StarSkirmish v0.2 基准：让 LLM 用一小时写 StarCraft 机器人
StarSkirmish Bench v0.2 让每个 LLM 在一小时内用 C++ 写一个 Protoss 机器人，再与 13 个对手机器人对战，按胜率计分。
#推理
Hacker News · AI 高分帖AI 评分6060 X · Anthropic精选AI 评分6262 Anthropic 用 Claude Mythos 5 设计出更高效的量子电路
Anthropic 的 STEM Fellows Program 发布新成果，Claude Mythos 5 在给定自然语言指令后设计出量子电路，效果优于已发表的最优电路，部分情况下提升一个数量级甚至更多。更高效的电路可减少量子算法所需资源，有望让化学和材料科学领域的量子计算应用更早落地。
选题角度：Anthropic 官方披露 Claude Mythos 5 按自然语言指令设计量子电路，效果超过已发表最优结果，适合做效果对比解读。
TechCrunch · AIAI 评分5858 Elorian 发布首个模型 Glimpse，主打用图像推理而非描述图像
Elorian 发布首个模型 Glimpse，以研究预览形式上线，提供 API 访问，聊天界面仅限候补名单。Glimpse 在推理过程中可裁剪图像区域、抽取视频帧或运行代码来测量和比较所见内容，Elorian 称之为 visual scratch space。
X · 宝玉AI 评分5757 宝玉用 handwired 把普通代码变成零误差神经网络并做成教学视频
宝玉学习 handwired 后做了倒计时、贪吃蛇等例子，并发布教学视频《把代码变成神经网络：不训练、一个数都不差，这有什么用》，含英文版和中文版。
The DecoderAI 评分6262 Google Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，但测试方法影响巨大
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试设置取得 97.5% 得分，成本 4800 美元，成为继 OpenAI 之后第二家跨过 95% 的 AI 实验室，仅次于 GPT-6 Astra 的 99.9%。
The DecoderAI 评分4848 AI 可解释性接近突破了吗？一篇新文章让研究者意见分裂
前 OpenAI 研究员 Cammarata 提出，可解释性领域最著名的"猫-车神经元"等案例可能被误读，实为 V 形检测器，而非 superposition 的证据，他称之为"递归泛化"。
公众号 · 新智元精选AI 评分6060 OpenAI前研究员Nick Cammarata发布长文：约90%神经元各有一个主要任务
OpenAI前研究员Nick Cammarata与Goodfire团队发布长文《神经网络早已「干净」》，提出神经网络内部计算有规律可循，而非一团混乱。团队在320亿参数语言模型中分开统计神经元正负响应，粗略估计约90%各有一个主要任务，约2%至4%仍未理解，并公开了1000份随机神经元研究报告。
选题角度：原文给出钱包归还、圣诞老人等具体神经元干预实验和90%神经元单一任务的统计，适合做可解释性研究的效果对比解读。
公众号 · 新智元AI 评分4848 StartLux-Decision 新版本发布：断层领先 Jev，登顶决策模型 SOTA
StartLux 发布全新 StartLux-Decision，距上个版本仅 10 天，在 Decision Index 0.3 上实现全尺寸领先，27B AutoThink 拿下 73.37 分，远超 Jev hosted 版 57.96 分。
X · AKAI 评分1818 Hybrid Reasoning Agents 论文发布
Hybrid Reasoning Agents 论文公开，链接为 https://t.co/L6Tmk4Oy2q 与 https://t.co/pdWodo7q2R。原文未披露模型、参数规模、benchmark 分数或可用性等具体信息。
公众号 · 夕小瑶科技说AI 评分3030 Google 在 Willow 量子芯片上验证「魔法态培育」，错误率降低 40 倍
Google Quantum AI 团队在 105 比特量子芯片 Willow 上验证了「魔法态培育」技术，成果登上《Science》，将错误率降低 40 倍，实现 99.99% 的逻辑保真度。
公众号 · 新智元AI 评分3838 清华北邮联合提出 DIVA：离散扩散视觉语言模型面临跨步条件传播越狱风险
清华大学与北京邮电大学提出白盒视觉越狱攻击方法 DIVA，利用离散扩散视觉语言模型的跨步条件传播特性，在 HADES 基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 的平均 ASR 分别达 58.80%、67.73%、69.07%。该方法通过跨模态意图混淆与扩散感知对抗优化，在像素约束内构造类别级共享扰动，且不修改模型权重与解码流程。
Hugging Face BlogAI 评分3636 Granite Switch 4.1 发布：一个端点搞定对话、决策与语音
Hugging Face 发布 Granite Switch 4.1，Granite-Switch-4.1-8B 和 -30B 在单一托管端点内整合对话、通用与专用决策及语音转文字能力。
量子位AI 评分5858 蚂蚁百灵开源 Ling-3.1-flash，主打真实工作流任务交付
蚂蚁百灵开源推出 Ling-3.1-flash，主打把真实工作流里的活干完，已接入蚂蚁内部桌面协同 Agent 客户端「小虎」。
The DecoderAI 评分5858 OpenAI 今年或发布一到两款新模型，旗舰仍需对齐工作
据 The Information 援引知情人士，OpenAI 员工称公司年底前可能发布一到两款新模型，但正在开发的重大升级旗舰是否在其中尚不清楚。
X · 宝玉精选AI 评分6565 Cheng Lou 开源 Handwired：手写权重把程序逻辑变成免训练神经网络
Midjourney 工程师、前 React 核心成员 Cheng Lou 开源了玩具项目 Handwired，把程序里的 if-else 和循环改写成手写权重的神经网络，无需训练，输出与对应 JavaScript 程序完全一致，可在浏览器运行，代码以 MIT 许可开源。
选题角度：原文给出三个可直接在浏览器打开的 demo 和手写权重改写 if-else 的具体算式，适合录屏跑 Mini OS 与 10 万份 JSON 实时搜索看效果。
Reddit · AI 大众社区精选AI 评分6262 GPT-6.1 Sol 审查近 800 篇数学论文，6% 存在重大错误
GPT-6.1 Sol 审查了近 800 篇数学论文，发现 6% 存在重大错误，另有 30% 存在小错误。研究人员估计其重大发现的 90% 是正确的。随着 AI 使用率上升，较新论文的重大错误率降至 1.5%。
The Decoder精选AI 评分7878 GPT-6-Astra在50道理论物理研究题中解出49道，单题成本约2.40美元
一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题，运行在OpenAI Codex环境中的GPT-6-Astra答对49道（98%），平均每题成本不到3美元，整轮约116美元。
选题角度：原文给出50道理论物理题的完整榜单和每题成本，适合做一次多模型同题实测对比，重点看GPT-6-Astra与Opus 5.5的差距和联网与否的分数变化。
Reddit · AI 大众社区AI 评分5050 用 Claude Opus 5.5 破解《超级马力欧 64》30 年庭院牌匾之谜
有人用 Claude Opus 5.5 破解了《超级马力欧 64》庭院牌匾 30 年未解之谜，还原出文字为 "Eternal Star / We hope so"，字体是 Adobe 1990 年的 Palatino Bold Italic。
公众号 · 智东西精选AI 评分7171 阶跃星辰开源Step 5 Preview，600B总参数登OpenRouter周榜第二
阶跃星辰正式开源Step 5 Preview模型权重，BF16、FP8两个版本同步上线Hugging Face和ModelScope。该模型采用稀疏MoE架构，总参数量600B、激活参数27B，支持100万Token上下文窗口，在Artificial Analysis Intelligence Index取得44分，位居全球开源模型前三。
选题角度：原文给出开源权重下载入口和与Claude Opus 5的成本对比，适合实测同一任务下Step 5 Preview的百万token长上下文表现。
公众号 · 新智元AI 评分3838 阶跃星辰开源 Step 5 Preview，首套 1024 卡昇腾 Atlas 950 超节点同步点亮
阶跃星辰 10 月 15 日正式开源旗舰模型 Step 5 Preview，采用稀疏 MoE 架构，总参数 600B、每 Token 激活 27B，支持 1M Token 上下文窗口和图像、视频多模态输入。
Hugging Face BlogAI 评分5252 Apertus 1.5 发布：8B 和 70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0，新增图像和音频理解、可选思考模式、4 倍长的上下文窗口、更好的指令遵循和工具调用能力，权重于 2026 年 7 月 24 日以 Apache 2.0 协议发布在 Hugging Face。
X · 歸藏AI 评分4242 JEV 1.14.0 更新：支持多模态，上下文提升至 262K
JEV 发布 1.14.0 大版本，正式支持多模态，官方称该模型原本就是多模态，只是首个版本未加入支持。新增 box 类型，模型可返回目标在图像中的位置；每次请求和每个回答的上下文均提升至 262K，多语言能力也明显改善。
最佳拍档AI 评分3434 约翰霍普金斯大学"通用权重子空间假设"论文解读：1200 个模型权重收敛共享低维子空间，自媒体"所有 AI 是同一模型"说法被夸大
约翰霍普金斯大学论文《通用权重子空间假设》用 HOSVD 分析 1200 多个神经网络，发现不同任务、不同模态的模型权重倾向收敛到共享低维子空间。自媒体将其夸张为"所有 AI 都是同一个模型""只需 16 维"，但 16 维只是 SVD 截断口径，LoRA 共享同一基座，不同架构子空间互不对应。
X · Google DeepMindAI 评分2222 Gemini 4 Argon 已在量子计算、核聚变与蛋白质设计等领域取得科学突破
Google DeepMind 称 Gemini 4 Argon 已在量子计算、核聚变、蛋白质设计等领域解锁新的科学突破。该帖未披露具体基准分数、参数规模或可用性细节。
X · AKAI 评分2222 论文提出 Thinking Inertia：LLM 被要求停止思考时仍继续思考
一篇论文提出 "Thinking Inertia" 现象：LLM 在被明确要求停止思考时仍会继续思考。论文链接已随帖发布，未披露涉及的模型、参数规模或评测数据。
公众号 · 差评X.PIN精选爆款AI 评分7878 谷歌正式上线 Gemini 4 Argon，输出上限拉到 100 万 Token
谷歌正式上线新旗舰 Gemini 4 Argon，在 100 万 Token 原生多模态输入基础上把单次最大输出上限从前代 6.4 万提升约 16 倍至 100 万 Token，输入输出共享同一上下文池。
选题角度：用同一提示词对比 Gemini 4 Argon 与 Claude 的生成成本与画面稳定性，原文给出 1.2 美元对 8 美元的具体差异。
公众号 · 智东西精选AI 评分7878 Gemini 4 Argon 全球上线，API 限时五折
谷歌宣布旗舰模型 Gemini 4 Argon 即日起全球开放，开发者和企业可通过 Google AI Studio 及 Gemini platform 的 API 使用，Google AI Ultra 订阅用户可在 Google Antigravity 中使用。
选题角度：谷歌给出 Gemini 4 Argon 的全球开放入口、五折 API 价格和多个多步骤工具调用演示，适合上手实测同一复杂任务的实际执行效果。
公众号 · 新智元精选AI 评分8585 谷歌发布 Gemini 4 Argon，主打物理推理与具身智能
谷歌发布通用物理推理模型 Gemini 4 Argon，官方称其打通机器人技术栈中的物理理解、代码生成与视觉语义推理，在具身推理基准 ERQA 上以纯推理拿下 87%。
选题角度：原文给出大量实测案例和与 Opus 5.5、GPT-6 Astra 的耗时成本对比，适合做上手实测加效果对比。
公众号 · 新智元精选AI 评分6666 陶哲轩发表《数学2.0》演讲：AI把数学界从证明稀缺推向证明过剩
菲尔兹奖得主陶哲轩在加州理工学院发表题为《数学2.0》的演讲，提出数学已从「证明稀缺」的数学1.0时代进入「证明过剩」时代。
选题角度：陶哲轩把数学从证明稀缺推向证明过剩，用抗癌药思想实验讲清AI给出答案却无人能懂的风险，适合做一期观点解读。
最佳拍档AI 评分2626 前英特尔CEO帕特·基辛格：AI让芯片设计缩到3个月，物理交付仍要9个月
前英特尔CEO帕特·基辛格在a16z播客中表示，AI已把芯片设计压缩到3个月，但流片、封装、机架交付仍需9个月，瓶颈从"画出来"转向"做出来"。他称HBM是"糟糕的内存"，认为30年来首次内存创新临近，行业市值4年涨了2.5万亿美元，上百家AI芯片公司终将收敛。他还判断铜正在死去，2028-2029年光学I/O迎来转折。
公众号 · 新智元精选AI 评分8888 谷歌 Gemini 4 Argon 全球上线，Pro 与 Ultra 用户可体验
谷歌发布新一代旗舰模型 Gemini 4 Argon，Pro 用户可在 Gemini 应用和搜索 AI 模式中体验，开发者可通过付费 API 在 AI Studio、Android Studio 调用，Ultra 用户还可在 AI Studio 和 Antigravity 中使用。
选题角度：官方给出19项基准中13项最高、百万token窗口首发价减半，适合做跑分与定价的横向对比解读。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 4 Argon 并公布安全报告
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安全报告，说明其在编码、金融、法律、网络安全和科学等复杂任务上的能力提升。
选题角度：原文给出 Gemini 4 Argon 在网络安全与生物风险上的具体防护数据和误对齐监控案例，适合做安全报告解读。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-24B-A2B，24B 参数仅 2B 激活的端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，这是一个 24B 参数、每 token 仅 2B 激活参数的推理模型，面向端侧私有 Agent，已在 Hugging Face 开源权重。
选题角度：Liquid AI 开源 24B-A2B 端侧推理模型，给出 M5 Max 上 184 tok/s 的实测数据和与 Qwen3.6-35B-A3B 的基准对比，适合上手实测本地跑 Agent 的速度与工具调用表现。
Hacker News · AI 高分帖精选AI 评分7878 Google 发布 Gemini 4 Argon 机器人模型
Google 发布面向机器人的 Gemini 4 Argon，官方称其在测试 3D 物理空间理解的 Embodied Reasoning（ERQA）基准上用纯推理取得 87%，超过其他前沿模型。
选题角度：官方给出 Gemini 4 Argon 在 ERQA 拿 87% 和四类机器人提示词示例，适合挑一个 MuJoCo 场景做上手实测。
X · Justine MooreAI 评分2020 Justine Moore：单个 LLM 提示词即可完成大量研究，Gemini 4 擅长海量数据分析
Justine Moore 表示，如今单个 LLM 提示词就能完成大量研究工作，并称 Gemini 4 尤其擅长分析海量数据并综合成洞察。她表示会在下方附上演示链接。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上用纯推理取得 87%，超过其他前沿模型。
选题角度：官方给出 ERQA 87% 成绩和四类机器人提示词示例，适合挑一个 MuJoCo 场景做上手实测或效果对比。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon，主打复杂工程与科研任务
Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Gemini app 和 Search 的 AI Mode 面向 Ultra 与 Pro 订阅者开放。
选题角度：官方给出 Argon 在 Chrome 重构、ADK 提速和机器人视频学习上的具体数字，适合挑一个案例做前后效果对比实测。
Google AI Blog精选AI 评分9090 Google 发布 Gemini 4 Argon，主打复杂工程与专业工作流
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini app 与 Search 的 AI Mode 使用。
选题角度：官方给出 API 定价、1M 上下文和多项内部实测数据，适合做一次能力盘点，重点讲 Chrome 重构与 ADK 提速这两个可验证案例。
公众号 · 智东西精选AI 评分7878 面壁智能发布 MiniCPM-V4.7 端侧多模态大模型，35B-A3B 版本约 3GB 内存即可运行
面壁智能发布新一代端侧多模态大模型系列 MiniCPM-V4.7，包含 35B-A3B 与 1B 两个版本，官方称 35B-A3B 是首个能在手机端流畅运行且能力无损的开源大模型。
选题角度：面壁智能发布端侧多模态模型 MiniCPM-V4.7，官方给出手机端 3GB 内存跑 35B-A3B 的实测数据，适合上手实测端侧推理速度与图文识别效果。
Two Minute PapersAI 评分3030 OpenAI 新 AI 正在做我们几乎无法理解的事
Two Minute Papers 讨论了 OpenAI 的新 AI 正在做我们几乎无法理解的事。视频未披露具体模型名称、参数规模或 benchmark 分数，仅提供相关论文链接，并感谢 Lambda 及 Patreon 支持者。