#推理

Microsoft-Decision-1：微软发布基于 Qwen3.5-9B 的单通决策模型

微软发布了专用决策模型 Microsoft-Decision-1，该模型基于阿里开源的 Qwen3.5-9B 微调构建，不生成自由文本，而是在单次前向传播中对预定义选项输出校准概率。该模型首发登陆 Microsoft Foundry 并随后上线 OpenRouter，定价为每百万输入 token 0.042 美元且输出免费，主要用于路由、分类、验证和工作流控制等场景。

IBM CEO 表示开源权重模型在本地部署中表现优秀且成本低廉

IBM CEO Arvind Krishna 在财报电话会议上表示，开源权重模型目前能以闭源前沿模型 10% 到 25% 的 token 成本提供约 90% 的性能，使本地企业应用极具吸引力。他指出，绝大多数日常任务并不需要最高昂的闭源模型，这正推动企业对本地 AI 基础设施的需求激增。

日本総研与 PFN 签署国産大模型 PLaMo 授权协议

日本总研与 PFN 签署了 PLaMo 授权协议，计划自 2026 年 10 月起在オンプレミス（本地）环境中全社部署并使用 PLaMo 3.0 Prime。双方将结合日本总研的业务需求，推进系统开发、后台业务应用及追加学习的性能验证。

Attention Is Not What You Need (2025)

本文探讨了显式自注意力机制在序列建模中的必要性，并提出了一种基于 Grassmann flows 的无注意力架构。该架构通过 Causal Grassmann 层在线性降维、编码局部 token 对以及门控混合来传播信息。

meng shao@shao__meng· 09:56AI 评分6262

Sebastian Raschka 推出了 11 小时配套新书的「Build a Reasoning Model (From Scratch)」视频编程课，带领读者以预训练小 Qwen3 0.6B 为起点，在 PyTorch 中手写评估 verifier、推理时扩展、简化 GRPO 版 RLVR 与模型蒸馏。课程共分为八讲，系统拆解了常规 LLM、推理模型与 Agent 的关系及工作流。

Nanbeige 发布 33B 开源智能体编程模型 Nanbeige4.3-33B

Nanbeige LLM Lab 在 Hugging Face 以 Apache 2.0 协议发布了 Nanbeige4.3-33B，这是一个 33B 稠密语言模型，专为智能体编程和办公类协作任务构建。该模型支持 524,288 token 的上下文窗口，并在官方对比测试中领先多款同量级开源模型。

OpenAI 和 Anthropic 如何在几个月内将 LLM 价格下调高达 80%

过去几个月中，OpenAI 和 Anthropic 的多款 LLM 产品价格大幅下调高达 80%，引发了行业内激烈的价格竞争。这些价格降幅不仅适用于各项 API 服务，也涵盖了诸如 Codex 和 Claude Code 等订阅制智能体工具中的模型使用。与此同时，由于模型性能提升的速度快于价格下降的速度，整体支出反而呈现增长趋势。

🚨 AI News | TestingCatalog@testingcatalog· 01:08AI 评分5757

南北阁发布了 33B 参数量级的新开源模型 Nanbeige4.3-33B，在多数基准测试中表现出色，在智能体编码和协作任务中展现出强劲性能。该模型在多数基准测试中表现优于 Qwen3.8-27B、Muse-Glimmer-30B 和 Gemma4-31B，官方未来还计划推出更小的 Nanbeige4.3-3B 模型。

DeepSeek 传融资约 150 亿美元，月之暗面发布 Kimi K3.1 Pro，中国出台 AI 就业政策

月之暗面发布 Kimi K3.1 Pro，具备 100 万 token 上下文窗口及快如闪电的 Highspeed 版本，在 Terminal-Bench 4.0 中取得 65.7% 的分数。同期的行业动态显示，DeepSeek 据传正进行约 150 亿美元的最新融资，中国国务院办公厅则出台了包含 18 项任务的 AI 就业政策指导意见。

Rohan Paul@rohanpaul_ai· 22:44AI 评分3232

德州大学的研究表明，将小型内存决策交由快速评分模型处理，可使 AI 内存系统构建长对话内存的速度提升 6.6 倍。Jev-Mem 通过快速评分器批量返回概率而非生成文本，仅在最终调用 LLM 读取内存并回答。在 LoCoMo 基准测试中，其答案得分为 0.777，内存构建时间缩短至 158 秒。

KRAFTON AI 预览 Raon-1 mini 模型

KRAFTON AI 发布了 30B-A4B 体量的 Raon-1 mini 模型预览版，采用混合专家架构并以 Apache 2.0 许可开源。该模型聚焦韩语并兼顾英语，在编程与智能体任务上表现与同尺寸模型相当，官方提供限时免费 API 试用。

斯坦福与 UC Berkeley 推出 TokenGate：token 门控注意力让长上下文 prefill 最快提升 11.3 倍

来自斯坦福大学和 UC Berkeley 的研究人员推出了 TokenGate，这是一个专为大语言模型长上下文 prefill 阶段设计可训练 token 门控注意力模块。

Nathan Lambert@natolambert· 20:52AI 评分3131

Interconnects 播客第 20 期深入探讨了近期 AI 领域的争议与现实问题，主要讨论了 Kimi K3.1 Pro 虽有惊人基准测试成绩却引发混合评价的原因，以及开源模型与网络安全风险的认知差异。节目还剖析了网络安全专家与 AI 专家在近期事件上的观点分歧，并展望了未来几个月的行业走向。

Dongxi 东锡 NLP@dongxi_nlp· 20:36AI 评分4242

非常推荐！ 这个地球上，唯三的最好的，关于构建推理模型的课程。 Building Reasoning Models from the Ground Up

Nathan Lambert@natolambert· 20:04AI 评分3131

不错的讨论串，一些闭源实验室使用的强化学习细节正在慢慢泄露出来。

Rohan Paul@rohanpaul_ai· 19:00AI 评分5858

Google DeepMind 联合多所大学发布 TheoPhysEval 理论物理评测基准，测试结果显示最强智能体 GPT-6-Astra 在联网状态下成功解出了 50 道未发表研究级物理题中的 49 道。该基准收录的每道题目相当于世界级专家一日的工作量，单题测试成本低于 3 美元。测试还发现智能体在断网时准确率变化很小，表明其对物理文献进行了大量记忆。

Orange AI@oran_ge· 18:28AI 评分1717

刚刚在看一个视频，讲到 AI 能力不如人的地方 讲到数学那里说 AI 的逻辑能力不强，文科还好，但数理逻辑只有初中生水平 这时候果断打开看了一下时间戳，一年半之前的 怪不得 😂

Anthropic 联合创始人 Jack Clark 将 AI 实现自我改进的预测时间提前至 2027 年

Anthropic 联合创始人 Jack Clark 基于 TasteVal 基准测试及数学领域的进展，将 AI 能够独立训练更强后继系统的预测时间从 2028 年提前到了 2027 年。该基准通过计算效率来量化模型的实验设计与结果解释能力，其测试结果显示领先模型的研发测试能力正快速增长。

微软开源 Agensh：无中心编排器的多智能体编码框架，可扩展至 1,024 个 Agent

微软研究院开源了去中心化的多智能体编码框架 Agensh，移除了传统架构中的中心编排器，通过 Gitea、Mattermost 和共享上下文面板实现工作协同。该框架支持从 1 个扩展至 1,024 个 Agent 运行，在 ProgramBench 评测中随智能体数量增加显著提升了通过率。

Five Qwen3.8-27B models match Fable 5 Using GVS5H Harness

研究提出了一种基于账本的零样本自组织方法 GVS5H，利用多个模型实例通过共享文件系统进行问题分解和协作。在 LiveCodeBench 最新 100 道困难问题测试中，该方法使本地部署的开源 Qwen3.8-27B 模型 pass@1 从 66.8% 提升至 92.4%，达到与 Fable 5 相当的准确率。

如何在 llama.cpp 中运行 Underdog Saluki 27B：2-bit Qwen3.8-27B 工具调用实测指南

本文介绍了如何在 llama.cpp 中运行 Underdog Saluki 27B 模型，并将其与 ISTA 的 IQ2_XS 版本进行了详细的字节级 provenance 分析、服务器内存与速度测试，以及在 120 个 BFCL v4 任务上的工具调用性能对比。测试结果显示，Saluki 在严格评分下通过的任务数超过其父模型，且两者的性能差异经 McNemar 检验具有统计学意义。

Cerebras 如何在晶圆级芯片上部署万亿参数模型

Cerebras 介绍了如何在 wafer-scale 芯片上部署约 3 万亿参数的开源模型 Kimi K3，通过将模型层分布在多个 WSE-3T 晶圆上并采用流水线并行运行，实现高并发和高吞吐。文章详细说明了单层大小计算、晶圆数量分配、晶圆间通过 Ethernet RDMA 互连以及并发请求处理方式。

我们应该对构建的软件更有雄心

作者探讨了在软件开发中如何借助先进能力实现更大雄心，并以 pgrust 等项目及个人低耗时构建正则引擎、ripgrep 分支等经历为例，说明当前开发效率显著提升。尽管许多同类AI生成项目质量低下且饱受质疑，但只要进行充分测试和基准评估，就能打造出具备实用价值的优质软件。

Chelsea Finn@chelseabfinn· 06:28AI 评分3030

生成价值分类器（Generative value classifiers）是一种不需要动作条件（action conditioning）的 Q 函数新参数化方法。 我们认为，这些方法可以与大型预训练策略完美结合，并能从更丰富的输出信号中更好地学习和泛化。 论文：https://alexanderswerdlow.github.io/gvc/

Neural chip decodes interactions between brain regions

EPFL 研究人员开发了一款名为 LogSync 的低功耗植入式神经系统芯片，能够跨脑区追踪大脑活动并实时解码认知与情绪状态。该芯片采用对数计算和软硬件协同设计，功耗低于 200 微瓦，结合机器学习算法可基于网络级生物标志物触发精准的脑深部电刺激。相关成果已发表在《IEEE Journal of Solid-State Circuits》上。

NBER 实验：AI 让初级专利律师即战力提升，但只有资深律师留存优势

一项由 Google 资助的 NBER 研究显示，AI 辅助显著提升了初级专利律师在专利起草任务中的即战力，但在脱离 AI 的修订任务中，只有资深律师保留了能力优势。研究表明基础专长可能是将 AI 实践转化为持久能力的前提，这也引发了关于专业技能培养与行业专业知识侵蚀的广泛讨论。

OpenBMB@OpenBMB· 21:25AI 评分5151

面壁智能推出了 EC²-Bench，对长周期智能体执行中的边缘与云端协同策略进行了系统研究。研究评估了四种协同策略在任务完成度、资源成本和隐私暴露方面的表现，发现合理利用云端预算可大幅提升成本效益，但性能与隐私之间存在明显权衡，且最优模式随端侧能力变化而不同。

François Chollet@fchollet· 21:25AI 评分3131

Symbolic learning works

meng shao@shao__meng· 20:53AI 评分6363

Claude 工程负责人 Felix Rieseberg 在访谈中表示，用户应避免将模型当作传话筒或硬套角色 Agent，而是应当给予模型全量崩溃数据与业务工具，通过多线程对抗评审和外部证据约束输出，从传送带模式升级为让模型自主寻找问题并调用工具。

Sebastian Raschka 发布 8 集从零构建推理模型视频课程

Sebastian Raschka 推出了 8 集共 11 小时的从零构建推理模型视频课程，基于预训练的 Qwen3 0.6B 模型和 PyTorch，在 Python 中实现评估、推理时扩展、强化学习与蒸馏等方法。课程涵盖环境搭建、答案验证器、推理扩展技术、GRPO 训练及模型蒸馏，配套同名书籍与开源代码。

Rohan Paul@rohanpaul_ai· 17:41AI 评分5959

芝加哥大学的一项新研究表明，大语言模型对自己决策关键因素的自述并不可靠，无法准确反映其答案分歧的真正根源。研究通过对多次预测结果进行对比分析发现，模型事前预判的核心分歧点甚至表现不如随机结果，而单次回答的覆盖效果也十分有限。

腾讯 WorkBuddy 接入 Kimi-K3.1-Pro 模型，支持 100 万上下文

腾讯 WorkBuddy 宣布接入月之暗面的 3 万亿级参数模型 Kimi-K3.1-Pro 及其高速版，支持 100 万上下文，目前资源紧张仅对企业旗舰版及个人订阅用户优先开放。该模型在代码、3D 创作及长程 Agent 能力上有显著提升，在多项基准测试中表现接近行业前沿水平。

Latent Space 评析 Kimi K3.1 Pro 模型发布与评测表现

月之暗面发布 Kimi K3.1 Pro，这是一个拥有 2.8 万亿总参数、104B 激活参数和 100 万 token 上下文窗口的混合专家模型，其 API 已上线并承诺于 11 月 4 日开源权重。独立评测显示其在 Artificial Analysis 智能指数上排名第四，并在代码与智能体任务中表现突出。

dex@dexhorthy· 15:17AI 评分2828

我同意这酷毙了，可能也稍微有点吓人，但我认为同样值得指出的是，这项技术此前已经被演示过，因此它很可能已经存在于模型权重中了。这让我想起 @drfeifei 曾说过的一句话：模型在综合不同且不相关的方法（在本例中是数学和定理证明）时表现得令人难以置信，但她依然对我们能否像 takeoff 团队所暗示的那样，如此迅速地看到模型发明出真正崭新的数学成果保持怀疑。

微软新医疗 AI 诊断准确率超普通医生两倍

微软开发的 MAI-DxO 医疗 AI 系统在《Science》杂志发表的研究中显示，其在复杂病例诊断上的准确率显著高于全科医生，且订购的检查和程序更少。该系统采用顺序诊断方式并使用 GPT-5 等模型，微软计划近期在波士顿一家医院开始临床测试。

NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B 4GB

NVIDIA 发布了开源小模型 Nemotron 3.5 Bolt E4B 4GB，面向本地语音助手、游戏角色和机器人等场景。该模型基于 Gemma 4 E4B 通过强化学习训练，拥有 8B 总参数、4B 有效参数和 64K 上下文，在多项基准测试中表现突出，权重和训练方案已完全开源。

WorkBuddy@WorkBuddy_AI· 12:05AI 评分6161

Kimi K3.1 Pro 现已上线 WorkBuddy 平台，仅面向 Pro 用户开放。早期内部测试显示，该版本在办公任务上的规划、执行和自我检查能力较前代有显著提升，结合 WorkBuddy 的智能体编排可自动完成从材料到最终交付物的复杂任务。

Kimi 发布开源旗舰模型 K3.1 Pro

月之暗面发布旗舰模型 Kimi K3.1 Pro，具备 2.8T 参数与 100 万 Token 上下文，完整模型权重预计 11 月 4 日前开放。该模型 API 输入为每百万 Token 13 元、输出 68 元，并同步推出输出速度约为 2 到 3 倍、价格翻倍的 Highspeed 版本。

同一件事，精选收录的是《月之暗面发布 Kimi K3.1 Pro 模型》

亚马逊 CEO 贾西：AI 推理成本需降至目前十分之一才能广泛进入企业软件

亚马逊 CEO 安迪 · 贾西表示，AI 推理成本需降至目前的十分之一左右，才能实现其在企业软件中的广泛应用。他指出目前市场需求极为旺盛，亚马逊 2026 至 2028 年的算力供应额度已基本售罄或被预订。亚马逊自研的 Trainium 芯片性价比较同类处理器高出约 30% 至 40%，旨在帮助客户降低推理成本。

Kyutai 发布 CADRE 视频自编码器，交互世界模型动作延迟降到 230 ms 以内

Kyutai 发布了开源因果扩散表示自编码器（CADRE），旨在解决交互世界模型中的动作延迟问题。该系列包含 7 个自编码器和 4 个世界模型，在单张 H100 上运行可将动作延迟降至 230 毫秒以内并保持 20 fps 的生成速率。代码采用 MIT 协议开源，权重采用 CC BY-NC 4.0 非商业许可。