者可据此判断它们在语音智能体场景中的适用性。
阿里云开发者AI 评分3737 Agent 如何自己变强？从 Skill 到模型权重的进化全景图
Agent 自进化（Self-Evolution）通过“执行→反馈→优化→再执行”闭环，让 AI 持续优化 Skill、Prompt、记忆与模型权重，突破静态部署瓶颈。
OpenAI News精选AI 评分8585 GPT-6 Astra 发布：面向工作的下一代智能
OpenAI 发布 GPT-6 Astra，称其为面向企业的最强模型，具备高级推理、计算机使用以及更强的写作与设计判断能力。
腾讯科恩实验室AI 评分5151 腾讯科恩实验室推出 BinaryAI-Bench 二进制安全分析评测集
腾讯科恩实验室推出二进制分析平台 BinaryAI 并发布 BinaryAI-Bench 评测集，通过两轮各 8 个模型×50 个任务的系统评测校准 AI 逆向分析能力。评测集收录 5 大类 18 个子类共 50 个端到端任务，真实来源样本占 94%，难度从 easy 到 expert 四级。评测显示当前 AI 的硬边界集中在跨变种共同行为特征提取与复杂算法精确逆向两个方向。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两款模型，分别面向智能体工作流与网络安全。
推荐理由：原文列出了 Gemini 3.8 系列在编码与网络安全基准上对标前沿模型的表现及价格，读者可据此评估其替换现有工作流的成本收益。
Microsoft ResearchAI 评分4747 MindTopo 揭示 VLM 的空间推理能力
Microsoft Research 推出拓扑推理基准 MindTopo，评估多模态模型在连通性、包围、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，当前多模态模型在静态识别任务上表现明显优于交互式规划任务，两者均远低于人类水平，且错误多发生在规划阶段而非感知阶段。该基准为机器人和交互环境中的 AI 系统提供了可控诊断工具。
OpenAI NewsAI 评分5656 OpenAI 推理模型辅助诊断儿童罕见遗传病，未解病例新增 18 例诊断
研究人员使用 OpenAI 推理模型辅助诊断罕见疾病，在此前未能确诊的病例中新增 18 例诊断。该工作聚焦影响儿童的罕见遗传病。
智谱 · 官方公众号AI 评分6262 GLM-5.1高速版：400 tokens/s，顶尖模型跑出最快速度
智谱面向部分企业客户推出 GLM-5.1 高速版 API “GLM-5.1-highspeed”，模型输出速度达 400 tokens/s，并在完整保留 GLM-5.1 旗舰能力的同时实现低延迟。
Google DeepMindAI 评分3636 用 Co-Scientist 寻找新型传染病背后的分子开关
剑桥大学 Clare Bryant 团队用 Google DeepMind 的 Co-Scientist，寻找病原体跨物种传播引发脓毒症等重症的分子开关。该工具生成并排序假设，优先锁定一个她此前未关注的蛋白，并逐步收窄到具体氨基酸。原本需两三年实验才能定位精确氨基酸，团队如今有望六个月内完成。
Google DeepMindAI 评分3030 Calico Life Sciences 借 Co-Scientist 开拓衰老研究新路径
Calico Life Sciences 团队使用 Co-Scientist，从质量参差的衰老生物学文献中提炼出值得检验的新假设。针对整合应激反应（ISR），Co-Scientist 提出了代谢如何调控 ISR 的新假设。研究人员据此完善实验设计，获得计划发表的新发现。
Google DeepMindAI 评分4646 Co-Scientist 加速肝脏疾病机制发现
爱丁堡大学团队使用 Co-Scientist 加速 MASH 肝病机制研究，从文献中挖掘被忽视的关联并生成新假设。针对已获批药物 resmetirom 为何仅对少数合格患者有效，系统提出假设：NLRP3 炎症小体是耦合炎症与代谢的分子桥梁。该假设随后经实验验证，为靶向双重疗法铺路。
Berkeley AI ResearchAI 评分5151 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 综述自适应并行推理（Adaptive Parallel Reasoning）这一范式：让模型在推理时自行决定何时分解任务、生成多少并发线程并协调它们，以缓解顺序推理导致的上下文膨胀与延迟问题。
OpenAI News精选AI 评分7070 OpenAI 在 API 中推出新的实时语音模型
OpenAI 在 API 中推出新的实时语音模型，可对语音进行推理、翻译和转录，带来更自然、更智能的语音体验。
Berkeley AI ResearchAI 评分4646 GRASP：面向更长程视野的世界模型梯度规划方法
GRASP 是一种面向学习式世界模型的新型基于梯度的规划器，让长程规划变得切实可行。它将轨迹提升至虚拟状态以实现跨时间并行优化，向状态迭代直接注入随机性以促进探索，并重塑梯度使动作获得干净信号，从而规避高维视觉模型中脆弱的 state-input 梯度。该工作由 Yann LeCun 等人合作完成，针对长程规划中梯度爆炸/消失与不良局部极小值导致的脆弱性。
OpenAI News精选AI 评分6060 OpenAI 发布生命科学推理模型 GPT-Rosalind
OpenAI 发布 GPT-Rosalind，这是一个面向生命科学领域的前沿推理模型，旨在加速药物发现、基因组分析、蛋白质推理和科学研究工作流。
推荐理由：原文点明该模型面向药物发现、基因组分析和蛋白质推理，读者可据此判断 OpenAI 在垂直科学领域的布局方向。
Google DeepMind精选AI 评分6969 Gemini Robotics-ER 1.6 发布：增强具身推理，驱动真实世界机器人任务
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先具身推理模型的重大升级，即日起通过 Gemini API 与 Google AI Studio 向开发者开放，并提供配置与提示示例的开发者 Colab。
推荐理由：原文给出相对上一代与 Gemini 3.0 Flash 的逐项基准对比，读者可据此判断具身推理在工业巡检场景的可用边界。
Google DeepMindAI 评分4848 Google DeepMind 提出衡量迈向 AGI 进展的认知框架
Google DeepMind 发布论文提出衡量 AGI 进展的认知框架，归纳出 10 项关键认知能力。框架借鉴心理学、神经科学与认知科学，建议以三阶段评估协议将 AI 表现与人类基线对比。同步联合 Kaggle 启动 hackathon，总奖金池 $200,000，征集学习、元认知、注意力、执行功能与社会认知五项能力的评估方案。
OpenAI NewsAI 评分5656 推理模型难以控制自身的思维链，这是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自身的思维链。该发现强化了可监控性作为 AI 安全防护手段的作用。
OpenAI NewsAI 评分3030 GPT-5.2 Pro 助力将 single-minus amplitudes 扩展至引力子
新预印本将 single-minus amplitudes 扩展至引力子，GPT-5.2 Pro 协助推导并验证了量子引力中非零的引力子树振幅。
Google DeepMind精选AI 评分7070 Gemini 3.1 Flash-Lite 发布：主打大规模低成本智能
Google DeepMind 发布 Gemini 3.1 Flash-Lite，这是 Gemini 3 系列中最快且最具成本效益的模型。该模型已通过 Google AI Studio 和 Vertex AI 推出预览版，输入 token 价格为 $0.25/1M，输出为 $1.50/1M。
推荐理由：官方给出其相对 2.5 Flash 的速度提升与 token 定价，读者可据此评估高频工作流的成本变化。
OpenAI NewsAI 评分4242 OpenAI 公布其模型对 First Proof 数学挑战赛的证明尝试
OpenAI 公布了其 AI 模型对 First Proof 数学挑战赛的证明尝试，以测试模型在专家级问题上的研究级推理能力。这些证明尝试均由 OpenAI 的 AI 模型生成，围绕该数学挑战赛的专家级问题展开。
Google DeepMind精选AI 评分8383 Gemini 3.1 Pro 发布：为复杂任务打造的更智能模型
Google DeepMind 发布 Gemini 3.1 Pro，该模型专为复杂任务设计，核心推理能力显著提升。它在 ARC-AGI-2 基准测试中取得 77.1% 的验证得分，是 Gemini 3 Pro 的两倍多。目前开发者可通过 Gemini API、Vertex AI 等渠道以预览版访问，消费者可在 Gemini 应用和 NotebookLM 中使用。
推荐理由：原文给出了新模型在 ARC-AGI-2 上的具体得分与前代对比，读者可直观了解其核心推理能力的提升幅度。
OpenAI News精选AI 评分7373 GPT-5.2 在理论物理领域推导出新结果
OpenAI 官方发布消息称，一篇新预印本显示 GPT-5.2 提出了一个新的胶子振幅公式，该公式随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：原文给出 GPT-5.2 提出新公式并经合作方形式化证明的事实，可作为观察大模型参与科学发现的案例。
Google DeepMind精选AI 评分7272 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，阐述 Gemini Deep Think 模式及其数学研究智能体 Aletheia 如何在数学、物理与计算机科学领域解决专业级研究难题。
推荐理由：原文详述了 Gemini Deep Think 在数学、物理和计算机科学领域的专业研究应用，展示了 AI 智能体如何作为科研合作者解决开放性难题。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一款 Codex 原生智能体，将前沿编码性能与通用推理相结合，用于支持长周期的实际技术工作。
推荐理由：GPT-5.3-Codex 将前沿编码与通用推理结合，读者可据此判断其应对长周期实际技术任务的能力边界。
OpenAI News精选AI 评分7373 GPT-5.3-Codex 系统卡片发布
OpenAI 发布 GPT-5.3-Codex 系统卡片，称其为迄今能力最强的智能体编码模型，结合了 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理及专业知识能力。
推荐理由：原文给出了新模型相对前代的能力定位，读者可据此判断它在编码与推理上的组合优势。
Google DeepMindAI 评分3333 Google 2025 年度回顾：8 大领域的研究突破
Google 回顾了 2025 年在 8 大领域的研究突破，Google DeepMind 与 Google Research 发布的 Gemini 3 Pro 登顶 LMArena Leaderboard，在 Humanity's Last Exam 与 GPQA Diamond 上取得突破分数，并以 23.4% 创下 MathArena Apex 新纪录。
OpenAI NewsAI 评分5656 OpenAI 评估链式推理可监控性
OpenAI 提出链式推理可监控性新框架与评估套件，覆盖 24 个环境下的 13 项评估。研究发现，监控模型内部推理远比仅监控输出更有效，为可扩展控制提供了可行路径。
Google DeepMind精选AI 评分8484 Google 发布 Gemini 3 Flash：为速度而生的前沿智能
Google DeepMind 发布 Gemini 3 Flash，以低成本提供前沿推理与多模态能力。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 达 78%，速度为 Gemini 2.5 Pro 的 3 倍，已在 Gemini API、Vertex AI 及 Gemini 应用中推出。
推荐理由：官方发布 Gemini 3 Flash，以更低成本和更快速度提供接近 Pro 级的推理与多模态能力，适合关注模型选型与成本优化的读者。
OpenAI NewsAI 评分5252 OpenAI 推出 FrontierScience 基准，评估 AI 在科研任务中的推理能力
OpenAI 推出 FrontierScience 基准，测试 AI 在物理、化学和生物学领域的推理能力，以衡量其向真实科学研究的进展。
OpenAI News精选AI 评分7474 GPT-5.2 推动科学与数学进步
GPT-5.2 是 OpenAI 迄今最强的数学与科学模型，在 GPQA Diamond 和 FrontierMath 等基准上取得新的 SOTA 结果。官方展示了这些提升如何转化为实际研究进展，包括解决一个开放理论问题并生成可靠的数学证明。
推荐理由：原文列出了 GPT-5.2 在 GPQA Diamond 和 FrontierMath 等基准上的新 SOTA 结果，并说明这些提升如何转化为实际研究进展。
OpenAI News精选AI 评分8181 OpenAI 发布 GPT-5.2
GPT-5.2 是 OpenAI 面向日常专业工作的最先进前沿模型，具备最先进的推理、长上下文理解、编码和视觉能力，可在 ChatGPT 和 OpenAI API 中使用，以支持更快、更可靠的智能体工作流。
推荐理由：官方公布了 GPT-5.2 在推理、长上下文、编码和视觉上的能力定位，可据此评估它对现有智能体工作流的替换价值。