GPT-6 Astra与Claude Opus 5.5破译433年前教皇密信
GPT-6 Astra与Claude Opus 5.5几乎同时破译了1593年天主教联盟的两封绝密信件，其中GPT-6 Astra破译完整度达100%，仅一个字符存疑。
#推理
新智元AI 评分6262 机器之心AI 评分7171 StartLux 开源决策模型 StartLux-Decision 发布，Decision Index 得分超过 Jev
9 月 30 日，上海 AI 公司 StartLux（原点星辉）发布完全开源的决策模型 StartLux-Decision，推出 0.8B、2B、4B、9B 和 27B 五档版本并提供本地部署量化模型。
Latent Space精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
智东西精选AI 评分8282 谷歌发布 Gemini 4 Argon，输出上限提至 100 万 Token
谷歌发布新一代旗舰模型 Gemini 4 Argon，面向软件工程、法律金融等企业知识工作与网络安全防御，输出 Token 上限从此前 6.4 万提升至 100 万。
推荐理由：谷歌发布 Gemini 4 Argon，披露了输出上限、基准成绩和 API 定价，可据此判断其企业级 Agent 任务的定位与成本。
爱范儿AI 评分7272 Gemini 4 Argon 正式发布，写作与知识能力领先编程
Google 发布 Gemini 4 Argon，官方称其在 18 项测试中 13 项领先，知识与长文本能力明显强于编程和 Agent 能力。
Ars Technica · AIAI 评分6767 Google 发布 Gemini 4 Argon 模型，暂未对外开放
Google 发布 Gemini 4 Argon，宣称在编码、知识工作和网络安全方面具备行业领先性能，但目前仅限公司内部工程师广泛使用，尚未对外开放。在软件工程基准 DeepSWE v1.1 上，Gemini 4 Argon 得分 77.9%，高于 GPT-6 Astra、Fable 5.1 和 Opus 5.5。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 与 GB300 NVL72 的吞吐、扩展效率和软件优化数据，可作为推理基础设施选型的参考。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：两款语音对话模型分别面向规模化与高复杂度任务，并给出语音智能体基准成绩与开发者接入渠道。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2。
推荐理由：Google DeepMind 发布三款机器人模型，首次实现人形机器人全身控制，并给出开放入口与适配成本。
Hugging Face Blog精选AI 评分8787 Thinking Machines 发布 Inkling 与 Inkling-Small 开源多模态模型
Thinking Machines 在 Hugging Face 发布 Inkling 系列开源多模态模型，Inkling 为 975B 总参数、41B 激活参数的 MoE 架构，原生接受图像、文本和音频输入，支持 1M 上下文，训练数据达 45 万亿 token。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。
Mistral AI精选AI 评分7171 Mistral 发布 Robostral Navigate 具身导航模型
Mistral 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE 验证未见集上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点、比最佳多传感器方案高 4.5 个百分点。
推荐理由：原文给出单目 RGB 相机下的导航成功率与训练方法，读者可据此判断紧凑模型做具身导航的可行边界。
Mistral AI精选AI 评分7171 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，采用 Apache-2.0 许可，119B 总参数、6B 激活参数，在形式化验证上大幅升级：miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34% 均为新 SOTA。
推荐理由：官方给出 Leanstral 1.5 在形式化验证基准上的成绩与成本对比，可据此判断开源证明模型的实用边界。
Hugging Face Blog精选AI 评分8585 智谱发布 GLM-5.2，面向长程任务支持 1M 上下文
智谱发布旗舰模型 GLM-5.2，主打长程任务能力，首次在 1M token 上下文下稳定支撑长程工作，并采用 MIT 开源许可。
推荐理由：GLM-5.2 把 1M 上下文与编码智能体能力结合，并给出与闭源前沿模型的基准对比，可据此判断开源模型在长程任务上的位置。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 DiffusionGemma 文本扩散模型，推理速度最高提升 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 26B MoE 文本扩散模型的速度、显存与质量取舍，便于判断本地低并发场景是否值得换用。
Hugging Face Blog精选AI 评分6060 JetBrains 发布 Mellum2：12B 混合专家模型
JetBrains 发布 Mellum2，一个从零训练的 12B 参数混合专家（MoE）模型，覆盖自然语言与代码，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其面向路由、RAG、摘要、子智能体和高吞吐编码等低延迟场景，相比同规模模型推理速度提升超过 2 倍，模型已在 Hugging Face 开放下载，技术报告发布于 arXiv。
推荐理由：JetBrains 开源 12B MoE 模型，每 token 仅激活 2.5B 参数，可据此判断轻量模型在路由与 RAG 场景的部署取舍。
OpenAI News精选AI 评分7878 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了已有 80 年历史的单位距离问题，推翻离散几何中的一项重要猜想，被视为 AI 驱动数学的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可观察 AI 在数学证明上的能力边界。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，一款面向文档分析、多图推理、语音识别、长音视频理解和 GUI 智能体操作的全模态理解模型，在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等基准上取得领先成绩。
推荐理由：原文给出架构、训练配方与多模态基准对比，读者可据此判断开源全模态模型在文档、音视频与 GUI 智能体上的能力边界。
Hugging Face Blog精选AI 评分8787 DeepSeek-V4 发布：百万 token 上下文面向智能体任务
DeepSeek 发布 V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 总参数 1.6T、激活 49B，DeepSeek-V4-Flash 总参数 284B、激活 13B，均支持 1M token 上下文窗口。
推荐理由：原文给出 V4 在长上下文推理成本与智能体后训练上的具体设计，可据此判断开源模型做长任务智能体的可行性。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.5
OpenAI 发布 GPT-5.5，官方称其为面向编码、研究和数据分析等复杂任务打造的模型，可跨工具使用。目前公开信息仅为摘要，未披露参数、上下文窗口或评测数据。
推荐理由：OpenAI 官方发布 GPT-5.5，读者可据此了解新模型面向编码、研究与数据分析等复杂任务的定位。
OpenAI News精选AI 评分7272 OpenAI 发布生命科学研究推理模型 GPT-Rosalind
OpenAI 发布 GPT-Rosalind，一款面向生命科学的前沿推理模型。该模型用于加速药物发现、基因组分析、蛋白质推理和科研工作流。
推荐理由：OpenAI 发布面向生命科学的前沿推理模型，读者可了解其在药物发现与基因组分析等科研流程中的定位。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，重点增强空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
推荐理由：官方给出与上一代及 Gemini 3.0 Flash 的对比，并首次加入仪表读数能力，可据此判断机器人在设施巡检场景的可用性。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以 Apache 2.0 开源并覆盖从手机到工作站的四种尺寸，读者可据此判断本地部署与微调的选择空间。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4 开源模型
Mistral AI 发布 Mistral Small 4，首次将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型，采用 Apache 2.0 许可。
推荐理由：Mistral Small 4 把推理、多模态与编码智能体能力合并进单一开源模型，并给出可配置推理强度与部署门槛。
Mistral AI精选AI 评分6262 Mistral 发布开源 Lean 4 代码智能体 Leanstral
Mistral 发布 Leanstral，这是首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：Mistral 开源面向 Lean 4 的代码智能体，给出了与 Claude 系列及开源模型的成本与得分对比，可据此判断形式化验证路线的性价比。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 发布 Gemini 3.1 Flash-Lite，称其为 Gemini 3 系列中速度最快、成本最低的模型，定价为每百万输入 token 0.25 美元、每百万输出 token 1.50 美元。
推荐理由：官方给出定价、速度与基准数据，可据此判断高并发场景下是否值得替换 2.5 Flash。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.1 Pro
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证分数，官方称推理表现超过 3 Pro 两倍以上。
推荐理由：官方给出 ARC-AGI-2 上 77.1% 的验证分数，并列出消费端与开发者端的同步开放渠道，可据此判断升级幅度与可用范围。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3 Deep Think 升级版
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，面向科学、研究与工程难题，已在 Gemini 应用中向 Google AI Ultra 订阅用户开放，并首次通过 Gemini API 向部分研究者、工程师和企业提供早期访问。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩，并首次开放 API 早期访问，可据此判断其科研与工程场景的可用性。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.3-Codex-Spark 实时编码模型
OpenAI 发布 GPT-5.3-Codex-Spark，称其为首个实时编码模型，生成速度提升 15 倍，支持 128k 上下文。该模型目前面向 ChatGPT Pro 用户开放研究预览。
推荐理由：OpenAI 发布首个实时编码模型，给出 15 倍生成速度与 128k 上下文，可据此判断实时编码场景的可用性。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 D4RT 模型，统一 4D 场景重建与追踪
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用统一的编码器-解码器 Transformer 架构完成动态场景的 4D 重建与追踪。
推荐理由：D4RT 把动态场景重建统一进单一框架，并给出 18x 至 300x 的加速数据，可据此判断 4D 重建的实时化路径。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Cosmos Reason 2，面向物理 AI 的开源推理视觉语言模型
NVIDIA 发布 Cosmos Reason 2，一款面向物理 AI 的开源推理视觉语言模型，在 Physical AI Bench 和 Physical Reasoning 榜单上位列开源模型第一。
推荐理由：NVIDIA 开源视觉语言推理模型 Cosmos Reason 2 的发布细节，含 256K 上下文与 2B/8B 规格，可对照上一代判断物理 AI 推理能力进展。
Hugging Face BlogAI 评分4242 AprielGuard：面向现代 LLM 系统安全与对抗鲁棒性的 8B 防护模型
Hugging Face 发布 8B 参数安全防护模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3 Flash，主打速度与低成本
Google DeepMind 发布 Gemini 3 Flash，定位为兼顾前沿智能与速度、成本更低的模型，已在 Gemini API、Google AI Studio、Gemini CLI、Google Antigravity、Vertex AI 和 Gemini Enterprise 上线，并开始向 Gemini 应用和搜索 AI Mode 全量推送。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断速度与成本权衡是否适合自身工作流。
Mistral AI精选AI 评分8080 Mistral 发布 Mistral 3 系列，含 675B 参数 Mistral Large 3 与 3B/8B/14B Ministral 3
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个稠密小模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 全系以 Apache 2.0 开源并给出 NVFP4 量化与多平台部署路径，可据此判断开源前沿模型的落地成本。
Google DeepMind精选AI 评分9393 Google DeepMind 发布 Gemini 3，Pro 版预览上线并推出 Deep Think 模式
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版，并同步接入 Gemini 应用、搜索 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。
推荐理由：Gemini 3 Pro 在多项基准上刷新成绩并同步接入搜索、Gemini 应用与开发者平台，可据此判断多模态与智能体能力的当前水位。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 SIMA 2：可推理、对话并在 3D 虚拟世界中自我改进的智能体
Google DeepMind 发布 SIMA 2，将 Gemini 模型作为智能体核心，使 SIMA 从指令执行者升级为能思考目标、与用户对话并自我改进的交互式游戏伙伴。SIMA 2 在未训练过的新游戏（如 ASKA、MineDojo）中泛化能力显著提升，并能通过 Gemini 反馈和试错进行自我改进，无需额外人类演示数据。该研究以有限研究预览形式向少量学者和游戏开发者开放早期访问。
推荐理由：SIMA 2 把 Gemini 的推理能力接入 3D 游戏智能体，并展示了跨游戏泛化与自我改进的训练路径。
OpenAI News精选AI 评分7878 OpenAI 面向开发者发布 GPT-5.1
GPT-5.1 已在 API 中开放，带来更快的自适应推理、扩展的提示词缓存和改进的编码表现。同时新增 apply_patch 和 shell 两个工具。
推荐理由：GPT-5.1 进入 API，开发者可据此判断自适应推理、缓存与编码能力的升级幅度。
Hugging Face BlogAI 评分3636 WRITER 发布 Palmyra-mini 系列开源小模型，含两款推理变体
WRITER 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础版 palmyra-mini 及两款经 CoT 训练的推理变体 palmyra-mini-thinking-a 和 palmyra-mini-thinking-b。
Hugging Face BlogAI 评分4444 Kimina-Prover-RL：开源 Lean 4 定理证明训练管线，兼容 verl
Hugging Face 发布开源训练管线 kimina-prover-rl，用于 Lean 4 形式化定理证明，基于 DeepSeek-R1 启发的"先推理后生成"范式，并完全兼容 verl 框架。
Hugging Face Blog精选AI 评分8383 OpenAI 发布开源模型家族 gpt-oss，含 117B 与 21B 两个版本
OpenAI 发布开源权重模型家族 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，两者均为 MoE 架构并采用 MXFP4 4-bit 量化，激活参数分别为 5.1B 和 3.6B，采用 Apache 2.0 许可。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源模型的参数、量化方案与各推理框架的适配情况，可据此判断本地部署门槛。