Ben Affleck 谈 AI：从卷积神经网络到微调开源视频模型
Ben Affleck 本周因多段采访视频走红，他在 GQ 和 Bloomberg Screentime 2026 活动上讲解机器学习、神经网络、Transformer、张量、GPU 与推理等概念，并称自己会写 Python 脚本。他透露曾走访 OpenAI，并通过解冻权重、只训练最后一层电影化层来微调开源视频模型，该技术已用于其电影《Animals》的后期制作。
匹配字段摘要
←搜索结果
搜索“推理”
Sakana Namazu 被引入医生用证据检索工具 Evidence Finder
Sakana AI 的日本仕様 LLM「Sakana Namazu」被医疗 AI 公司アイリス提供的医生用证据检索工具 Evidence Finder 采用，负责比较、整合文献并生成回答。采用 Evidence Finder 的评估模型在第 120 回医師国家試験中录得 96.4% 正解率，アイリス称这是 GENIAC 指定国産基盤モデル中公开可查的最高分。Namazu 通过独自的事后学习技术，在维持基座模型推理、知识与编码能力的同时强化了日语及日本文化业务语境的适应。
匹配字段摘要
Tessl 博客：AI 不是笨，而是看不见——企业级智能体记忆系统的三条设计经验
Tessl 产品与工程博客发布 VarOps 团队构建跨组织智能体记忆系统的经验总结，作者称问题不在模型推理能力，而在于决策信息从未以智能体可用的形式被记录。团队提出三条设计决策：把观察蒸馏为带证据和时间范围的 claim 而非存储原始片段，在 LongMemEval 上正确证据进入前十条的比例为 99.8%，摄入约 3500 万 token 成本 8.24 美元；不覆盖旧事实并显式标注“无结果”状态，去掉拒答机制后 30 次诚实拒答变成 30 次编造回答；在调用模型前先按身份解析权限，财务读者得到精确营收数字而销售读者只得到区间。作者表示完整报告、测试框架和逐题结果已公开，并将在 AI DevCon New York 讲解设计细节。
匹配字段摘要
NVIDIA PivotOPD：让多轮 AI 智能体从关键错误中恢复
NVIDIA 联合普林斯顿大学和马里兰大学提出 PivotOPD，一种面向多轮 LLM 智能体的 on-policy 蒸馏方法，训练智能体避开最具破坏性的早期关键错误并在犯错后恢复。在 ALFWorld、WebShop 和 Search-based QA 上，Qwen3-1.7B 与 Qwen3-8B 学生模型对 13 个基线取得全部 8 项基准平均分第一；重放关键错误时恢复率达 72.7%，标准 OPD 仅 20.3%。该方法只改训练、推理零额外开销，但代码尚未发布。
匹配字段摘要
IBM 将 Spyre 打造为原生 PyTorch 设备
IBM 通过 torch-spyre 把 Spyre 数据流 AI 加速器接入 PyTorch 的 PrivateUse1 设备身份、分配器、流、事件与编译启动抽象，使 tensor.to("spyre") 可用，并让 eager 与编译执行共用一条路径。Spyre 面向 IBM Z、LinuxONE 和 Power 系统上的推理，配备 32 核、每核 2 MB scratchpad 和最高 128 GB LPDDR5，运行时通过独立计算与数据搬运流水线实现重叠。
匹配字段摘要
Microsoft 为 Windows ML 加入 llama.cpp 与 GGUF 模型实验性支持
Microsoft 于 2026 年 10 月 7 日宣布，在 Windows 本地 AI 推理基座 Windows ML 中实验性集成推理引擎 llama.cpp，开发者可通过 Windows ML 在 PC 上运行 GGUF 格式语言模型。同时新增 Text Generation API，让应用以统一流程调用 GGUF 与 ONNX 模型，Windows ML 会自动为 GGUF 选择 llama.cpp、为 ONNX 选择 ONNX Runtime。目前 llama.cpp 在 Windows ML 上仅验证了 CPU 与 CUDA 的 NVIDIA GPU 执行，GGUF 模型不支持 NPU，Text Generation API 也只提供贪心解码，不支持采样、temperature、投机解码与结构化输出，相关 API 为实验性、暂不支持生产使用。
匹配字段摘要
Aaron Levie：AI 智能体时代算力需求将暴涨
Box CEO Aaron Levie 称，AI 下一阶段所需算力将“疯狂”增长，个人智能体、企业防御智能体群、代码安全审查智能体、处理企业数据的智能体以及 7×24 小时后台智能体都会推高需求。推理量将按数量级持续增长，智能体除 token 外还需要计算机、网络和文件系统等基础设施，而这一建设才刚起步。
匹配字段摘要
Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万 token 输入 $0.10、输出 $0.50，与 OpenAI 上月发布的 GPT-6 Luna 一致，但超过 100,000 token 后涨至 $0.50/$2.50，而 Luna 在 272,000 token 后才涨到 $0.20/$0.75。Simon Willison 实测发现 Haiku 5.5 使用了更不宽松的 tokenizer，同一长提示词消耗的 token 约为 Haiku 4.5 的 1.25 倍，构成隐性涨价；新模型不支持关闭推理，默认 medium 档。Anthropic 同时宣布将 Sonnet 5.5 的缓存读取价格减半，并为订阅计划增加 API 额度。
匹配字段摘要
Anthropic 发布 Claude Haiku 5.5，价格最高降 90%
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词最高降价 90%，超过 10 万 token 则贵 5 倍。基准测试显示其计算机使用能力提升明显，OSWorld-2.1 得分从 15.7% 升至 72.4%，Terminal-Bench 4.0 从 0 升至 39.2%，Humanity's Last Exam 无工具 45.9%、有工具 57.4%。该模型是首个支持可调推理等级的 Haiku 级模型，已在 AWS、Google Cloud 和 Microsoft Azure 上线，同时 Sonnet 5.5 的缓存读取费用从每百万 token 0.20 美元降至 0.10 美元。
匹配字段摘要
Anthropic 发布 Claude Haiku 5.5 小模型
Anthropic 发布 Claude Haiku 5.5，称其是迄今最便宜、最快且能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。开发者 Lydia Hallie 转发并表示，它很适合以读取、小改动和工具调用为主、不需要太多推理的任务。
匹配字段摘要
微软发布 MAI-Code-1.1-Flash：成本降至四分之一并支持端侧运行
微软发布 MAI-Code-1.1-Flash，相比 6 月 Build 大会推出的版本，token 效率提升 25%，成本降至四分之一，并已在 GitHub Copilot 中投入生产。该模型经 3-bit 量化后可在端侧运行，保留 256K 上下文窗口，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上编码性能与全精度版本相当，本地调用不产生推理费用，官方建议设备内存超过 120GB。GitHub Copilot CLI 上 Terminal-Bench 2.1 提升 22%，.NET 任务提升 15%，代码存活率上升 4%，回访率增加 9%；本月底将在 GitHub Copilot 应用、CLI 和 VS Code 中开放实验性访问。
匹配字段摘要
HPE 发布 ProLiant Gen13 服务器，转向 CPU-GPU 均衡的企业 AI
HPE 发布首批四款基于 AMD 第六代 Epyc 9006 SP7（代号 Venice）的 ProLiant Gen13 服务器，面向企业 AI 推理、智能体 AI 及分析、虚拟化等传统负载。旗舰 DL585a Gen13 支持最多 8 块 GPU 和两颗 Venice 处理器，2027 年 3 月上市，将兼容 Nvidia、AMD 和 Intel 的 GPU；DL525 为 1U 单路系统，最高 256 核，2026 年 11 月上市。Gen13 还引入 iLO 8 自动化安全与后量子密码就绪能力。
匹配字段摘要、正文
AWS 六周 AI 构建者培养计划：让非工程背景员工用 Strands Agents SDK 做出多智能体原型
AWS 推出六周结构化培养计划，让非工程背景的业务人员用 Amazon Bedrock、Strands Agents SDK 和 AWS Lambda 构建可运行的 AI 原型，每周投入约 4 小时。四名无工程背景的客户岗位员工六周后做出多智能体财务顾问工具 WealthWise，采用 Node.js + Python Flask 双服务架构与 Amazon Nova 模型，复杂金融推理响应时间低于 5 秒。AWS 称完成分阶段计划的参与者保留的实用技能是两天集训形式的 3 倍。
匹配字段摘要
NVIDIA 微调 Nemotron 家族，在 IOI 与 IMO 取得金牌级成绩
NVIDIA 用同一套微调配方把 Nemotron 打造成竞赛编程与奥数领域的专用模型：IOI 2026 上 Nemotron-3-Ultra-CC 得 535.4 分（满分 600），IMO 系统得 30 分（满分 42），超过官方金牌线。配方包括强基座模型、领域问题与推理轨迹数据、SFT 与 RL 后训练，以及生成-评估-改进的推理循环。相关 SFT 与 RL checkpoint、训练数据集、Nemotron-IMO-Bench 基准和 NeMo-Skills 推理流程已在 Hugging Face 开源。
匹配字段摘要、正文
IEEE Spectrum 白皮书：边缘 AI 如何让智慧城市走向认知城市
IEEE Spectrum 发布白皮书，介绍边缘 AI 与物理 AI 如何让城市基础设施从被动监测转向感知、推理并实时行动。白皮书称边缘 AI 支持低延迟决策、把敏感数据留在城市边界内，并降低对中心化云的依赖；计算机视觉、多模态感知与生成式、智能体系统可协同支撑公共安全、出行和基础设施管理。文中还描述了一种分层边缘架构，在远边缘、区域和云层之间分配监测、规划与行动任务。
匹配字段摘要、正文
Reflection 发布 5010 亿参数开源权重模型 Beam
美国初创公司 Reflection AI 发布开源权重模型 Beam，采用 MoE 架构、5010 亿参数，面向编码、推理与智能体任务，训练数据为 23.8 万亿 token。Reflection 将其定位为对标智谱 GLM-5.2 的前沿开源权重模型，并获 Nvidia 8 亿美元股权投资及 GPU 支持。文章还提到 Mistral 于 10 月 6 日预览 1 万亿参数多模态模型 Mistral Large 4，称其计划月底发布权重。
匹配字段摘要
OpenAI 发布 722 篇数学手稿，公开未发布前沿模型的解题结果
OpenAI 公开了由一款未发布的前沿模型产出的 722 篇数学手稿，覆盖 372 个结果族，涉及数百个未解问题。公司称平均每个结果消耗约相当于三小时 ChatGPT Pro 思考的算力，并附上部分推理摘要、算力估算和尝试问题数量等细节。独立顾问组织 AGMAI 此前建议 AI 实验室及时通过学术渠道发布数学结果，并披露模型名称、提示词和算力成本，同时不要将结果发布当作推广模型的营销手段。
匹配字段摘要
Mistral 发布 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过 API 提供。该模型在 Mistral API 中只支持 none 和 high 两档推理级别，官方承诺本月底放出开放权重版本。它在 Artificial Analysis 上得分 38，略低于 552B 的 DeepSeek 4.1 Flash，相比去年 12 月得分 9 的 Mistral Large 3 提升明显。
匹配字段摘要
Claude Code v2.1.292 发布
Claude Code 发布 v2.1.292，为 claude plugin install 新增 --marketplace 参数，并给 Agent 工具加入 effort 参数以指定子智能体的推理投入等级。该版本还新增 CLAUDE_CODE_OVERLOADED_RETRY_BASE_DELAY_MS 环境变量，用于调整 529 过载重试的退避基础延迟，并修复了沙箱读取、权限提示绕过、MCP 工具名超 128 字符导致请求失败等多项问题。
Claude Code 发布 v2.1.292，为 claude plugin install 新增 --marketplace 参数，并给 Agent 工具加入 effort 参数以指定子智能体的推理投入等级。该版本还新增 CLAUDE CODE OVERLOADED RETRY BASE DELAY MS 环境变量，用于调整 529 过载重试的退避基础延迟，并修复了沙箱读取、权限提示绕过、MCP 工具名超 128 字符导致请求失败等多项问题。
匹配字段摘要
ARC Prize 评测：Grok 4.7 在 ARC-AGI-2 得分 61.4%，低于 Grok 4.6 的 67.1%
ARC Prize 公布 Grok 4.7 在 ARC-AGI 系列基准上的成绩：ARC-AGI-2 最佳得分 61.4%、每任务 2.01 美元，低于 Grok 4.6 的 67.1% 和每任务 0.76 美元，在输入输出 token 定价相同的情况下单任务成本上升 166%；ARC-AGI-1 为 90.2%、每任务 0.64 美元，高于 Grok 4.6；ARC-AGI-3 在标准 harness 下为 1.8%，在新的 provider adapter harness 下为 10.0%。ARC Prize 指出 Grok 4.7 在 ARC-AGI-2 semi-private 任务上消耗的推理 token 更多，medium、high、xhigh 档分别比 Grok 4.6 多 136%、125% 和 173%，low 档少 27%，这是单任务成本上升的原因之一。
匹配字段摘要