GPT-6 家族模型选型指南
OpenAI 发布 GPT-6 家族模型指南，面向初创公司讲解如何在 GPT-6 系列中选型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备相关工作流。
#推理
#推理
今日 0 条OpenAI NewsAI 评分1919
MIT Technology Review · AIAI 评分6262 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 Google DeepMind 成员、AlphaGo 团队核心成员 Thore Graepel 撰文指出，当前 LLM 只是不断预测下一个 token，属于系统 1 式的快速直觉，其链式思维仍由同一套下一 token 预测生成，因此不构成真正的推理。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 的 Alex Zhang 在 Latent Space 播客中讲述其研究路径：从 GPU Mode、KernelBench 到递归语言模型（RLM），基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分8080 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户中开放，运行在 NVIDIA Blackwell GPU 上，token 生成速度最高可达 Astra Standard 模式的 8 倍。
推荐理由：原文给出 Ultrafast 模式相对标准模式的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
AWS Machine Learning BlogAI 评分3030 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群最终漏斗转化率取得高个位数相对提升，另一人群则无改善，问题出在内容而非模型。
Ars Technica · AIAI 评分6262 AI 首次在 Stratego 上击败史上最强人类选手，仅用 16 块 GPU 训练
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败被公认为史上最强的 Stratego 选手 Pim Niemeijer。
Hugging Face BlogAI 评分4040 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速推理
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入推测解码路径，解码最高提速 3.13x（端侧）和 2.66x（H100），端到端最高提升 2.62x 和 2.27x。
Latent SpaceAI 评分7474 TypeSafe AI 发布 Jev：面向软件而非聊天的 System 1 模型
TypeSafe AI 发布首个大型可编程模型 Jev，定位为面向代码消费的 System 1 模型，按每美元智能优化，而非面向聊天的指令跟随模型。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf v6.1 成绩单给出 Vera Rubin 与 GB300 的吞吐、扩展效率和软件优化数据，可用于比较推理基础设施的长期成本。
Google ResearchAI 评分3131 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，无需测试时 CoT 推理 token，即可满足多样性、覆盖度等集合级属性要求。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，均以 Apache 2.0 许可开源。
推荐理由：Granite 4.2 完整公开了预训练、SFT 与多阶段 RL 的数据配比和超参，可据此对比开源推理模型的训练路线。
Hugging Face Blog精选AI 评分6262 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 7/9 基准上超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始全精度模型蒸馏，而非从已恢复的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附与 QAT 的稳定性对比数据。
Hugging Face Blog精选AI 评分6060 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5 家族的三款模型 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：Liquid AI 给出三款 LFM2.5 草稿模型的实测吞吐与函数调用延迟数据，可据此判断端侧推理的可用性。
Import AIAI 评分3232 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench（Discovery in Games），包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，其中 21 款已公开。
Microsoft ResearchAI 评分3838 MindTopo 基准揭示多模态大模型的空间推理短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭性、顺序、分离与打结等拓扑概念上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，且整体远低于人类水平。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列操作时仍不可靠。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 进化式内核搜索框架，为 Apple Silicon 的 MLX 构建了后端和结构化 CUDA-to-MLX 翻译层，让现有 CUDA 内核作为知识库被自动适配为 Metal 内核。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以解决递归摘要带来的性能损失。在 CollabBench 协作编程任务中，基于重构的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文。
Hugging Face BlogAI 评分2828 PyTorch 性能分析（第三部分）：Attention 全解析
Hugging Face 博客发布《Profiling in PyTorch》系列第三部分，用 NVIDIA A100-SXM4-80GB 对 attention 做性能分析，对比朴素实现、原地操作、SDPA 与手写 kernel 四种写法在 profiler 中的差异。
Hugging Face Blog精选AI 评分6767 vLLM 的 transformers 建模后端实现原生推理速度
Hugging Face 宣布 vLLM 的 transformers 建模后端现在在许多 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。在 Qwen3-4B 单卡、Qwen3-32B 张量并行、Qwen3-235B-A22B-FP8 MoE 数据加专家并行三种配置下，该后端均追平或超过原生吞吐。
推荐理由：原文给出 transformers 后端在 vLLM 中达到原生速度的实测对比与单 flag 用法，读者可据此判断现有部署流程能否简化。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理最高提速 4 倍。该模型为 26B MoE 架构，推理时仅激活 3.8B 参数，量化后可放入 18GB 显存，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的开放权重与硬件实测数据，可据此判断本地低并发推理的取舍。
Hugging Face BlogAI 评分4848 Hugging Face 详解连续批处理中的异步调度：如何让 GPU 利用率提升 24%
Hugging Face 发文讲解如何在连续批处理中实现异步批处理，通过 CUDA stream 将 CPU 批次准备与 GPU 计算解耦并行，消除两者轮流等待的空闲间隙。
Hugging Face BlogAI 评分2222 AWS 基础模型训练与推理的构建模块：从预训练到推理的 OSS 栈与基础设施解析
AWS 发布系列文章，解析其基础设施如何与开源软件栈配合支撑基础模型全生命周期。文章指出扩展已从单一预训练曲线演变为预训练、后训练与测试时计算三条路径，并梳理了 Slurm、Kubernetes、PyTorch、JAX、Prometheus、Grafana 等 OSS 工具的分层架构。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一范式
自适应并行推理让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调它们，以解决顺序推理随探索量线性增长带来的上下文膨胀、context-rot 和延迟问题。
Hugging Face BlogAI 评分3232 vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考轨迹对齐：改用 processed_logprobs、显式设置 V1 运行时默认值、调整 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
Hugging Face Blog精选AI 评分8787 DeepSeek-V4 发布：面向智能体任务的百万 token 上下文
DeepSeek 发布 V4，在 Hub 上提供两个 MoE 检查点：DeepSeek-V4-Pro 总参数 1.6T、激活 49B，DeepSeek-V4-Flash 总参数 284B、激活 13B，均支持 1M token 上下文窗口。
推荐理由：DeepSeek-V4 用混合注意力把 1M 上下文的 KV cache 压到约 2%，并给出面向智能体任务的训练与沙箱设计。
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型的梯度规划器，让长时程规划更稳健
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得可行。现代世界模型虽能预测高维视觉空间的长序列观测，但长时程规划仍因优化病态、非贪心结构导致的局部极小值和高维隐空间失效模式而脆弱。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层次结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
Google DeepMindAI 评分3636 AlphaGo 十周年：从围棋到生物学，DeepMind 回顾其对 AI 与科学的深远影响
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年，称其“第 37 手”证明了 AI 能超越模仿人类、发现全新策略。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位为 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 向开发者开放预览。
推荐理由：官方给出定价、速度与基准数据，读者可据此判断高并发场景下是否值得替换 2.5 Flash。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.1 Pro
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证得分，超过 3 Pro 推理性能的两倍。
推荐理由：官方给出 ARC-AGI-2 得分与多产品线开放入口，可据此判断新模型在复杂推理任务上的位置。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题，与科研人员合作打磨。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩与开放入口，可据此判断其科研推理定位。
Google DeepMind精选AI 评分7474 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学与理论计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级标准。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3 Flash
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度兼顾，在 GPQA Diamond 得分 90.4%、Humanity's Last Exam 无工具 33.7%、MMMU Pro 81.2%、SWE-bench Verified 78%，定价为输入 $0.50/1M tokens、输出 $3/1M tokens。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断速度与成本之间的取舍。
Google DeepMindAI 评分4242 Google DeepMind 与 Kaggle 推出 FACTS Benchmark Suite，系统评估大语言模型事实性
Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共 3,513 个公开样例，另设私有留出集，由 Kaggle 管理并维护公开排行榜。