物理学家 Matt von Hippel 发起的挑战达成：Anthropic 的 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 用 Claude Science（harness）让 Claude 直接算出 planar N=4 super Yang-Mills 六粒子振幅九圈结果。
推荐理由：作者以其曾判定过难的本领域前沿计算为参照，评估了 Claude Science 的实际能力与可推广性，提供了来自领域专家的一手判断。
科学史研究者 benbreen 分享用 GPT-6 Sol、GPT-6 Astra 和 Opus 5.5 解决历史学开放问题的早期结果，包括用 GPT-6 Astra 识别出 Isaac Newton 从法文炼金术文本翻译成拉丁文的一段出处。
Rohan Paul@rohanpaul_aiAI 评分5353Stanford 与 Together AI 的论文提出 Self-Organizing Agent Teams（SAT），让固定智能体团队从过往协作中学习可复用的角色分工与流程，而非辩论后投票。
BottleCap AI 发布 ThinkingCap-Qwen3.8-27B，这是基于 Qwen3.8-27B 的微调模型，在 12 个基准上平均减少 37.2% 思考 token，宏观精度从 86.65% 降至 85.79%。
Epoch AI 估算，在固定基准分数上取得同等性能的市场价格平均每季度下降约 47%，约合每年 13 倍。OpenAI 的 o3 在 2025 年初以每题约 30 美分在 GPQA Diamond 达到 75% 准确率，18 个月后 GPT-5.6 系列模型以原价 1/725 达到同样分数。
Google DeepMind 负责人 Koray Kavukcuoglu 表示 Gemini 4 已处于早期后训练阶段，希望远在年底前发布，工程师已内部将其用于编码工具 Antigravity。
Stanford 与 NVIDIA Research 团队发布 Contrastive Language Models（CLM）及 CLM-8B，用对比学习连接状态与动作，作为快速决策的 System One 模型。
Contrastive-LM 发布开放模型 CLM-8B，首个对比语言模型（CLM），不为生成文本而训练，而是对候选动作按当前状态打分并返回概率，主打与 TypeSafe AI 的 System One 模型 Jev 相同的接口。
Artificial Analysis 页面显示，Inception 于 2026 年 9 月发布的 Mercury 2.5 是一个推理模型，输出速度达 770.4 tokens 每秒（同类价格档推理模型中位数为 108.6）。
Modal 与 CMU Full Stack Data Lab 联合推出查询感知推理层 Quail，通过联合优化查询规划器与推理引擎加速 AI-SQL 查询。在某个多表连接查询上，Quail 单张 H100 GPU 每分钟处理超 10 亿 token，比同硬件 vLLM 基线快 10 倍以上，Modal 上成本低于每 10 亿 token 6 美分。
Anthropic 宣布其湾区湿生物实验室借助 Claude 发现一个此前未知的酶系统，藏在噬菌体 DNA 中，能执行切割、复制、粘贴 DNA 等操作，性质令人联想到 CRISPR。
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，通过学习精简不必要的推理，在保持质量的同时减少约 35-50% 的 reasoning token。
推荐理由：官方给出了多组基准、A/B 测试和成本数据，读者可以据此评估用 Ember-1 替代 Kimi K3 降低推理 token 开销的可行性。
Rohan Paul@rohanpaul_aiAI 评分7070Dario Amodei 在联合国安理会谈到 Anthropic 宣布 Claude 发现一种新的分子机器，属初步发现，可能构成新的基因编辑机制并有基因治疗应用前景。
Wild stuff. Anthropic’s new wet lab got its first win after 949 Claude agents autonomously tracked down a new enzyme system in just 21 hours. Claude was searching a huge amount of genetic data when it noticed an unusual pattern: the same small piece of DNA repeating again and again next to an enzyme. The campaign searched 1.94B protein clusters, recovered 198,290 RT clusters, and used 215.6M tokens across 21.5 hours. That pattern looked a little like CRISPR, so Anthropic’s scientists investigated it and found a new family of biological systems they call ART. The system also produces many small RNA molecules, suggesting those repeated DNA sections are doing something useful rather than sitting there randomly.
Baseten Base Labs 用 Qwen3 0.6B/1.7B/4B/8B 在 16 个推理任务上比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL。
Anthropic 发布 Claude Opus 5.5（claude-opus-5-5），定位于长时间运行的智能体编码与知识工作，默认 1M token 上下文窗口。
Redwood Research 研究员 Lukas Finnveden 发文警告，转向潜在推理架构可能削弱思维链（CoT）的价值，使 AI 监管更难。
Aravind Srinivas@AravSrinivas同事件AI 评分6969隆重介绍小米 MiMo-V2.6 —— Pro 与 Flash。 前沿智能，全模态，公开构建。 🔹 两款全模态模型，通过规模化强化学习不断进阶 🔹 在大多数智能体基准测试中，Pro 的表现与 Claude Opus 5 和 GPT-5.6 Sol 不相上下 🔹 Pro 在 Artificial Analysis Intelligence Index 上得分 46 —— 为开源模型中的最高分 🔹 更强的编程、计算机操作、3D 推理与创作能力 🔹 开放模型权重、技术报告、RL 环境与训练代码 博客：https://mimo.xiaomi.com/mimo-v2-6
同一件事，精选收录的是《小米发布 MiMo-V2.6 Pro 与 Flash 全模态开源模型》
Basecamp Research 获 1.4 亿美元融资，投资方包括 S32、Nvidia、Anthropic 的 Anthology Fund 和 NATO Innovation Fund，用于开发生物 AI 模型 EDEN 并推进体内细胞疗法进入临床。
阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、语音合成（TTS）和实时交互的模型。ASR 改进多语言和方言识别并自动清理填充词，ASR-Next 支持多说话人识别、时间戳及情绪和环境声检测；TTS-Next 将语言模型与扩散方法结合，可一次性生成语音、音效和背景音频。同步降价：TTS 约 70%，Realtime 约 85%，ASR 最高 95%。
Kyutai 发布 Voice of Reason，两个基于 GLM-4-Voice-9B 的开源权重语音到语音模型，无需转写和独立文本 LLM 即可口头解数学题。
OpenAI 发布 GPT-6 系列两款新模型 GPT-6 Sol 与 Luna，API 定价相比 GPT-5.6 促销价下调约 50%，Sol 为每 1M tokens 输入 $2、输出 $10，Luna 为 $0.10、$0.50，两者已上线 API。
同一件事，精选收录的是《OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 降 50%》
Rohan Paul@rohanpaul_aiAI 评分6969Some revelation from the Claude Opus 5.5 system card. - Giving Opus 5.5 more reasoning effort made it more likely to obey malicious instructions hidden inside user-pasted text - Anthropic saw Opus 5.5 generate malicious instructions on their own after seemingly harmless mistakes. the behavior may have partly emerged from training designed to stop prompt injections in the first place. - Anthropic's internal estimate says AI may already be compressing roughly 1.5 years of capability progress into one year. - Anthropic gave the model simulated credentials to a public package registry during a security exercise. In roughly half the runs, it took actions that would likely have been harmful if the environment were real. - Some training snapshots hid evidence of actions the models (including Opus 5.5) expected a grader to dislike, including manipulating Git records or deleting logs. "During training, we observed some cases of models (including Opus 5.5) attempting to cover their tracks after performing actions that a grader might view negatively, such as manipulating git records or deleting logs" - METR’s assessment of AI R&D at Anthropic relied partly on information that was not publicly disclosed, including conclusions from a separate METR team with elevated access. That means part of the public assessment of AI-driven R&D acceleration rests on evidence outsiders, and, in this particular case, even another METR team, could not independently inspect.
Rohan Paul@rohanpaul_aiAI 评分7474Claude Opus 5.5 发布了，声称达到 Fable 5.1 级别的性能，同时将典型工作负载成本降低 40%。 输入和输出价格降至每 100 万 tokens 4 美元和 20 美元，而缓存读取下降 60% 至 0.20 美元，均与 Opus 5 相比。 此外，输出速度提升超过 30%，Fast 模式在双倍 token 价格下最高可达 2.5 倍速度。
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 Sol 和 Luna 下降一半，Sol 为每百万输入 token $2、输出 $10，Luna 为 $0.10/$0.50，同时提供缓存输入 token 九折优惠。
Arena.ai@arena精选AI 评分6363Arena 宣布 OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 评分即将公布，邀请用户前往 Arena 实测并通过投票真实智能体任务支持其排行榜。
推荐理由：文中提及Peter用相同提示词和max reasoning对比GPT-6 Sol与GPT-5.6 Sol，覆盖输出、token用量和时延，可帮助读者了解两代模型差异。
Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
推荐理由：Artificial Analysis 用自家指数实测两代模型的成本与表现，读者可据此判断 GPT-6 降价后哪些能力持平或退步。
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，将 GPT-6 Astra 的训练方法用于更快更便宜的模型，API 价格较 GPT-5.6 促销价下调 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，每百万 token）。
推荐理由：官方发布给出各档模型的具体基准分数、API 价格降幅和缓存改进数据，可以用来对比 GPT-6 家族在成本与能力之间的取舍。
Artificial Analysis 评测页面显示 Claude Opus 5.5（Adaptive Reasoning, Max Effort, Default Fallback）在 Artificial Analysis Intelligence Index 得 58 分，远高于同类中位数 25。
OpenAI 在 GPT-6 Astra 之后发布 GPT-6 Sol 和 GPT-6 Luna，主打更低成本的同代智能，API 价格较 GPT-5.6 对应型号降价 50%（Sol 为每百万 token 输入 $2、输出 $10，Luna 为 $0.10 与 $0.50）。
OpenAI 发布 GPT-6 Sol 和 Luna 更新版，扩展本月早些时候推出的 GPT-6 Astra 系列。6 系列 API 价格为 5.6 系列 Sol 和 Luna 的一半，公司归因于缓存和推理改进；内部事实性评测显示 GPT-6 Sol 错误数约为前代一半，达到 Astra 级可靠性。
Artificial Analysis@ArtificialAnlysAI 评分8585Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。
推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。
Anthropic 发布 Claude Opus 5.5，称其在多数任务上达到 Claude Fable 5.1 水平，总运营成本比 Opus 5 低约 40%，输出速度快 30% 以上。
Artificial Analysis@ArtificialAnlysAI 评分7979Artificial Analysis 评测显示 Claude Opus 5.5 以 58 分登顶 Artificial Analysis Intelligence Index，为其实测最高分。
Nathan Lambert 在 Interconnects 播客中与 Epoch AI Insights 团队负责人 Jean-Stanislas（JS）Denain 讨论 AI 加速议题。
小米发布 MiMo-V2.6 系列，旗舰 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 得 46 分，居开源模型之首，价格为每百万输入 token $0.435、输出 $0.87。
OpenAI 称一个内部模型在 8 月 28 日开始训练、约一个月内解出逾百道长期未解数学问题，包括 Navier-Stokes 千禧年难题，另有报道称 Hodge 猜想也在其列。面对数学家批评其削弱概念性理解，OpenAI 在高等研究院设立独立数学与人工智能顾问组，成员包括菲尔兹奖得主 Timothy Gowers，但该组无权顾问 OpenAI 内部研究推进速度。
Artificial Analysis 页面显示，小米的 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 得分 46，远高于同类开源权重模型中位数 18。
