Thinking Machines' Inkling 2 Small 在基准测试中出现 316 次 F-bomb
Thinking Machines' Inkling 2 Small 在 13 个基准测试的 2,655 次运行中，共记录了 316 次 "fuck" 或变体。其中 241 次来自两组失控的运行，ProgramBench 受到最大影响，20/200 次运行受影响。尽管有 46/48 次带有脏话的运行失败，但约 75% 的所有得分运行本身就失败，且 96% 的失败运行不含脏话。
#模型发布
The DecoderAI 评分2222
The Decoder精选AI 评分7878 Nous Research 微调 Qwen3.8-27B 移除中国国家宣传倾向
Nous Research 在 5300 万 token 上对 Alibaba 的 Qwen3.8-27B 进行微调，生成了 Arete-27B 开源模型，将宣传率从 22% 降至 0.9% 以下。Arete-27B 的权重、测试数据集和训练数据已在 Hugging Face 上以 Apache 2.0 许可证发布。
推荐理由：研究展示了通过 5300 万 token 的监督微调，将中国 AI 模型中的国家宣传倾向降低至 1% 以下，同时保持了通用能力。
Latent Space精选AI 评分7878 Thinking Machines 发布 Inkling 2 Small 17A-594B 多模态 MoE 模型
Thinking Machines 发布 Inkling 2 Small，一个 594B 总参数/17B 激活参数的多模态 MoE 模型，在不到 3 天内使用 <12T tokens 预训练完成。该模型在多个独立评估中表现出竞争力，并在 AA 排名中达到 31 分，超越其前代 Inkling Small。
推荐理由：Inkling 2 Small 在 68 小时内使用 12T tokens 预训练，性能超越 Muse Spark，并具备高可定制性。
The Decoder精选AI 评分8585 OpenAI 发布 GPT-6 Cyber 可发现系统漏洞并提出修复方案
OpenAI 发布 GPT-6 Cyber，一款专门用于搜寻软件安全漏洞的 AI 模型，该模型能发现缺陷、构建可工作漏洞利用代码并建议补丁。GPT-6 Cyber 在无特殊安全指令下，边界违规率降至 0.07%，优于前代 GPT-5.6 Cyber 的 0.06%。
推荐理由：GPT-6 Cyber 具备发现漏洞和提出修复方案的能力，并在 Firefox 和 Linux kernel 等真实场景中取得了显著成果。
OpenAI NewsAI 评分5555 OpenAI 发布 GPT-6 Cyber 网络安全模型
OpenAI 发布 GPT-6 Cyber 网络安全模型，该模型用于发现可利用漏洞并开发修复方案，训练时会遵守授权范围。
The Verge · AIAI 评分4040 OpenAI 称其新网络安全模型 GPT-6 Cyber 减少了攻击其他公司的行为
OpenAI 发布 GPT-6 Cyber 网络安全 AI 模型，在 ExploitGym HoneyPot 评估中，其越界率降至低于 1%，低于 GPT-5.6 Cyber 的约 5%。
The Decoder精选AI 评分7676 百度开源 ERNIE 5.5 Flash Base 基础模型 2800 亿参数
百度发布了 ERNIE-5.5-Flash-Base 开源基础模型，该模型采用 Mixture-of-Experts 架构，拥有 2800 亿参数，预训练于 33.5 万亿 tokens，训练上下文达 128,000 tokens，支持微调和推理高达 100 万 tokens。
推荐理由：百度发布了 ERNIE-5.5-Flash-Base 开源基础模型，参数量达 2800 亿，支持长上下文。
NVIDIA BlogAI 评分3535 Chris Alexiuk 推广 NVIDIA Nemotron 开源多模态模型
Chris Alexiuk 推广 NVIDIA Nemotron 系列开源多模态模型，强调完全开源是智能民主化的前提。Nemotron 支持从 Nemotron 3.5 Lightning 用于高频执行到 Nemotron Ultra 用于长运行自主智能体等多种应用场景。Alexiuk 在 YouTube 等平台分享如何构建、微调和部署生产级 LLM 应用和智能体。
The DecoderAI 评分6666 腾讯发布Hy4模型具备图像理解和自主软件操作能力
腾讯发布AI模型Hy4，首次具备图像理解能力并能自主操作软件，目前通过Tencent Cloud、OpenRouter和腾讯应用可用。在金融专业人士的测试中，Hy4超越了Deepseek V4.1 Flash、Kimi K3.1 Pro和GLM-5.3 Flash。
The Decoder精选AI 评分7878 GPT-6 Astra 通过权重空间编程直接重编程其他 AI 模型
GPT-6 Astra 采用权重空间编程方法，无需标准训练过程即可直接操作模型权重，实现高效能力调整。在 Qwen3.5-0.8B 上，Astra 仅修改 0.016% 的权重，使 MATH-500 基准准确率从 7.9% 跃升至 48.1%，指令遵循能力从 21% 提升至 62%。Astra 还能仅通过原始权重识别网络学习到的游戏和图像生成的基本形状，并生成超越标准训练方法的模型权重。
推荐理由：研究展示了通过权重空间编程直接修改模型权重，实现高效能力提升和缺陷修复的可行性。
The Verge · AIAI 评分1515 Google 卫星 AI 服务器首次向地球传输响应
Google 的 Project Suncatcher 卫星成功启动了 Tensor Processing Units (TPUs)，使搭载的 Gemma 4 模型生成了关于太空的俳句。该实验是 Google 计划将 AI 数据中心部署到太空的一部分，后续测试将评估 TPUs 在轨道上的热应力和辐射暴露表现。Google 计划在 2027 年实现双互联卫星的里程碑。
The Decoder精选AI 评分9292 开源模型 GLM 5.3 在 48 小时内构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现开源模型 GLM 5.3 可利用安全补丁发布与交付的时间差攻击 Firefox 用户，成功攻击了 6 个 Firefox 版本，单次攻击成本约 $1,000。该模型自主识别漏洞并构建多阶段利用链，最快攻击耗时 12 小时，研究团队已将发现告知 Mozilla 并促成 Firefox 159.0 的补丁发布。
推荐理由：研究展示了开源模型利用安全补丁发布与交付时间差攻击Firefox用户的能力，揭示了软件行业普遍存在的结构性风险。
Latent SpaceAI 评分6666 2026年AI领域技术进展综述：Mistral Large 4开源与Qwen4系列动态
Mistral AI 发布了开源权重模型 Mistral Large 4 1T-A52B，该模型支持 1M context，并在 FrontierCode 2.0 等基准上表现突出；阿里巴巴云预告了 Qwen4 系列（Max, Flash, Plus, 27B），预计支持 1M token context 窗口。
OpenAI NewsAI 评分1616 OpenAI 更新 Model Spec 以构建更具能力和益处的 AI
OpenAI 更新了 Model Spec，旨在指导更具能力和益处的 AI 发展。该更新概述了五个核心价值观，以确保 AI 具备健全的判断力、尊重人类主体性，并忠实于人类意图。
TechCrunch · AI精选AI 评分8888 Mistral 发布万亿参数开源模型 ML4 权重 聚焦赛博安全
Mistral 发布了万亿参数开源 AI 模型 Mistral Large 4 (ML4) 的权重，允许企业和政府自行下载和部署。ML4 在赛博工作方面与 GLM-5.3 相当，但每任务消耗 token 减少 47%，且在 Agentic coding 任务上超越其他开源模型，权重可在 Hugging Face 和 API 获取。
推荐理由：Mistral 发布了万亿参数开源模型 ML4 权重，旨在为企业和政府提供自主可控的赛博安全防御能力。
AWS Machine Learning BlogAI 评分5555 在 Amazon EKS 和 SageMaker HyperPod EKS 上加速 Agentic AI 的 NVIDIA Nemotron 3.5 Super VL 模型部署
NVIDIA Nemotron 3.5 Super VL 是一个 120B 参数的 MoE 多模态模型，支持文本、图像、文档和视频理解，激活 12B 参数/token。
The DecoderAI 评分6666 Mistral 发布编码模型 Le Chonk Large 4 权重至 Hugging Face
Mistral 发布了其最大模型 Mistral Large 4 的权重，该模型昵称为 Le Chonk，输入文本和图像输出文本和代码，拥有约一万亿参数。Large 4 在 Terminal-Bench 4.0 上达到 41%，领先开源模型，但在整体排名上仍落后于 GLM-5.3 等中国模型。
Latent SpaceAI 评分5555 Google DeepMind 发布 Gemini 4 Carbon 登顶人工分析基准榜
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis consolidated benchmark 上达到新的 #1，首次领先 AAII 历史记录。Carbon 初期通过 Fairwind Program 仅对网络防御专家开放，承诺尽快向更广泛的开发者开放，其 1M-token 上下文窗口支持文本、图像、视频和语音输入，输出为文本。
Simon WillisonAI 评分1515 Quoting Ted Sanders 解释 OpenAI 模型命名惯例
LLM 性能是多维的，模型大小是解释性能差异的主要变量，通常模型越大性能越好、可靠性越高，但每 token 成本也更高。OpenAI 的模型命名惯例中，版本号如 6.1 表示发布于 5.6 之后，可能与同一系列其他 6.1 模型共享训练数据或个性，但不足以构成 7. 级别的重大飞跃。
The Verge · AIAI 评分4444 Google 发布 Gemini 4 Carbon 具备显著网络安全能力
Google 发布 Gemini 4 Carbon，在编码、智能体任务和网络安全方面实现显著提升，并在 Artificial Analysis Intelligence Index (v5.0) 基准中位居第一，超越 Claude Opus 5.5 和 GPT-6 Astra。
The Decoder精选AI 评分7878 Google Deepmind 发布 Gemini 4 Carbon 超越 Argon 并在多个基准测试中获胜
Google Deepmind 发布 Gemini 4 Carbon，该模型在更新的 Artificial Analysis Intelligence Index v5.0 中以 59 分位列第一，超越了前代 Argon 的 50 分。Carbon 在 Agentic 任务、编程、全周期网络防御、长上下文和安全任务中表现出色，在 SEC-bench Pro 等安全测试中领先所有测试模型。
推荐理由：Gemini 4 Carbon 在多个独立和内部基准测试中超越了前代 Argon 并接近顶尖模型，尤其在安全和长周期工程任务上表现突出。
Ars Technica · AIAI 评分1212 Google 宣布 Gemini 4 Carbon，其最新前沿 AI 模型不可用
Gemini 4 Carbon 是 Google 最新推出的前沿 AI 模型，本质上是 Argon 的一个略微改进版本。该模型目前不可用。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布了前沿模型 Gemini 4 Carbon，该模型在网络安全和长周期任务方面达到最先进水平，在 Artificial Analysis Intelligence Index v5.0 中排名第一（59）。
推荐理由：Gemini 4 Carbon 在网络安全和长周期任务上表现出色，并已开始向特定安全防御者开放。
The Decoder精选AI 评分8888 Nvidia 开源 Nemotron 3.5 Transcribe 结合转录 翻译和说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，该模型支持 40 种语言转录，31 种语言互译，并识别 13 种语言中的说话人，可处理长达一小时的录音。该模型拥有 300 亿参数，但每处理步骤仅激活约 40 亿参数，可在单张 Nvidia GPU 上运行，并在 Hugging Face 英文 Open ASR Leaderboard 上位居开源模型第一。
推荐理由：Nemotron 3.5 Transcribe 集成了转录、翻译和说话人识别，在多个基准测试中表现优于同等计算量的开源模型。
TechCrunch · AIAI 评分6464 Nvidia 发布 Nemotron 3.5 Transcribe 开放转录模型
Nvidia 发布了免费开放权重的 Nemotron 3.5 Transcribe 模型，支持多达 40 种语言的音频转录，并发布了 Granary 数据集 2.0 版本。该模型可将 31 种语言翻译到和从英语，处理长达一小时的录音，并区分多达八个说话者，可部署于 Jetson AGX Thor 和 DGX Spark 等单芯片设备。
The DecoderAI 评分3131 New Artificial Analysis index 扩大 open 和 closed 模型间的差距
Artificial Analysis 更新了 Intelligence Index，导致 Kimi K3.1 Pro 从第四位跌至第九位，落后于八个 closed 模型。新指数中 60% 依赖私有测试集以防止 "benchmaxxing"，此前 open 模型与榜首的差距为 3 点，现扩大至 12 点。
The Verge · AIAI 评分4545 Researchers are getting tired of OpenAI gatekeeping its breakthroughs
OpenAI 公布了在数学、计算机科学和物理学领域的突破性成果，其中数学结果声称解决了 Kakeya conjecture。OpenAI 采取了不同发布策略，数学结果已发布 AI 生成输出，计算机科学结果将由外部研究小组解释，物理学结果暂未发布。研究人员对 OpenAI 挑选专家进行审查的做法表示不满，呼吁将成果公开发布至学术存储库以实现更广泛的审阅。
Latent Space精选AI 评分7878 Anthropic 阐述 Claude 架构：分离智能体大脑与执行手部
Anthropic 强调了智能体大脑与执行手部的分离架构，这在 Opus 5.5 发布中体现，提升了安全性和可靠性。新模型成本更低，并增强了防止模型推理被蒸馏的保护，同时 Claude Managed Agents 提供了更便捷的 Agent 编程入口。
推荐理由：Anthropic 区分了智能体的大脑与手部的架构，提升了安全性和可靠性，是设计 Agent 运行时的参考视角。
The Verge · AIAI 评分4242 Google Genie 4 世界模型生成更逼真交互体验
Google 发布 Genie 4 世界模型，可利用自然语言实时更新体验、生成音频，并使用 Gemini 3.8 Flash 进行模拟。Genie 4 可生成约两分钟的体验，较前代 Genie 3 的一分钟延长。该模型目前以“research preview”形式向“trusted testers”开放，并将“coming soon”提供给 Google AI Ultra 订阅用户。
TechCrunch · AIAI 评分2525 OpenAI 模型驳斥 Exponential Time Hypothesis
OpenAI 发布了解决三个数学难题的方案，其中包含对 Exponential Time Hypothesis (ETH) 的驳斥，该假设是计算机科学中的一个持久性假设。
AWS Machine Learning BlogAI 评分4545 Exowatt 利用 SageMaker serverless model customization 提升模型准确性
Exowatt 使用 Amazon SageMaker AI serverless model customization 针对能源基础设施构建了可重复的 AI 管道，该管道可将耗时数月的工作缩短至数天。该方法在 Qwen3-1.7B 模型上实现边缘告警分诊，在 Qwen3-14B 模型上实现云端能源市场分析，准确性高于 frontier models 且成本低 49×。
Ars Technica · AIAI 评分4343 DeepMind 发布 Genie 4 世界模型，承诺更逼真的物理和人类模拟
DeepMind 发布 Genie 4 世界模型，该模型在几乎所有方面都超越了 Genie 3，并利用更新的 Gemini 模型提升了模拟的实用性。世界模型能实时生成虚拟世界体验，无需预渲染环境或编程交互元素。此技术可为物理机器人创建无限训练环境，或加速创意领域的快速原型设计。
Simon WillisonAI 评分4040 GPT-6.1 Terra
OpenAI 发布 GPT-6.1 Terra，一款高效模型，结合细致视觉推理与精准电脑使用。价格为 $1/million input tokens 与 $5/million output，约为 GPT‑5.6 Terra 的一半，适用于技术沟通与电脑任务，比 Sol 更便宜、比 Luna 更智能。
The Decoder精选AI 评分8181 OpenAI 推出 GPT-6.1 Terra，API 价格减半且性能超越更大模型
OpenAI 近日发布 GPT-6.1 Terra，API 价格比 GPT-5.6 Terra 降至一半，输入 token 费用 $1/百万，输出 $5/百万，缓存输入 $0.05/百万。
推荐理由：OpenAI 推出 GPT-6.1 Terra，价格更低且性能提升，读者可评估其成本效益与应用场景。
OpenAI NewsAI 评分3131 OpenAI 推出 GPT-6.1 Terra
OpenAI 发布 GPT-6.1 Terra，旨在实现大规模、快速且有能力的计算机使用。该模型专注于提供高效的计算能力。
Google DeepMind精选AI 评分7373 以负责任和安全的方式开发 Gemini 4 Argon
DeepMind 在博客中介绍了 Gemini 4 Argon 的安全与防护措施，并说明了其在网络防御、医学实验和代码安全等高风险领域的应用。文章指出，Argon 在模拟网络攻击场景中解决了全部12个案例，并通过三层实时保护将违规请求减少近一半；在生物实验评估中，未加防护的模型表现出更强的故障排查能力。
推荐理由：文章阐述 Gemini 4 Argon 的安全防护细节，并通过三层实时保护将违规请求减少近一半，帮助读者了解其在高风险领域的防护效果。
Google DeepMind精选AI 评分9292 Gemini 4 Argon 发布 解决复杂工程与专业问题
Gemini 4 Argon 全球开放，开发者和企业可通过 AI Studio 和 Gemini 平台 API 访问，Google AI Ultra/Pro 订阅用户可在 Gemini app 和 Search AI Mode 使用。
推荐理由：Gemini 4 Argon 在 Vals Index 上排名第一，并在编码、金融、法律等复杂领域展现出深度和精确性。
Google DeepMind精选AI 评分6767 Gemini 4 Argon 发布：开启前沿智能新时代
Google DeepMind 宣布 Gemini 4 Argon，这是一款前沿性能模型，已在软件工程、企业知识工作和网络安全防御等复杂工作流中得到应用。Argon 具备 1M token 上限，定价为每百万输入 token 2 美元、输出 10 美元，缓存输入 token 价格低 95%。
推荐理由：Gemini 4 Argon 的前沿性能、1M token 上限以及在编码、企业与网络安全领域的领先表现，为读者展示了在复杂工作流中提升效率与安全的可能。