Rohan Paul@rohanpaul_aiAI 评分4242Major update from us @extropic Announcing Torx and Thermalizers, basically our version of PyTorch + kernels, but for Thermo hardware Also: Z1 is now taped out and in fabrication! Will be available on 0.5M pbit sticks, and 4M pbit PCIe cards +1 more thing at the end... enjoy! https://x.com/extropic/status/2084701185068732718/video/1
英伟达推出开源 Alpamayo 2 Super 自动驾驶模型，现已开放商业使用，采用 Linux Foundation 的 OpenMDW-1.1 宽松许可，覆盖微调、衍生模型和商业再分发。
AMD 2026 财年第二财季营收 115.36 亿美元，同比增长 50%，创历史新高；归母净利润 22.97 亿美元，同比增长 163%，毛利率提升至 54%。数据中心业务营收 67.18 亿美元，同比增长 107%。公司预计第三财季营收 127 亿至 133 亿美元，并已发布 Instinct MI400 系列 GPU、第六代 EPYC 服务器 CPU 等 AI 产品。
SpecForge v0.3.0 将目标模型推理与草稿模型训练分离，支持 EAGLE3、EAGLE3.1、P-EAGLE、DFlash、Domino、DSpark 等多种投机解码算法，并统一在线、离线与解耦工作流。
推荐理由：将目标模型推理与草稿模型训练分离，让两种工作负载可独立扩缩，改变了投机解码训练中资源配比必须硬编码的旧模式，资源规划可按模型和序列长度灵活调整。
Google 与 Broadcom、Apollo、Blackstone、摩根士丹利及多家加密矿企合作，为 Anthropic 提供价值 350 亿美元的 TPU 芯片融资，被英国《金融时报》称为史上最大基础设施融资项目之一。
Jensen Huang@JensenHuangAI 评分7676NVIDIA Alpamayo 2 Super 现已开放商用，基于 Cosmos 3 Super Reasoner 构建，采用强化学习后训练，支持轨迹预测、因果链推理、元动作、自动标注及视觉问答等多任务输出。
推荐理由：开放商业许可与可解释推理输出结合，自动驾驶团队能直接审查模型决策链，为安全验证提供透明度，降低从研发到商用部署的转换成本。
作者在国际数学家大会采访二十余位数学家，探讨 AI 快速进展对数学职业的冲击。菲尔兹奖得主 Jacob Tsimerman 宣布加入 OpenAI 安全团队并认为 AI 很快将在数学上稳健超越人类。
AI 基础设施公司 Runware 推出模块化数据中心 Sonic Inference Pod，这是一种可运输的独立计算单元，旨在以更低成本提供更高质量的推理服务。
一项借助 AI 完成、声称推翻考拉兹猜想的 Lean 形式化证明被确认无效。形式化验证专家 Ramana Kumar 于 7 月 25 日在 GitHub 发布项目，称在 Lean 中证明“存在一个无法到达 1 的数”，但随后发现相关方法甚至能让 Lean 无条件接受“False”。
Qwen@Alibaba_QwenAI 评分6060已上线，可立即构建。感谢邀请！@OpenRouter。开源权重即将发布。⚡️
Qwen3.8 Max by @Alibaba_Qwen is live on OpenRouter. The new flagship has 2.4T parameters (95B active) and is built for long-horizon coding, research, and multimodal agent work. Open weights are due next week, a first for a Qwen Max-class model. https://openrouter.ai/qwen/qwen3.8-max
OpenAI 将前沿模型 ChatGPT 5.6 Luna 价格下调 80%，每百万输入 Token 降至 0.20 美元，中端模型 5.6 Terra 降价 20% 至每百万输入 Token 2 美元，以应对月之暗面 Kimi K3 和 DeepSeek V4 Flash 的竞争。
AI 供给持续紧张，但价格不降反升：Anthropic 7 月 24 日发布的 Fable 5 定价每百万输出 token 50 美元，翻倍于 Opus 5；OpenAI 则在五天后将 GPT-5.6 Luna 价格下调 80%。
推荐理由：作者用各家财报与定价数据梳理分层定价如何延续杰文斯悖论，并指出路由器可能成为新的战略层。
Rohan Paul@rohanpaul_aiAI 评分5454An internal version of our next major model produced 10 new results on long-standing open problems in mathematics and theoretical computer science, using roughly $2,000 worth of tokens at GPT-5.6 Sol API rates.
Rohan Paul@rohanpaul_aiAI 评分4444Today, we’re releasing Athena (mvrko-sim-1), the flagship Large Event Model from @markopolo_ai that beats GPT-5.6, Claude Opus 4.8, and Claude Sonnet 5 in OPeRa public benchmark for Shopping behaviour prediction! Athena introduces a completely different approach to understanding digital behavior. Most systems record actions after they happen. Athena models the sequence behind them to predict what a shopper will do next and exactly where they will do it, before the action even takes place. Athena vs. frontier models: We evaluated Athena on the full OPeRA test set alongside GPT-5.6, GPT-4.1, Claude Sonnet 5, and Claude Opus 4.8. Athena achieved 24.5% strict exact match scoring the highest among the five models evaluated. Athena is not a general-purpose language model. It is a Large Event Model built to understand behavior as a connected sequence. It combines the page someone is viewing, the actions that brought them there, and the goal they are trying to complete and then predicts the exact next browser action and target element. That distinction matters. Today’s digital systems largely react after someone clicks, abandons, purchases, or leaves. Athena creates the foundation for systems that can understand what is likely to happen before the outcome. Together with @RubaiyatFarhan, and the team at @markopolo_ai, we built Athena from years of work on shopper behavior, digital journeys, and behavioral intelligence. Commerce was our first proving ground. Great thing is, we’re now releasing Athena publicly so builders can adapt the model to new datasets, industries, and problems. We’re seeing early usecases in Cyber Security, Gaming, Mobile App Ecosystem, Retail and more! Athena is now live on Hugging Face! We built the foundation for relevance and predictability! Now, let’s see what the world builds on top of it. Links in the first reply.
SemiAnalysis 发布长文，系统拆解 Kimi K3 的核心架构技术。文章从线性注意力、DeltaNet、Gated DeltaNet 推导出 Kimi Delta Attention（KDA）。
更智能的AI模型可能将算力价格推高至当前的10倍。智能提升带来的推理成本增长，将直接传导至算力市场定价。这一趋势源于模型能力与计算资源需求的正向关联，而非单一技术突破。
Gary Marcus 称 OpenAI 的 Astra 可能并非其宣传的突破，Anthropic 数学家 Levent Alpöge 用已公开的 Fable 模型在 24 小时内复现了 OpenAI 半数结果，质疑其真实进展。
Cloudflare 在 Workers AI 上通过三项技术优化 Kimi K2.6 与 GLM 5.2 的推理效率：将 KV 缓存从 BF16 降至 FP8。
Qwen3.8-Max正式版发布，2.4T参数、单次激活95B、100万上下文，综合能力与Kimi K3同档，定价$2/百万输入、$6/百万输出，约为Opus 5的30%、K3的50%。除旗舰模型外，Qwen还将开源供本地部署的Qwen3.8-27B小模型。
Cogent AI 发布 VR-1，一款专为网络安全后训练而非通用编码能力附带产出的推理模型，并同步推出评测基准 IntrusionBench 与安全智能体运行时 Cogent AI Harness。
Onton 发布神经符号搜索模型 Ontology 1，在 90 条查询基准 Subtext-Decor-90 上平均 precision@10 达 0.630，超过 Google Shopping（0.543）和 Amazon（0.469），且索引量仅为后两者目录的约 1%。
OpenAI 内部测试的新模型 Astra 在数学问题上表现惊艳，但 Gary Marcus 指出相关讨论犯了“合成谬误”：擅长某类数学不等于擅长所有数学、科学乃至一切认知任务。数学之所以成为突破口，是因为它便于用符号工具验证且能廉价生成海量合成数据，而开放世界问题无法如此模拟。此外，OpenAI 未公布方法细节，尚无法评估其真实意义。
推荐理由：从合成谬误切入，剖开 Astra 舆论热潮的底层逻辑，并指出数学成功依赖于可验证性与海量合成数据，而多数真实问题没有这种特权，提醒对通用性期待需克制。
Thinking Machines Lab 发布开源权重 MoE 模型 Inkling-Small，总参数 276B、激活参数 12B，约为 975B 总参数 Inkling 的四分之一，原生支持文本、图像和音频推理，上下文窗口达 1M tokens，权重以 Apache 2.0 协议在 Hugging Face 上提供。
François Chollet@fcholletAI 评分4545There are essentially two main options to remedy this: 1. Find ways to perform active inference, so that the model adapts its learned program in contact with a new data distribution at test time. Would likely lead to some meaningful progress, but it isn't the ultimate solution, more of an incremental improvement. 2. Change the training mechanism to something more robust than SGD, such as the MDL principle. This would pretty much require moving away from deep learning (curve fitting) altogether and embracing discrete program search instead (which I have advocated for many years as a way to tackle reasoning problems...)
AMD 发布 Instella-MoE-16B-A3B，一个完全开源的混合专家（MoE）大语言模型，总参数 16B，每个 token 仅激活 2.8B 参数，在 Instinct MI300X 和 MI325X GPU 上从头训练。
Karina@karinanguyenAI 评分5757An internal version of Astra, @OpenAI’s next major model family, solved 10 major open problems in mathematics, quantum complexity, and theoretical computer science. We believe it will be a major step for scientific reasoning. https://openai.com/index/ten-advances-in-mathematics/
OpenAI 于 2026 年 5 月推翻悬置多年的“单位距离猜想”，一周后人类研究者借鉴其核心技巧又推翻另一重大猜想。Epoch AI 的 FrontierMath 开放问题测试迎来第二个解，OpenAI 新模型 Astra 发布时附带十个难度各异的解答。
Tibo@thsottiauxAI 评分5555是的，非索菲群确实存在：这一陈述是 Astra——我们的下一个重大模型——所证明的众多新的漂亮结果之一。 我们正在发布 10 个这样的 Astra 证明，每个都附有完整的 Lean 证书和思维链（CoT）详解。这些结果范围广泛，从冯·诺依曼代数（对 Connes 刚性猜想的反证）到高维球填充、电路复杂度、多色图中的单色三角形等问题的更优界，等等。 更多想法见：https://openai.com/index/ten-advances-in-mathematics/
OpenAI 正式确认其“下一代主要模型家族”Astra，称内部版本已解决数学与理论计算机科学领域的十道开放难题，其中一道证明建立了非 sofic 群的存在性，相关领域数学家至少十年未获进展。
OpenAI 官方公布了在数学与理论计算机科学领域的十项进展，这些均为至少十年未解的难题，由下一代核心模型 Astra 的内部版本计算得出，按 Sol API 费率计算总 token 成本约 2000 美元。人类研究员协助撰写论文手稿并在 Lean 语言中完成形式化验证，但数学论证本身均由 OpenAI 系统生成。OpenAI 认为，完全由 AI 生成的证明不应被声称为人类独立撰写。
Noam Brown@polynoamialAI 评分7272An internal version of Astra, @OpenAI’s next major model family, solved 10 major open problems in mathematics, quantum complexity, and theoretical computer science. We believe it will be a major step for scientific reasoning. https://openai.com/index/ten-advances-in-mathematics/
Noam Brown@polynoamialAI 评分7575OpenAI 下一代模型家族 Astra 的内部版本解决了数学、量子复杂性和理论计算机科学领域的 10 个重大开放问题，包括计算永久式的新电路下界。OpenAI 认为这将是科学推理领域的一大步。
10 proofs from our next major model Astra on long-standing open problems in mathematics and theoretical computer science (also including new circuit lower bounds for computing the permanent!) GPT-5.6 has already enabled so much exciting work in math and science. Can’t wait to see what comes next!
OpenAI 正在开发代号 Astra 的新模型家族，通过协调多个智能体处理长时任务和复杂问题，CEO Sam Altman 本周已在华盛顿向政界和监管者演示。Astra 将作为首个接受美国政府新 AI 审查框架的模型，发布前需获联邦批准；该框架预计本周末前敲定。OpenAI 还计划发布报告，展示其最先进 AI 解决十个此前未解数学问题的能力。
Greg Brockman@gdb精选AI 评分7070是的，非索菲群确实存在：这一陈述是 Astra——我们的下一个重大模型——所证明的众多新的漂亮结果之一。 我们正在发布 10 个这样的 Astra 证明，每个都附有完整的 Lean 证书和思维链（CoT）详解。这些结果范围广泛，从冯·诺依曼代数（对 Connes 刚性猜想的反证）到高维球填充、电路复杂度、多色图中的单色三角形等问题的更优界，等等。 更多想法见：https://openai.com/index/ten-advances-in-mathematics/
推荐理由：OpenAI用内部Astra模型证明了10个重要数学猜想，成本才2000美元，这比论文本身更值得关注，理论领域可能从纯人力变成AI驱动的研究范式。
