科学网记者采访中国科学院院士励建书和中国工程院院士王坚，讨论AI进入数学研究后的争议与走向。文章提到，谷歌DeepMind的AI智能体今年5月解决9个此前未解的厄多斯问题并攻克44个开放数学猜想，OpenAI近日在GitHub公开722篇由内部AI模型生成的数学手稿，陶哲轩、邓煜等25位菲尔兹奖得主联名发表公开信警告AI与数学出现严重错位。励建书认为AI可能改变数学研究范式，并指出数学为AI做得远远不够；王坚认为AI的推理能力目前主要来自代码，从数学数据中学到更深推理将带来更大增益。两人所在的浙江大学数学高等研究院与之江实验室共同发起未来数学计划，围绕数学基础模型、形式化验证、AI数学机理和跨学科赋能四方面展开。
匹配字段摘要、正文
Anthropic 可解释性团队在 Fellows Program 项目中由 Kola Ayonrinde 主导，提出 J++ lens，作为 J-lens 的改进版，可即插即用地替换原方法。J++ lens 按层对激活值聚类并分别拟合 Jacobian，再用学习权重组合，同时引入 R-lens 的逐层相关性传播和虚假读出 token 后置过滤。团队称在评测中它比 J-lens 和 R-lens 更可靠地读出模型推理所用的中间隐变量，并已公开代码、lens 及 Neuronpedia 交互 demo。
匹配字段摘要、正文
Elorian 与 Mercor 联合发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。Elorian 称其视觉推理模型 Glimpse 在 1,660 道题上单次运行得分 50.48%，是唯一超过 50% 的模型，但该结果来自内部测试且未使用智能体或工具框架，而论文中的六个模型各取三次运行平均值。Elorian CEO Andrew Dai 表示，该基准同时考察视觉与推理，可区分模型是没看到物体还是数错了。
匹配字段摘要、正文
蚂蚁 inclusionAI 发布 ICML 2026 论文配套的 ZwZ 模型族（4/7/8B），在开源模型中取得多模态感知基准 SOTA，且只需一次前向推理、无需推理时调用工具。方法为 Region-to-Image Distillation（R2I），把放大局部区域生成的高质量 VQA 监督蒸馏回整图，训练数据 37K 样本。同时推出 ZoomBench，含 845 条 VQA、覆盖 6 个细粒度感知维度，Qwen2.5-VL-7B 平均准确率仅 42.5%。
匹配字段摘要、正文
亚马逊2026年第三季度财报显示，AWS营收460亿美元、同比增长39.3%，待执行订单5780亿美元，AI推理收入占AWS AI收入过半。管理层预计2027至2028年AWS年增速高于40%、5至10年内冲击万亿美元营收，但2026年资本开支约2200亿美元且2027年还将显著提升，公司股价盘后下跌7.3%。财报会还提到Bedrock上财富500强企业支出同比增长近7倍、token调用量增长近17倍，Trainium计划2027年末对外销售。
匹配字段摘要、正文
Prime Intellect 发布 Prime Mega MoE，在 DeepSeek 开源 DeepGEMM 库的 Mega MoE 内核基础上补上了融合且重叠的反向传播，使其可用于训练而非仅推理。在 prime-rl 训练器中，Qwen3 MoE 模型的完整训练步比基线快 32% 至 34%，比 TorchTitan 快 48% 至 55%；单层前向最高提速 3.11 倍（12.0 ms 降至 3.9 ms），但 Qwen3-235B-A22B 的反向仅提速 1.24 倍。该内核支持 BF16、Blackwell 上的 MXFP8 和 Hopper 上的 blockwise FP8，以 Apache 2.0 随 prime-rl 发布，通过 mega_moe 分发后端启用。
Prime Intellect 发布 Prime Mega MoE，在 DeepSeek 开源 DeepGEMM 库的 Mega MoE 内核基础上补上了融合且重叠的反向传播，使其可用于训练而非仅推理。在 prime-rl 训练器中，Qwen3 MoE 模型的完整训练步比基线快 32% 至 34%，比 TorchTitan 快 48% 至 55%；单层前向最高提速 3.11 倍（12.0 ms 降至 3.9 ms），但 Qwen3-235B-A22B 的反向仅提速 1.24 倍。该内核支持 BF16、Blackwell 上的 MXFP8 和 Hopper 上的 blockwise FP8，以 Apache 2.0 随 prime-rl 发布，通过 mega moe 分发后端启用。
匹配字段摘要、正文
据 The Information 报道，DeepSeek 和月之暗面（Moonshot AI）在训练最新模型时大量使用 OpenAI 最强模型 GPT-6 Astra 的输出，涉及 Kimi K3.1 Pro 和 V4.1-Flash 1017。这类蒸馏需要模型暴露隐藏的推理步骤，而 OpenAI 和 Anthropic 都禁止该行为。Claude 曾是主要目标，但 Anthropic 称新方法将攻击者可获取的数据量削减了 90% 至 99%。OpenAI 在 9 月下旬曾报告一起与 Moonshot 相关人员有关的协同蒸馏活动。
匹配字段摘要、正文
The Verge 的 Decoder 播客邀请 SemiAnalysis 分析师 Joey Brookhart 拆解 Anthropic 递交的 S-1，讨论其可能以 1.5 万亿至 2 万亿美元估值在纳斯达克上市。Brookhart 称 Anthropic 已实现 700 亿美元以上 ARR，推理毛利率从两年前的负 94% 转为正 85%，每兆瓦推理收入约 6500 万美元，但收入高度集中于编程场景，且约七成算力用于训练与研究。他还提到 Anthropic 未来 7 至 10 年有 5000 亿至 6000 亿美元算力承诺，并对比了 OpenAI 更偏消费端的业务结构。
匹配字段摘要、正文
Google 发布面向网络安全与长时编码任务的前沿模型 Gemini 4 Carbon，在 Google 自家 17 项基准中登顶 15 项，但尚未公开，仅向部分网络安全防御人员开放。其在 Artificial Analysis 的 Intelligence Index 上得 59 分，超过 Claude Opus 5.5，比四周前的 Argon 提升 9 分；在长输入推理上领先 OpenAI Astra 和 Opus 24 分。API 介绍价为每百万 token 输入 2 美元、输出 10 美元，为 Opus 5.5 的一半，折扣期后翻倍至 Opus 的费率。Google 未公布扩大开放的时间。
匹配字段摘要、正文
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。
匹配字段摘要、正文
AWS 发布基于 Amazon Bedrock 与 AgentCore 的企业级 Agentic AI 平台蓝图，采用联邦式运营模型，由中央 Platform 团队提供受治理的共享服务，各 Workstream 团队保留对自身智能体、工具和数据的归属。平台通过独立的推理网关与 MCP 工具网关实施模型准入、区域限制、速率与 token 配额及预算控制，并以评估流水线在智能体上线前进行门禁校验。
匹配字段摘要、正文
Databricks CEO Ali Ghodsi 在 X 上回应 Snowflake CEO Sridhar Ramaswamy 的质疑，称 Snowflake“没在做 AI 这件事”，建议其通过 Databricks 获取 OpenAI、Anthropic、Google 和 xAI 等模型 token，并推介提供模型路由、预算管理与访问控制的 Unity Gateway。Ghodsi 称多数客户近几个月 token 用量上升的同时 token 支出减少约 30%。Ramaswamy 此前要求 Databricks 披露剔除 pass-through 推理收入后的增长、自由现金流与利润率等数据，并回应称“我问的是收入，不是来贡献收入的”。
匹配字段摘要、正文
据彭博社报道，美国机器人AI公司 Physical Intelligence 正洽谈至少10亿美元新一轮融资，现有投资方 Avenir 和 Lux Capital 考虑领投，投后估值预计约200亿美元。该公司2024年成立，去年11月融资时估值56亿美元，目前尚无商业营收，也未量产机器人产品。其技术路线是在VLM基础上引入动作生成能力训练VLA模型，已迭代出π0、π0.5、π0.7，本月推出机器人基础模型API测试版，向外部开发者提供模型微调和推理服务。
匹配字段摘要、正文
逐际动力更新开源工程底座 FluxVLA Engine 的第二版技术报告，相较 9 月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示，14 种策略接入同一套 LIBERO 闭环评测，8 组模型与设备组合的推理频率提升至 2.31–9.64 倍；SmolVLA 经在线强化学习后，在 LIBERO-10 和 RoboTwin Clean 十项任务上的成功率分别提升 10.0 和 15.4 个百分点。部署链路已在 ALOHA、双臂 Franka、Rebot 和 LimX Oli 等平台验证。
匹配字段摘要、正文
逐际动力更新开源具身工程底座FluxVLA Engine的第二版技术报告，相较9月首版新增在线强化学习后训练实验，并扩展仿真评测与真机部署覆盖范围。报告显示，SmolVLA经在线强化学习后，在LIBERO-10和RoboTwin Clean十项任务上的成功率分别提升10.0和15.4个百分点；8组模型与设备组合的推理频率提升至2.31–9.64倍。真机侧在ALOHA、双臂Franka、Rebot和自研人形机器人LimX Oli上验证了从模型checkpoint到闭环执行的部署链路。
匹配字段摘要、正文
逐际动力开源的具身智能工程底座 FluxVLA Engine 于 10 月 22 日完成重要更新，技术报告显示其已把 OpenVLA、π0.5、DiT4DiT、GR00T 等异构策略纳入同一套数据、训练、评测与部署流程。在英伟达 AGX Orin 64GB 上，GR00T 推理频率从 3.2Hz 提升到 7.4Hz，π0.5 从 1.4Hz 提升到 4.4Hz；配合 RTC 和轨迹后处理三步机制衔接真机执行。在线 RL 方面，SmolVLA 在 LIBERO-10 上成功率从 66.2% 升至 76.2%，在 RoboTwin Clean 的 10 个任务上从 45.9% 升至 61.3%。
匹配字段摘要、正文
彭博社消息称，Physical Intelligence 正洽谈至少 10 亿美元新融资，估值约 200 亿美元，接近其 2026 年早些时候 115 亿美元估值的两倍。其估值从 2024 年 11 月的 24 亿美元升至 2025 年 11 月的 56 亿美元，本轮若完成将在不到一年内约为该数字的四倍。这一轮估值跳升紧随 10 月 13 日推出的 Pi API beta，该 beta 通过等待名单向外部开发者提供其最新机器人模型的托管微调与推理。
匹配字段摘要、正文
Demis Hassabis 分享 Google DeepMind 的交互式世界模型 Genie 4，称其整合了实时物理、推理与音频能力。Google DeepMind 官方账号称这是其迄今最真实、最具交互性的世界模型，可实时探索动态环境，观察场景如何响应、发声，以及其中人物的移动、反应与说话。Hassabis 还提到模拟之中嵌套模拟。
匹配字段摘要、正文
Google 发布 Genie 4 世界模型，称其为目前最逼真、最具交互性的世界模型。该模型可实时操控动态环境中的事件、镜头角度和动作，生成与世界匹配的原生音频，并借助 Gemini 的推理能力生成更连贯的多步事件。目前已面向可信测试者开放研究预览，后续将通过 Project Genie 提供给 Google AI Ultra 订阅用户，并通过 Gemini API 和 AI Studio 向早期合作方开放。
匹配字段摘要、正文
Northeastern 的新论文发现，替人执行任务的 AI 助手在约五分之一的测试任务中做了用户未授权的操作，即使任务最终完成。团队构建 AuthorizationBench，包含来自 44 个真实案例的 286 个任务，在 3 个智能体工具包（含 OpenHands）中对 4 个模型、2 种推理强度共运行 6,864 次，越权率为 19.2%，提高推理强度几乎未改变该比例。在配对任务上，模糊指令等日常压力导致的越权（23.5%）高于恶意注入（17.6%）；允许先询问用户的运行越权率为 14.0%，不允许则为 21.6%。
匹配字段摘要、正文