Grok 4.7 在 ARC-AGI-3 得分 1.8%
@SpaceXAI 在 ARC-AGI-3 上，Grok 4.7 在标准 harness 中得分 1.8%（Grok 4.7 为 2.1%），该 harness 允许模型在各轮之间保留笔记；在新的 provider adapter harness 中得分 10.0%，该 harness 保留不透明推理并启用自动压缩。
匹配字段摘要
←搜索结果
搜索“推理”
ARC Prize 公布 Grok 4.7 在 ARC-AGI 上的实测成绩
ARC Prize 公布 Grok 4.7 在 ARC-AGI 上的验证成绩：ARC-AGI-1 为 90.2%（$0.64/task），ARC-AGI-2 为 61.4%（$2.01/task），ARC-AGI-3 在标准 harness 下为 1.8%（$2.7k），在 provider adapter harness 下为 10.0%（$4.8k）。Grok 4.7 在 ARC-AGI-1 上高于 Grok 4.6，但在 ARC-AGI-2 和 3 上更低；ARC-AGI-2 上 Grok 4.6 为 67.1%（$0.76/task），在输入输出 token 定价相同的情况下每任务成本增加 166%。ARC Prize 称 Grok 4.7 在 ARC-AGI-2 半私有任务上平均使用了更多推理 token，medium、high、xhigh 档分别多出 136%、125%、173%，low 档少 27%。
匹配字段摘要
Reflection AI 发布首款开源权重模型 Beam，主打编码与智能体
估值 250 亿美元的 Reflection AI 发布首款开源权重模型 Beam，面向编码与智能体任务，公司称其以远低于中国实验室 Z.ai GLM-5.2 的算力达到相近的推理和编码成绩。Reflection 计划本月以 Apache 2.0 许可证放出 Beam 权重，允许企业自行定制和部署，并已在韩国测试由对冲基金或政府用自有芯片和私有数据运行 Beam 的 AI 工厂模式。在自家测试中 Beam 仍落后于 Moonshot 的 Kimi K3，但优于 Thinking Machines 的 Inkling 等美国开源系统。
匹配字段摘要
Google 将取消 Gemini Flash 和 Pro 的免费访问
Google 即将取消对 Gemini Flash 和 Pro 的免费访问，此后顶级的 Gemini Pro 模型和 Deep Think 高级推理选项将仅限 Google AI Pro 或 Ultra 订阅用户使用，两者月费分别为 19.99 美元和 99.99 美元。Google 表示用户仍可为每个模型选择低、中、高努力等级，但使用更高等级会更快耗尽 Gemini 用量额度。
匹配字段摘要
蚂蚁 Ling 3.1 Flash 发布：560B 总参数、25B 激活，智能指数升至 41
蚂蚁集团 AntLingAGI 发布 Ling 3.1 Flash，这是一款 560B 总参数、25B 激活参数、1M token 上下文窗口的推理模型，在 Artificial Analysis Intelligence Index v4.3 上得分 41，高于 8 月发布的 Ling 3.0 Flash 的 20。该模型智能体能力提升明显，GDPval-AA v2 Elo 为 1,622、AA-Briefcase Elo 为 1,400，AutomationBench-AA 达 62%、Terminal-Bench v4.0 达 33%；AA-Omniscience 得分 +2，较前代提升 22 分，准确率从 18% 升至 29%，幻觉率从 44% 降至 38%。定价为每 1M 输入/输出 token 0.30/0.90 美元，缓存输入 0.06 美元，目前可通过 Novita AI 访问，权重即将开放。
匹配字段摘要
宁德时代与腾讯领投 DeepSeek 新一轮融资，公司计划 2027 年初 IPO
据 Bloomberg 报道，DeepSeek 即将完成一轮至少 120 亿美元的融资，最初目标约 75 亿美元、估值约 750 亿美元，知情人士称总额可能接近 150 亿美元，宁德时代和腾讯出资份额最大。融资完成后 DeepSeek 计划重组，于 2027 年初 IPO，并正在建设一座配备至少 16 万颗华为 AI 芯片的数据中心。创始人梁文锋希望继续开发权重自由可用的开源模型；公司今年 6 月已完成首轮外部融资，估值超 500 亿美元，4 月发布了 V4-Pro 和 V4-Flash 预览版，同时自研推理芯片以减少对 Nvidia 和华为的依赖。
匹配字段摘要
OpenAI「疯狂28天」首日：GPT-6 提速约50%，评论区翻车
OpenAI Codex 负责人 Tibo 启动「疯狂28天」计划，承诺每天交付一项 Codex/Work 改进或重置额度；首日成果是 GPT-6 Astra 和 GPT-6.1 Sol 默认推理速度提升约50%、达到50TPS，但网友实测4小时后仅约35TPS，评论区大量质疑。同期 OpenAI 宣布在 ChatGPT 图像生成中测试视觉广告，并将按欧盟 AI 法案要求对欧盟地区 ChatGPT 和 Codex 生成的文本添加隐形统计水印。SemiAnalysis 报告称 OpenAI 将200美元 Pro 计划的 API 等值价值砍半并推出500美元新档位，其 GPT-6 Astra 额度仅比旧200美元计划多21%。
匹配字段摘要、正文
OpenAI Web Search 每任务成本约 $0.05
每任务总成本结合了搜索成本与模型推理成本。 OpenAI Web Search 每任务约 $0.05：搜索约 $0.04（按每 1k 次 web_search 调用 $10 计），模型约 $0.009。搜索约占总成本的 80%，接近 Search API 74% 的中位数。 在 Artificial Analysis 的 Search Index 与每任务成本对比中，OpenAI Web Search 位于成本前沿之下。Octen 以每任务约 $0.024 达到 77，Perplexity（medium）以约 $0.07 达到 80。
每任务总成本结合了搜索成本与模型推理成本。 OpenAI Web Search 每任务约 $0.05：搜索约 $0.04（按每 1k 次 web search 调用 $10 计），模型约 $0.009。搜索约占总成本的 80%，接近 Search API 74% 的中位数。 在 Artificial Analysis 的 Search Index 与每任务成本对比中，OpenAI Web Search 位于成本前沿之下。Octen 以每任务约 $0.024 达到 77，Perplexity（medium）以约 $0.07 达到 80。
匹配字段摘要
Comcast 与 Booz Allen 如何用 Claude Mythos 发现漏洞利用链并加固代码库
Comcast 和 Booz Allen 的安全团队通过 Anthropic 的 Project Glasswing，使用 Claude Mythos 级模型发现并修复了现有扫描器遗漏的漏洞。Comcast 在覆盖 258 个业务关键系统、约 1.7 亿行代码的评估中，用 Claude Mythos Preview 找出一处可绕过认证的关键漏洞，并在修复前确认未被利用。Booz Allen 则借助该模型跨代码、配置、身份与部署上下文推理，串联出可组合成漏洞利用链的弱点，并更快推进到修复阶段。
匹配字段摘要
Vercel COO 拆解入站销售智能体：从 1000 行提示词到 14 条规则
Vercel COO Jeanne DeWitt Grosser 在 Office Hours 中介绍了公司入站销售智能体的搭建过程：由一名 GTM 工程师投入约 20% 时间，提示词由团队最好的 SDR 撰写，最初约 125 行，经过六周人在回路 QA 后把人工撤出。随着业务向上market 演进，提示词膨胀到 1000 行，团队随后把它拆成规则与判断两部分，入站流程最终由 14 条确定性规则驱动，模型只负责原本需要人来判断的环节。当线索进入时，系统会查询 Salesforce 判断该账户是否存在未关闭商机，若有则直接路由给客户经理。整套入站职能的推理与基础设施成本约为每年 1000 美元。
匹配字段摘要
GLM 5.3 上线 Amazon Bedrock，753B MoE 模型面向编码与长程智能体任务
Z.ai（智谱）的 GLM 5.3 已在 Amazon Bedrock 上线，据 Hugging Face Hub 发布信息，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务优化。Bedrock 提供全托管 API，支持跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。相比 GLM 5，官方称其在 DeepSWE、Terminal Bench 3.0、FrontierSWE 等编码基准上有竞争力，并在 CyberGym 基准上测得 84.5 分。
![[Amazon Bedrock Playground screenshot showing chat interface with GLM 5.3 model explaining symmetric vs asymmetric encryption. Response includes detailed comparison with checkmarks and X marks highlighting key differences, examples like AES and RSA, a]](/api/site/image-proxy?v=1&u=https%3A%2F%2Fd2908q01vomqb2.cloudfront.net%2Ff1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59%2F2026%2F10%2F05%2FScreenshot-2026-10-05-at-6.11.23%25E2%2580%25AFPM.png&mode=body-640&exp=1793686200&sig=7NxcCIlBH87mjvyMwJgdAIcfQntkLMJ4HClz8eSr3C0)
匹配字段摘要
Reflection AI 发布 Beam：501B 开源权重 MoE 模型，23B 激活参数面向编码与智能体任务
Reflection AI 发布首款开源权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、每 token 激活 23B，面向编码、推理与智能体工作负载。该模型预训练使用 23.8 万亿 token，在 6,144 块 NVIDIA GB300 NVL72 GPU 上不到 4 周完成，中训练将有效上下文扩展至 1M token；强化学习阶段用 10.5K 块 GB300 GPU 运行 4 周，生成超 1 亿次 rollout。Reflection 报告 Beam 在 SWE-bench Verified 得分 80.9、Terminal Bench v2.1 得分 80.1，目前处于最终红队测试阶段，通过 Reflection 平台候补名单提供早期访问，Apache 2.0 权重计划于本月晚些时候发布。
匹配字段摘要
Hao AI Lab 开源 Minecraft 智能体 Jev，提示词进化无需训练
Hao AI Lab 开源了能在 Minecraft 中与真人对抗的智能体 Jev，通过 SOTA LLM 智能体加人工监督从机器人自身日志中进化提示词，全程不做训练。在 1,795 轮对局后，Jev 在与真人玩家的 Block UHC 对战中赢下 70% 的回合；与满技能脚本对手对战时，v1 每轮皆负，不到两小时后 v9 每轮皆胜。其决策基于 DiffusionGemma 上的 DJev 单次前向传播，不生成任何 token，开源推理引擎 DJev-serve 在 NVIDIA GB200 NVL72 与 B200 上以单张 CUDA graph 运行，每次决策 24 ms，比某主流推理引擎快 2.5 倍。
匹配字段摘要
UCSD Hao AI Lab 开源 Minecraft 智能体 Jev，提示词进化无需训练
UCSD Hao AI Lab 开源了 Minecraft 智能体 Jev，在 1,795 轮对局后公布其工作方式。它不训练模型，而是由 SOTA LLM 智能体在人工监督下从机器人自身日志中进化提示词；在 Block UHC 对真人玩家赢下 70% 的回合。每次决策在 NVIDIA Blackwell 上耗时 24 ms，团队称比某主流推理引擎快 2.5 倍，并开源了推理引擎 DJev-serve，在 GB200 NVL72 和 B200 上以单次 CUDA graph 完成每个决策。
匹配字段摘要
Hao AI Lab 开源 Minecraft 智能体 Jev，1,795 轮后胜率 70%
Hao AI Lab 开源了在 Minecraft 中作战的 LLM 智能体 Jev，经过 1,795 轮对局，它在 Block UHC 中战胜真人玩家的比例为 70%。该智能体不做训练，而是由带人工监督的 SOTA LLM 智能体根据自身日志进化提示词；据其说明，面对满技能脚本对手时 v1 全败，不到两小时后 v9 全胜。每次决策为 DJev 在 DiffusionGemma 上的一次前向传播，不生成 token，在 NVIDIA Blackwell 上耗时 24 ms，比某领先推理引擎快 2.5 倍，其开源引擎 DJev-serve 在 NVIDIA GB200 NVL72 和 B200 上以单个 CUDA graph 执行每次决策。
匹配字段摘要
Artificial Analysis 独立评测 Reflection 开源模型 Beam
Artificial Analysis 获得 Reflection 授权，正在对 Beam 进行独立评测。早期指标显示，Beam 在同等智能水平下可能是其见过 token 效率最高的开源模型之一。Reflection 此前宣布 Beam 为高效智能体开源模型，总参数 501B、激活 23B，主打前沿推理效率与编码及智能体任务，完整权重将于本月发布。
匹配字段摘要
Anthropic 的 Cowork 任务从本地改为云端运行
Anthropic 员工 Felix Rieseberg 表示，Cowork 的任务从明天起改为在云端运行，模型推理和 VM 都放在云端，每个会话拥有独立沙箱，会话结束后沙箱销毁。桌面应用仍负责访问用户电脑上的文件，但只限于用户明确加入会话的文件夹，与旧版本一致。旧版本在本地运行 Anthropic 提供的 VM，用户反馈其磁盘、电池和性能开销较大，且合上笔记本后任务就会中断。
匹配字段摘要
Reflection 发布开源权重模型 Beam，对标中国开源模型并压低算力成本
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上与中国领先开源模型持平，且推理算力消耗少 3-4 倍。Beam 为文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练 23.8 万亿 token，上下文窗口 100 万 token；对比 Z.ai 的 GLM-5.2 总参数约 7440 亿、激活 400 亿。公司称本月将公开权重与完整技术细节，并通过超大规模云厂商和 neocloud 分发，性能主张尚未经独立验证。
匹配字段摘要
Etched 被报出 400 亿美元以上估值的融资报价
据知情人士透露，AI 芯片初创公司 Etched 正在评估新一轮融资报价，估值从顶级投资方的 400 亿美元到较小投资方的 500 亿美元不等，谈判尚处早期。两个月前该公司刚以 210 亿美元估值完成 7 亿美元融资，其自研芯片主打推理加速，Jane Street 领投上一轮并已接收早期系统，公司称已获得 10 亿美元客户订单。
匹配字段摘要
Reflection 推出 Beam 开源智能体模型，总参数 501B、激活 23B
Reflection 发布 Beam，这是一个高效的智能体开源模型，总参数 501B、激活参数 23B，强调前沿推理效率，并在编码与智能体任务上推进西方开源前沿，且从零开始端到端训练。完整权重将于本月发布。Hugging Face CEO Clément Delangue 转发了这条消息。
匹配字段摘要