Google 发布 Gemini 4 Argon 前沿模型，输出上限扩至 1M tokens
Google 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向部分可信网络防御者开放，后续再向开发者、企业和消费者推出，起售价为每百万输入 tokens $2、每百万输出 tokens $10，缓存输入价格低至输入价的 95% 折扣。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放》
#推理
Hacker News：AI 热帖同事件AI 评分7878 
Google@Google同事件AI 评分6868Google 发布 Gemini 4 Argon 模型，主打真实世界软件工程、知识工作和网络安全防御等复杂工作流的前沿性能。该模型提供业界领先的 1M token 输出上限。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放》
Google DeepMind@GoogleDeepMindAI 评分4747Google DeepMind：Blog精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。
推荐理由：官方发布给出了定价、输出 token 上限和多项基准成绩，读者可以据此比较它在编码与企业工作流中的实际位置。
Cerebras：BlogAI 评分4545 AlphaSense 如何用 Cerebras 快速推理让智能体研究实现交互式体验
AlphaSense 与 Cerebras 合作，用快速推理为 Generative Search 加速路由、查询生成和证据评估等高频模型调用环节，使系统能在同一响应窗口内完成更多推理步骤。这改变了架构取舍：不再把规划、检索、评估压缩进单个提示词，而是拆成多个专用模型调用，仍保持交互式体验。
OpenAI：官网动态精选AI 评分8080 OpenAI 披露并处置一起有组织的模型蒸馏攻击行动
OpenAI 披露其识别并处置了一起有组织的攻击行动，该行动旨在系统性提取模型受保护的推理内容，最早活动出现在 7 月第一周。
推荐理由：OpenAI 以当事方身份披露对抗性蒸馏攻击的细节、规模和处置方式，读者可借此了解前沿模型推理内容面临的共享安全挑战。
Hacker News：AI 热帖AI 评分5555 The AI Race Just Got Awkward：西方模型悄然采用 DeepSeek 的 KV cache 优化
作者认为西方实验室已悄然采用中国实验室公开的模型优化成果。DeepSeek 持续公开 KV cache 压缩技术，从 MLA 的约 15 倍压缩到 DeepSeek-V4.1-Flash 的 CSA2、跨层 cache 复用与 FP4 缓存，将全局 KV cache 降至每 token 890 字节，较 DeepSeek-V1 在长上下文编码场景降低约 437 倍。
MIT News精选AI 评分6161 MIT 等机构发布 Ataraxos，以极低成本战胜顶级人类 Stratego 选手
MIT、CMU、NYU 与 Stanford 的研究人员开发出 AI 系统 Ataraxos，在隐藏信息棋盘战棋 Stratego 上大幅超越世界顶级人类选手，论文发表于 Nature。
推荐理由：原文解释了 Ataraxos 如何用自博弈强化学习和决策时规划以远低于以往的训练成本战胜顶级 Stratego 选手，方法细节可直接对照其他隐藏信息博弈场景。
公众号：蚂蚁百灵精选AI 评分6767 蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级
蚂蚁百灵推出 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。
推荐理由：官方发布同时给出架构细节、多项长程任务实测结果和对比数据，读者可据此评估其在办公、医疗和软件研发场景的适用性。
IT之家·人工智能AI 评分6060 蚂蚁百灵发布 Ling-3.1-flash 模型：约 560B 总参数、25B 激活参数
蚂蚁百灵发布 Ling-3.1-flash 模型，总参数约 560B，每个 Token 激活约 25B 参数，上下文窗口上限为 1M。模型围绕通用智能体、搜索、日常办公和软件研发等任务优化，并提升医疗、金融和材料科学研究场景能力。模型开放为期两周的免费体验，期间服务长度为 256K，转付费后计划开放 1M 上下文，届时团队也计划同步开源。
vLLM 官方博客精选AI 评分6262 vLLM 分离式推理（Disaggregated Serving）实用指南
vLLM 官方博客发布分离式推理实用指南，讲解 vLLM v0.30.0 及以上版本中 prefill/decode 分离、无 GPU render 前端及两者组合的原理与运行方法。
推荐理由：作者来自参与开发的 IBM Research，给出 P/D 与 render 拆分的收益数据、适用场景表和可复用运行方法。
IT之家·人工智能AI 评分5454 微软研究院联合博德研究所推出生物学多模态 AI 研究系统 Project Quine
微软研究院于当地时间 29 日联合哈佛大学和麻省理工学院博德研究所推出实验性多模态 AI 研究系统 Project Quine，定位为生物学研究的“世界模型”，覆盖基因组学、蛋白质、化学、细胞状态和生物成像的联合表征，并与交互式推理框架结合。
Artificial Analysis 完整文章精选AI 评分6969 GPT-6.1 Sol 发布 7 天后接替 GPT-6 Sol，智能指数距 GPT-6 Astra 仅 1 分
OpenAI 发布 GPT-6.1 Sol，接替仅上线 7 天的 GPT-6 Sol，Artificial Analysis 智能指数比 GPT-6 Sol 高 4 分、比 GPT-6 Astra 低 1 分。
推荐理由：Artificial Analysis 用自家基准拆解了新模型的智能得分与每任务成本，读者可据此比较它相对前代和旗舰档的实际性价比。
Artificial Analysis@ArtificialAnlys同事件AI 评分6868同一件事，精选收录的是《GPT-6.1 Sol 发布 7 天后接替 GPT-6 Sol，智能指数距 GPT-6 Astra 仅 1 分》
上海人工智能实验室 InternLM：原创项目AI 评分4040 上海 AI 实验室发布 AdvancedMathBench：面向高等数学证明生成与验证的基准套件
上海人工智能实验室 InternLM 团队发布 AdvancedMathBench，用于评估语言模型构建与验证高等数学自然语言证明的能力，覆盖本科（UG）与资格考试（QE）级别。
IT之家·人工智能AI 评分5656 OpenAI 推出每月 500 美元 Pro 套餐，专享 Astra Ultrafast 最快模型
OpenAI 在 DevDay 2026 上推出每月 500 美元的 Pro 套餐，提供最高用量限额并专享其速度最快的前沿模型 Astra Ultrafast。该模型在 ChatGPT 工作和 Codex 中速度最高可达标准版 Astra 的 8 倍，且 Ultrafast 仅支持 Pro 500 套餐，Pro 200 套餐也再次对新订阅开放。
Rohan Paul@rohanpaul_aiAI 评分7474引用OpenAI@OpenAIGPT-6.1 Sol：以五分之一的价格提供接近 Astra 的智能。 它是当今可用的、在其性能水平上最具成本效益的模型。
OpenAI@OpenAIAI 评分5555OpenAI 发布 GPT-6.1 Sol，称其具备接近 Astra 的智能水平，价格仅为五分之一。OpenAI 表示这是目前同性能下最具成本效率的模型。
IT之家·人工智能AI 评分6464 OpenAI 推出 GPT‑6 Astra Ultrafast 服务，Codex 中最高每秒 300 个词元
OpenAI 在 2026 年开发者日活动上推出 Ultrafast 服务层级，GPT‑6 Astra Ultrafast 在 Codex 中最高每秒 300 个词元，Codex 内提供最高 8 倍、API 最高 6 倍生成速度，目前已开放 API 调用。
Hugging Face 社区博客精选AI 评分6767 NVIDIA 发布开源表格基础模型 Kumo Tabular，在 TabArena 等四项基准排名第一
NVIDIA 发布开源表格基础模型 Kumo Tabular，对带标签表格做单次前向推理即可完成分类和回归，无需训练、调参或特征工程。
推荐理由：官方技术博客披露了架构、纯人工数据预训练配方和四项基准成绩，读者可据此评估其替换梯度提升树的可行性。
Apple Machine Learning ResearchAI 评分4242 苹果研究：语言模型树结构表达式序列化的通信瓶颈与往返研究
苹果研究者提出往返协议，用生成器把算术表达式转成文字题、再由独立提取器还原，并以符号等价作为精确判定，测试十六个模型的所有两两组合。结果显示该通道有损且不对称：交换生成与提取模型可使准确率相差最多 60.4 个百分点，最佳组合达 92.9%；至少 73.6% 的失败源于生成端，难度由树结构而非模型家族决定。
公众号：小红书技术AI 评分4646 小红书 AllSpark 提出 PACT：从信用分配到 Critic 对齐，SWE-bench Verified 达 67.4%
小红书 AllSpark 团队提出 PACT（Policy Aligned Critic Training），通过三个正则条件唯一确定长程 Agent 的信用分配，并用 BCE 回归有界 Value、采用 Actor-Then-Critic 更新顺序改进 Critic 与策略对齐。
Ahead of AIAI 评分7474 从 Bag-of-Words 到 Jev：Sebastian Raschka 解读语言模型文本分类与 Jev 热潮
Sebastian Raschka 长文梳理从 bag-of-words、RNN、CNN 到 BERT/GPT 的文本分类技术史，解读 TypeSafe AI 新发布的 Jev 为何走红。
IT之家·人工智能AI 评分4141 SEMIFIVE 接获美国 AI 芯片企业订单，开发支持 LPDDR6 的数据中心推理 ASIC
韩国芯片设计服务企业 SEMIFIVE 将为一家美国无晶圆厂 AI 芯片企业开发支持 LPDDR6、PCIe Gen5 的数据中心级推理加速器，这是 LPDDR6 成为 ASIC 片外缓存选择的早期案例之一。该芯片预计 2027H1 流片、2028 年量产出货，订单采用“规格交接”模式，总价约 703 亿韩元，为 SEMIFIVE 史上最大单笔合同，也是其北美首个同类型项目。
MarkTechPost同事件AI 评分8080 Anthropic 发布 Claude Sonnet 5.5：Terminal-Bench 4.0 得分 70.6%，价格维持 $2/$10
Anthropic 发布 Claude Sonnet 5.5，是 Claude 5.5 家族第二款模型，定位为 Opus 5.5 更快更省的补充，已在 Claude Platform、AWS、Google Cloud 和 Azure 上线。
同一件事，精选收录的是《Anthropic 发布 Claude Sonnet 5.5，速度提升 30%+ 且每任务成本最多降低 30%》
Ollama：Blog精选AI 评分6969 Ollama 支持基于 Jev API 的决策模型，新增 nimble 等三款模型
Ollama 0.35 通过新 /v1/systemone 端点支持基于 TypeSafe Jev API 的决策模型，可在本地一次请求回答多个命名问题，适合工单分诊、模型路由和内容审核等快速决策任务。
推荐理由：官方宣布本地运行决策模型，给出延迟数据和 API 用法，可帮助读者评估本地快速决策场景的可行性。
SemiAnalysis 长文 RSSAI 评分5151 SemiAnalysis 解析 GLM5.3 稀疏注意力对 HBM 内存与推理成本的影响
SemiAnalysis 分析 GLM5.3 的 DeepSeek Sparse Attention 如何影响 HBM 内存使用，指出 top-k 选择仍需完整上下文驻留 HBM，稀疏注意力并不直接降低内存容量瓶颈。
Artificial Analysis 完整文章精选AI 评分8080 Claude Sonnet 5.5 达到 Artificial Analysis 智能指数第 2 名
Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。
推荐理由：Artificial Analysis 实测指出 Sonnet 5.5 逼近 Opus 5.5 依赖约 193k 输出 token，成本细节对选型有直接参考价值。
The Decoder：AI News同事件AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，基准接近 Opus 5.5 且每任务成本最多降低 30%
Anthropic 发布 Claude Sonnet 5.5，输出速度提升超过 30%，因每任务消耗 token 更少，有效成本最多降低 30%，多项基准接近 Opus 5.5。
同一件事，精选收录的是《Anthropic 发布 Claude Sonnet 5.5，速度提升 30%+ 且每任务成本最多降低 30%》
字节 Seed：Research PapersAI 评分5959 字节 Seed 论文发现 DeepSeek-V4 等分块 KV 缓存压缩模型存在周期性检索弱位
字节 Seed 团队发表论文，发现使用分块 KV 缓存压缩的模型存在相位敏感性：检索精度随信息相对压缩窗口边界的位置周期性波动。在 DeepSeek-V4 系列上，128K 上下文的 NIAH 检索精度跨相位差异最高达 40.2 个百分点，预填充长度变化会让代码补全预测每 4 个 token 周期性翻转，与其压缩步长一致。
MarkTechPost同事件AI 评分7878 Fireworks AI 发布 Ember-1：基于 Kimi K3 的后训练模型，推理 Token 减少约 40%
Fireworks AI 推出 Ember-1，这是基于 Moonshot AI 开源权重 Kimi K3 进行后训练的专用模型。该模型通过优化内部推理过程，在保持任务准确率的同时将生成的推理 Token 减少了约 40%。与单纯降低推理努力程度不同，Ember-1 保留了有用的自我反思并削减了冗余循环。基准测试显示，其在 Terminal Bench 2.1 和 DeepSWE 1.1 上表现优于 K3 Max，且在生产环境 A/B 测试中实现了显著的成本节约。目前仅通过 Fireworks Serverless API 以研究预览形式提供，未开放权重。
同一件事，精选收录的是《Fireworks 发布 Ember-1，以约四成更少 token 达到 Kimi K3 质量》
Hacker News：AI 热帖AI 评分6464 Fireworks Research 发布 Ember-1：以更少 token 达到 Kimi K3 同等质量
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，官方称以约少 40% 的 token 交付同等质量答案。
- Rohan Paul@rohanpaul_aiAI 评分5353引用zerohedge@zerohedge
"Token demand growth will need to outpace declining token prices to support continued growth in investment spending. Frontier models are currently a key source of demand for hyperscaler compute. However, the rise of competitive open-source models has contributed to a decline in average token prices. Measures of frontier token demand slowed in July..." - Goldman
Arena.ai@arena精选AI 评分7878推荐理由：原文给出具体排名、分数差和混合价格，读者可据此比较 Claude Opus 5.5 与前代的性价比位置。
IT之家·人工智能同事件AI 评分8181 Claude 无人值守算出 N=4 超杨-米尔斯理论九圈散射振幅，刷新人类八圈纪录
Anthropic 宣布 Claude 在 Claude Science 系统中仅凭一条提示词、无人监督连续运行数天，算出平面 N=4 超杨-米尔斯理论六粒子振幅的九圈结果，超越 Lance Dixon 团队 2023 年的八圈纪录，总成本几千美元，其中直接自举路线的 Python 运行成本仅约 100 美元。
同一件事，精选收录的是《Claude 完成 N=4 super Yang-Mills 九圈散射振幅计算，物理学家 Matt von Hippel 撰文回顾挑战过程》
The Verge：AIAI 评分7070 Cloudflare CEO Matthew Prince 谈 AI 爬虫、402 付费方案与 AI 驱动裁员
The Verge Decoder 播客专访 Cloudflare CEO Matthew Prince，谈 AI 如何改变互联网商业模式。
Hacker News：AI 热帖AI 评分6868 Claude 在 Claude Science 平台完成 N=4 超对称杨-米尔斯理论九圈振幅计算
物理学家 Matt von Hippel 在 Anthropic 官方博客撰文，讲述 Anthropic 物理学家 Liam Fitzpatrick 和 Siddharth Mishra-Sharma 用 Fable 5.1（Claude Science 平台）以一条提示词加持续推进的方式。
- Rohan Paul@rohanpaul_aiAI 评分7070引用Anthropic@AnthropicAI
New on the Science Blog: Yes, Claude can do Nine Loops. Theoretical physicists predict how particles behave using formulas called scattering amplitudes. These are notoriously hard to compute, so researchers work with layers of increasingly fine corrections called “loops”—each added loop makes the answer more precise but takes exponentially more computation. Most calculations stop at two or three loops. Eight loops was the previous record in a simplified model physicists use as a testing ground (planar N=4 super-Yang-Mills), set by SLAC's Lance Dixon and collaborators. Last month, physicist and science writer @4gravitons issued a challenge: could an AI push past eight loops in this model, using only the compute budget an academic could reasonably access? Given a single prompt describing the nine-loop problem, Claude ran largely unsupervised for days in Claude Science and solved it using methods developed by Dixon and his colleagues, at a total cost of a few thousand dollars. Dixon independently verified the result, and von Hippel wrote about the experience for our blog. Read more: https://www.anthropic.com/research/yes-claude-can-do-nine-loops