人人都是FDE

OpenAI 内部模型在开放问题上取得 10 项突破性成果

OpenAI 下一个主力模型的内部版本，在数学与理论计算机科学领域一些长期未解的开放问题上给出了 10 个全新结果。实验大致使用了价值 2000 美元的 tokens，按 GPT-5.6 Sol API 计费标准计算，展示了在成本可控前提下进行探索性研究的可行性。这一结果凸显了 AI 辅助数学发现的潜力，即便是在内部早期阶段的模型上也能产生重要进展。 来源-twitter

X / Twitter

Qwen3.8-Max 与 3.8-27B：开放权重，本地 17GB 内存运行

阿里巴巴的 Qwen 发布 Qwen3.8-Max，被称为功能最强大的模型，拥有 2.4 万亿参数以及自主编码能力。Qwen3.8-Max 和 Qwen3.8-27B 的开放权重计划于下周发布，并支持在 17GB RAM/VRAM 的本地环境中运行。本次发布还详细介绍了可用于生产的交付物、多模态循环，以及带隐式缓存的按 token 计费模式。 来源-twitter

X / Twitter

GPT-Live 在 ChatGPT 规模下实现边说边听

OpenAI 宣布 GPT-Live 现已能在说话的同时进行聆听，这得益于从客户端到模型的语音栈全链路端到端重构。新的架构可以保持音频的连续流动，因此更深度的推理和工具调用不会中断对话，从而在 ChatGPT 级别的规模上实现更自然的实时交互。 来源-twitter

X / Twitter

所有像素都将被生成：AI 扩展生成能力版图

Cristóbal Valenzuela 发布了“所有像素都将被生成”的观点，强调 AI 生成内容领域的快速进展。该串文认为模型正在渗透到众多学科，并支撑起一种看法：美国经济正日益建立在这一前提之上。文中也提出警示，提醒不要低估这些模型在各个领域将会发展到何种程度。 来源-twitter

X / Twitter生成式 AI

云端代理：节省 20-30% tokens，配合电脑使用可达 80%

Cursor AI 宣布云端代理在效率上取得提升，token 使用效率提高 20-30%，在利用电脑使用的任务中最高可节省 80%。此次更新增强了 MCP、技能以及电脑使用能力，使更具野心的任务和演示可以在预算内完成。同时也简化了本地代理迁移到云端的流程，支持移动端提示，并可通过演示 PR 实现并行运行。 来源-twitter

X / TwitterLLM

大规模 Memory Decoder 将参数化长期记忆扩展至 69 亿参数

研究者将 Memory Decoder 扩展到 69 亿参数规模，并使用 3000 亿预训练 tokens，从而构建更大的参数化长期记忆。在这一规模下，索引与检索成本让标准的 Faiss 流水线变得难以为继，凸显出对新型检索架构的需求。 来源-huggingface

Hugging FaceLLM

antirez/ds4 发布 DeepSeek 4 本地推理引擎

antirez/ds4 推出 DeepSeek 4，这是一款紧凑的原生推理引擎，为 DeepSeek V4 Flash 做了优化，并在高内存系统上可选支持 V4 PRO。它支持在 96GB 以上内存的 Mac 上通过 Metal 运行，支持 NVIDIA CUDA（多 GPU 与 DGX Spark），以及 ROCm，并内置 GGUF、imatrix、质量与速度等工具。该项目是自包含的，聚焦于模型加载、提示渲染、工具调用以及 HTTP 服务器，并向 llama.cpp 与 GGML 贡献者致谢。 来源-github

GitHubLLM

中国 AI 实验室的四种路径：Qwen、DeepSeek、Moonshot、蚂蚁 Ling

四家中国 AI 实验室并未采用统一策略，而是在押注不同方向。阿里巴巴的 Qwen 强调分发能力和广泛的运行时支持，DeepSeek 则专注于架构设计，Moonshot 选择即便通过非常规发布也要追求长期回报。蚂蚁集团的 Ling 模型则代表另一条战略路径，体现出该领域并不存在单一、统一的路线。 来源-reddit

RedditLLM