Anthropic 发布 Claude Sonnet 4.6，在编码、计算机使用、长上下文推理、智能体规划和知识工作等方面全面升级，并支持 1M token 上下文窗口（beta）。该模型现为 claude.ai 和 Claude Cowork 的默认模型，定价与 Sonnet 4.5 相同，起价 $3/$15 每百万 token。早期测试中，用户在 Claude Code 里对 Sonnet 4.6 的偏好度比 Sonnet 4.5 高约 70%，比 Opus 4.5 高 59%。
匹配字段摘要
蚂蚁百灵发布并开源旗舰级即时模型 Ling-2.5-1T，总参数 1T、激活 63B，预训练语料从前代 20T 扩展至 29T，支持最高 1M token 上下文。模型采用 1:7 的 MLA + Lightning Linear 混合线性注意力架构，引入正确性与过程冗余复合奖励机制，在 AIME 2026 上平均输出约 5890 token 即接近消耗 15k–23K token 的前沿思考模型水平。官方称其在复杂推理与指令遵循上优于 DeepSeek V3.2、Kimi K2.5、GPT 5.2，可适配 Claude Code、OpenCode 等智能体产品，但在复杂智能体交互和长程任务上仍落后于前沿模型。
匹配字段摘要、正文
Qwen 团队正式发布 Qwen3.5 系列首个开源权重模型 Qwen3.5-397B-A17B，这是一个原生视觉语言模型，在推理、编码、智能体和多模态理解等基准上给出完整评测结果。模型采用线性注意力（Gated Delta Networks）与稀疏 MoE 混合架构，总参数 397B、每次前向仅激活 17B，语言与方言支持从 119 种扩展到 201 种。托管版本 Qwen3.5-Plus 通过阿里云百炼提供，默认 1M 上下文窗口，并内置官方工具与自适应工具调用。
匹配字段摘要
Sarvam AI 发布 Akshar，一个构建在 Sarvam Vision 之上的文档智能工作台，从被动文本抽取转向主动推理，提供视觉定位、版面语义理解和块级抽取，并支持智能体自动校对与纠错。所有智能体操作都以可审阅建议的形式提交，由用户接受或拒绝。Akshar 已在 akshar.sarvam.ai 开放 Preview，2 月整月免费，用户可上传文档试用 Agent Mode，生产使用需加入等待名单。
匹配字段摘要
Sarvam AI 发布 Sarvam Edge，面向设备端推理推出语音识别、语音合成和多语言翻译模型。语音识别为 74M 参数的统一多语言模型，支持 10 种印度语言，端侧体积约 294MB（FP16），在 Snapdragon 8 Gen 3 上首 token 延迟低于 300 毫秒；语音合成 24M 参数、约 60MB，支持 10 种语言和 8 个多语言音色，首音频延迟 260 毫秒；翻译模型约 150M 参数、约 334MB，覆盖 11 种语言共 110 个语言对，首 token 约 200 毫秒。官方称该系列与全球设备厂商合作开发，推理完全在本地完成，无按次云端成本。
匹配字段摘要
Charlie O’Neill 认为，开源 AI 无需在通用能力上追平前沿模型，只需通过领域数据、强化学习和更低推理成本扩大可经济自动化的工作范围。多数企业任务依赖专有数据与特定工作流，专业化的小模型可能比通用前沿模型更快、更便宜且更贴合实际分布。随着开放模型能力提高和服务成本下降，专业化层创造的收入还可能反哺后续模型训练。
匹配字段摘要
蚂蚁百灵发布全模态大模型 Ming-flash-omni-2.0，基于 Ling-2.0（MoE 架构，100B-A6B）训练，相比 Preview 版本在全模态能力上有明显提升。该模型覆盖视觉百科识别、可控语音生成与图像生成编辑分割，官方称其为业界首个将语音、音效和背景音乐生成融为一体的模型，并首创将生成、编辑、分割融入单一原生模型。模型权重和推理代码已开源。
匹配字段摘要、正文
Qwen 团队发布下一代基础图像生成模型 Qwen-Image-2.0，将此前并行的生图与编辑两条路线合并为统一的生成与编辑模型。该模型支持 1k-token 指令直接生成 PPT、海报、漫画等信息图，原生支持 2K 分辨率，并采用更小的模型体积以提升推理速度。官方称在 AI Arena 盲测中，该模型在文生图与图生图基准上均取得更优表现。
匹配字段摘要
Prime Intellect 发布 Lab，把 Environments Hub、Hosted Training 和 Hosted Evaluations 整合为面向智能体后训练的全栈平台，覆盖大规模智能体 RL、推理与评测。平台以环境为核心，包含任务数据集、模型 harness 和评分 rubric，当前 Hosted Training 支持基于 prime-rl 的 LoRA 智能体 RL，后续将加入 SFT、DPO 等算法。私有测试期间已完成 3000 多次 RL 运行，Environments Hub 累计有 250 多位创作者构建 1000 多个环境、下载量超过 10 万次。
匹配字段摘要
蚂蚁大模型团队在隔离 VM 中部署开源项目 Moltbot（原名 Clawdbot），用 Ling-1T 驱动并接入 Discord 测试，验证了角色扮演、文档调研、代码编写等任务。文章将其架构拆为动态上下文主循环、Channels 与 50+ Skills、Cronjob 加 Heartbeat 主动机制、以 Markdown 文件为中心的记忆与工作区四部分，并总结出通用 Agent 公式：强力基座模型加工具集合加上下文管理加长期记忆加调度策略。作者同时指出赋予完整 OS 权限存在指令注入风险，对抗测试中可被诱导读取 ~/.ssh 等敏感目录，且高频推理的 token 成本可能超过设备本身，认为它目前更适合作为开发者的实验田。
蚂蚁大模型团队在隔离 VM 中部署开源项目 Moltbot（原名 Clawdbot），用 Ling-1T 驱动并接入 Discord 测试，验证了角色扮演、文档调研、代码编写等任务。文章将其架构拆为动态上下文主循环、Channels 与 50+ Skills、Cronjob 加 Heartbeat 主动机制、以 Markdown 文件为中心的记忆与工作区四部分，并总结出通用 Agent 公式：强力基座模型加工具集合加上下文管理加长期记忆加调度策略。作者同时指出赋予完整 OS 权限存在指令注入风险，对抗测试中可被诱导读取 /.ssh 等敏感目录，且高频推理的 token 成本可能超过设备本身，认为它目前更适合作为开发者的实验田。
匹配字段摘要、正文
SGLang RL 团队在 slime 框架上复现并落地了 INT4 QAT 端到端方案，训练侧用假量化加 STE，推理侧用 W4A16 真实量化，使约 1TB 规模的 K2 类模型可装入单张 H200（141GB）。消融实验显示，训练端假量化与推理端真实量化必须同时开启，否则训练与推理的 logprob 差异会明显增大；在 Qwen3-235B-A22B 和 Kimi-K2-Thinking 上，BF16 训练加 INT4 推理的奖励与评测分数走势与 BF16、FP8 方案基本重合。团队称 INT4 的主要收益来自显存压缩带来的单节点 rollout，因为 H 系列 GPU 没有原生 INT4 Tensor Core，其计算速度与 FP8 大致同档。
匹配字段摘要
Manus 博客列出 2026 年 7 款最佳 ChatGPT 替代品：Manus AI 主打自主任务与工作流自动化，Claude AI 擅长写作与自然对话，Google Gemini 适合 Google 用户与实时信息，Perplexity AI 适合研究与带来源的准确回答，Microsoft Copilot 面向商业生产力与 Microsoft 365 用户，DeepSeek 是免费且编程与推理较强的选择，Grok 主打实时信息与幽默风格。文章还从主要用途、预算和集成需求三方面给出选择建议。
匹配字段摘要
SGLang 发布高度优化的流水线并行（PP）实现，通过分块流水线并行、异步 P2P 通信和动态分块机制应对超长上下文推理。在 H20 集群上，PP4 TP8 部署使 DeepSeek-V3.1 的 Prefill 吞吐量达到 TP8 的 3.31 倍，比 TP32 方案高出 30.5%，同时 TTFT 最多降低 67.9%，强扩展效率达 82.8%。该实现兼容 PD 分离与 HiCache。
匹配字段摘要
LG AI Research 发布大规模模型 K-EXAONE，采用 128 专家的 MoE 结构，总参数 2360 亿、实际激活约 230 亿，并引入多 token 预测使推理速度约为现有模型的 1.5 倍。模型支持约 26 万 token 上下文，词表从约 10 万扩展到约 15 万，分词效率平均提升约 30%。后训练采用自研 AGAPO 强化学习算法与 GrouPER 偏好对齐方法，在 Artificial Analysis Intelligence Index 的开源权重模型中排名全球第 7、韩国第 1，模型已在 Hugging Face 和 Friendli AI 上线。
匹配字段摘要
Redis 作者 antirez 撰文称，近期 SOTA LLM 已能几乎独立完成大型子任务或中型项目，写代码在多数项目中已不再必要。他仅靠提示和偶尔检查代码，就在数小时内完成 linenoise 支持 UTF-8、修复 Redis 测试偶发失败、用 Claude Code 在 5 分钟生成 700 行纯 C 的 BERT 类嵌入模型推理库（比 PyTorch 慢 15%），并在 20 分钟内复现自己对 Redis Streams 内部结构的改动。他同时担忧 AI 权力集中和程序员失业问题。
匹配字段摘要
LG AI Research 在 NeurIPS 2025 上发布 SciNO（Score-informed Neural Operator），一种结合神经算子的函数扩散模型框架，可在高维数据下稳定、可扩展地进行因果推理。SciNO 基于 Hilbert 扩散模型与 Sobolev 空间理论，采用时间条件 Fourier Neural Operator（FNO）架构，理论证明神经算子能稳定逼近 score 函数及其高阶导数，克服了 SCORE、CaPS、DiffAN 等方法在高维下内存激增与导数估计不稳定的问题。
匹配字段摘要
Sebastian Raschka 回顾 2025 年大语言模型发展，认为主要进展来自 RLVR、GRPO、推理时扩展、工具调用及架构效率优化，而非单纯扩大预训练规模。他指出公开基准已难以可靠反映真实能力，并预测 2026 年 RLVR 将扩展到数学和编码以外的领域，本地工具调用与智能体能力会逐步普及。文章同时主张将 AI 作为提升专业工作的伙伴，而非完全替代人的思考、编码与研究。
匹配字段摘要
Ahead of AI 整理了 2025 年 7 月至 12 月值得关注的 LLM 研究论文，并按主题分类。清单涵盖推理模型、推理时扩展方法、模型发布与技术报告、架构、高效训练、扩散语言模型、多模态与视觉语言模型，以及数据和预训练数据集。
匹配字段摘要
FutureHouse 与 Caltech、牛津大学、Mila、AITHYRA 合作发布 OXtal，一个 100M 参数的全原子扩散模型，可直接从 2D 分子图预测可实验实现的 3D 有机晶体堆积结构。传统方法依赖大规模 CPU 物理模拟搜索，最近一次 CSP Blind Test 中预测 7 个目标就消耗 46M CPU 核心小时，而 OXtal 用生成式推理在单块 GPU 上数秒内给出预测。模型不使用硬编码对称性，而是在超过 600,000 个实验解析结构上训练并配合新的裁剪算法，以软对称性作为归纳偏置学习分子局部堆积规律。
匹配字段摘要
Gemini 3 Deep Think 模式今日向 Ultra 用户开放，通过并行思路在 ARC-AGI-2 和 HLE 等关键推理评测中取得明显提升。
Gemini 3 Deep Think 模式今日向 Ultra 用户开放，通过并行思路在 ARC-AGI-2 和 HLE 等关键推理评测中取得明显提升。 · Gemini 3 Deep Think mode is now available to Ultra users, using parallel lines of thought to achieve meaningful improvements on key reasoning benchmarks including ARC-AGI-2 and HLE.
匹配字段摘要