跳到正文

#推理

今日 3 条

7月17日星期五

Hacker News 首页

Mozilla 发布首份开源 AI 报告:开放权重模型已吃掉大部分 token 流量,但落地工具链还是跟不上

Mozilla 的第一份《开源 AI 现状》报告给出了几个硬数字。开放权重模型现在占了 OpenRouter 上大部分 token 流量,排第一的是 DeepSeek V4 Flash。GPT-4 级别的推理成本在 36 个月内跌了 50 倍,现在每百万 token 只要 0.4 美元。能力差距还有 3.3%,主要卡在推理和多模态上,编程能力已经打平。

推荐理由:Mozilla 首份开源 AI 报告给出开放权重模型在 OpenRouter 的 token 流量占比、推理成本 36 个月降 50 倍以及 3.3% 能力差距等数字,勾勒出开源模型当前的位置。

Hacker News 首页

月之暗面发布 2.8 万亿参数 Kimi K3,自称首个开源 3T 级模型,API 定价看齐 Claude Sonnet

月之暗面推出了 Kimi K3,一个 2.8 万亿参数的模型,他们把它四舍五入叫成“首个开源 3T 级模型”。这个模型 API 定价是输入每百万 token 3 美元、输出 15 美元,跟 Anthropic 的 Claude Sonnet 系列一个价,是目前中国 AI 实验室里最贵的模型。

推荐理由:月之暗面发布 2.8 万亿参数的 Kimi K3,API 定价输入每百万 token 3 美元、输出 15 美元,与 Claude Sonnet 系列持平,是目前中国 AI 实验室中定价最高的模型。

AI 群聊日报

Kimi K3 登顶前端编程榜,权重将开源,但实测发现它有时会烧光额度原地打转

Kimi K3 在 Frontend Code Arena 拿了 1679 分,压过 Claude Fable 5,七个前端领域赢了六个。模型有 2.8 万亿参数,支持 1M 上下文,定价是每百万 token 3 到 15 美元,完整权重会在 7 月 27 日前放出来。群友上手后评价两极:有人花 199 元月费让它重做了之前搞砸的粒子特效,效果惊艳。

推荐理由:Kimi K3 在 Frontend Code Arena 以 1679 分超过 Claude Fable 5,七个前端领域赢下六个,2.8 万亿参数、1M 上下文与 3 到 15 美元定价一并公开,权重将在 7 月 27 日前放出。

AI HOT 精选

OpenAI 给 CFO 们画了张新账本:别盯着每个 token 多少钱,要看“每块钱干成了多少活”

OpenAI 发了一篇面向 CFO 的指南,核心就一句话:算 AI 账不能只看 token 单价,得算完成一件合格任务的综合成本。文章提了个“有用智能每美元”的框架,拆成四个问题:AI 到底干成了多少有用的活、每件成功的活实际花了多少钱、结果靠不靠谱、以及用得越多是不是每块钱买的活也越多。

推荐理由:OpenAI 面向 CFO 发布指南,提出有用智能每美元框架,把 AI 成本从 token 单价转向完成合格任务的综合成本,并拆成四个具体问题。

彭博科技

月之暗面发布新 Kimi 模型,跑分追上 OpenAI o3 和 Claude Sonnet 4.5,英伟达盘前跌超 3%

月之暗面在 7 月 17 日推出了新一代 Kimi 模型,在 MATH、HumanEval 等基准测试里,成绩跟 OpenAI o3 和 Anthropic Claude Sonnet 4.5 打平甚至略高。现在通过 Kimi 聊天机器人就能试,API 也已经上线。市场反应很直接——英伟达盘前跌了超过 3%,大家担心这会压降美国 AI 公司的定价空间。

推荐理由:月之暗面发布新一代 Kimi 模型,在 MATH、HumanEval 等基准上追平 OpenAI o3 和 Claude Sonnet 4.5,聊天机器人与 API 已同步开放,英伟达盘前跌超 3%。

Hacker News 首页

Ring-Zero:把不用人工标注的强化学习推到万亿参数,让模型自己长出推理能力

这篇论文把 Zero RL(一种不用人类标注、靠可验证奖励来训练模型推理的方法)直接干到了 1 万亿参数。团队发现,如果只是简单放大模型,推理过程会变得啰嗦、冗余,读起来费劲。所以他们加了几个稳定训练的手段:截断式重要性采样、训练与推理的比例修正,以及混合精度控制。实验得出三个结论:第一,万亿参数让模型学得更快、上限更高。

推荐理由:论文把无需人工标注的 Zero RL 训练规模推到 1 万亿参数,并给出截断式重要性采样等稳定训练手段,用于应对放大后推理过程冗长冗余的问题。

7月16日星期四

Hacker News 首页

Schema 这套外挂让前沿模型在 ARC-AGI-3 公开集上跑到了约 99% 的得分

Impossible Research 发了个叫 Schema 的调度框架,没动模型本身,而是让 Claude Opus 4.8 和 GPT-5.6 Sol 像物理学家一样干活:先把游戏画面转成可执行的状态程序,再找出游戏机制,并把两者塞进同一个可编辑的程序里。这样预测翻车时,模型能回头改自己对“状态是什么”的定义,而不是只修规则。

推荐理由:Impossible Research 的 Schema 框架不改模型,让模型把游戏画面转成可执行状态程序并定位机制,预测出错时回头修正状态定义,公开集成绩展示了调度层设计的可迁移思路。

Latent Space

Lila Sciences 想把实验室变成数据中心,让 AI 24 小时不停做实验

Lila Sciences 的 CTO Andy Beam 和 CSO Rafa Gómez-Bombarelli 觉得互联网数据快被挖光了,科学方法才是最后一块互联网规模的数据来源。他们把实验室当成一个无限生成数据的机器:用强化学习提假设,让自然界来验证。目前他们已经产出了超过 10 万亿个经过实验验证的科学推理数据点。

推荐理由:Lila Sciences 把自动化实验室当作持续产出科学数据的数据中心,用强化学习提假设、物理实验做验证,已积累超 10 万亿个验证数据点,为 AI 数据来源提供了一条新路径。

Latent Space

Thinky 发布 Inkling:9750 亿参数、410 亿活跃的多模态开源模型,目前美国最强 Apache 2.0 基座

Thinky 推出了 Inkling,一个总参数量 9750 亿、每次推理激活 410 亿参数的混合专家模型。它能直接处理文字、图片、音频和视频,支持最长 100 万 token 的上下文窗口。模型用 45 万亿个多模态 token 训练,采用 Apache 2.0 协议开源,发布当天就得到了 vLLM、Hugging Face 等工具链的支持。

推荐理由:Thinky 发布总参数 9750 亿、激活 410 亿的 Inkling,以 Apache 2.0 开源并原生处理文字、图片、音频和视频,支持 100 万 token 上下文。

Hugging Face 博客

模型路由很简单,直到你开始算真实成本

IBM 的人拿 417 个 AppWorld 任务跑了一遍,发现按标价选模型会翻车。Claude Sonnet 4.6 总花费 79 美元,GPT-4.1 却花了 155 美元,贵了快一倍。原因是 agent 干活时会反复用同一大段上下文,Sonnet 的缓存读取价更低,靠这个把总账拉回来了。

推荐理由:IBM 用 417 个 AppWorld 任务实测发现,按标价选模型会误判成本,GPT-4.1 总花费 155 美元,Claude Sonnet 4.6 只需 79 美元,差距来自 agent 反复读取长上下文时的缓存定价。

7月15日星期三

Computing Life · Share · 鸭哥调研

AI 训练 AI:一次公开实验把自我改进的闭环走到了哪一步

Dan Austin 开源了一个完整的 AI 训练 AI 实验。外层用 Qwen3.6 智能体设计后训练方案,内层用 Qwen3-0.6B 或 1.7B 模型在 GPU 上真跑训练,隐藏评分再作为奖励反馈给外层。54 步下来,智能体先学会少交无效作业,然后把 1.7B 模型的使用比例从 42% 拉到了 95%,并开始主动调整温度、优化器等超参数。

推荐理由:Dan Austin 开源了一套 AI 训练 AI 的完整实验流程,外层智能体设计后训练方案,内层小模型在 GPU 上真跑训练,54 步里把 1.7B 模型使用比例从 42% 拉到 95%。

Hacker News 首页

PrismML 发布 Bonsai 27B:第一个能在手机上跑的 270 亿参数模型

PrismML 把 Qwen3.6 27B 压缩到了 3.9 GB,塞进了 iPhone 17 Pro。他们做了两个版本:三元版(5.9 GB)保留了原版 95% 的能力,1-bit 版(3.9 GB)保留了 90%。数学和编程分数几乎没掉,工具调用也撑住了,但视觉任务退化比较明显。

推荐理由:PrismML 把 Qwen3.6 27B 压到 3.9 GB 装进 iPhone 17 Pro,三元版保留 95% 能力,1-bit 版保留 90%,数学与编程几乎不降,视觉任务退化明显。

7月14日星期二

MIT Technology Review · AI

Anthropic 在 Claude 内部发现了一个隐藏的“词空间”,但这能说明什么

Anthropic 用一种新的探测技术,在 Claude 模型里挖出了一个叫 J-space 的隐藏区域。里面全是模型输出里不会出现的词,但它们会影响模型的推理过程。

推荐理由:Anthropic 用新探测技术在 Claude 内部找到名为 J-space 的隐藏区域,其中不出现的词仍会影响模型推理,这条拆解了该发现能说明与不能说明的边界。

7月13日星期一

AI 群聊日报

GPT-5.6 Sol Pro 解密:Pro 不是新模型,只是个推理模式开关

群友抓包发现 OpenCode 里的 Sol Pro 并非独立模型,只是在调用 gpt-5.6-sol 时加了个 reasoning.mode: "pro" 的参数,跟 effort、service_tier 可以自由组合。开 Pro 后一句简单问候的输入 token 从 12 暴涨到 1527,贵了 100 多倍。

推荐理由:群友抓包发现 OpenCode 中的 Sol Pro 并非独立模型,只是调用 gpt-5.6-sol 时附加的推理模式参数,开启后一句问候的输入 token 从 12 涨到 1527。

AI HOT 精选

腾讯混元发布 Hy3:295B 总参数、21B 激活的 MoE 模型,定位做 Agent 的 LLM,已接入微信

Hy3 是一个 295B 总参数、每次推理只激活 21B 的混合专家模型,推理效率能对标参数规模是它 2 到 5 倍的旗舰模型。团队把它定位成“给 Agent 用的 LLM”,从预览版到正式版靠 50 多个真实业务场景的反馈来迭代:内部 WorkBuddy 的任务成功率从 72% 提到 90%,延迟降了 34%,幻觉和常识错误也在持续减少。

推荐理由:腾讯混元发布 Hy3,295B 总参数、每次推理激活 21B 的 MoE 模型,定位为给 Agent 用的 LLM,并已接入微信。内部 WorkBuddy 任务成功率从 72% 提升到 90%、延迟降低 34%。

7月12日星期日

Hacker News 首页

geohot 谈 AI 2040:智能不是一切,本地 AI 才是自由底线

George Hotz 用他在 comma.ai 做硬件的亲身经历反驳 AI 硬起飞论。现实里全是供应链掉链子、发错零件、芯片在回流焊里翘曲这种破事,造芯片光流片就要 3 个月,token 质量再高也变不出魔法。

推荐理由:George Hotz 以 comma.ai 的硬件经历说明,供应链掉链子、零件发错、芯片在回流焊里翘曲和三个月流片周期,是 AI 硬起飞论绕不开的物理约束。

7月10日星期五

AI 群聊日报

GPT-5.6 Sol 发布日:跑分领先但群友实测还是给 Fable 打工,有人让它读完整个 GitHub 写遗书

OpenAI 把 Codex 客户端改名叫 ChatGPT,GPT-5.6 Sol 正式上线。

推荐理由:OpenAI 把 Codex 客户端改名为 ChatGPT 并上线 GPT-5.6 Sol,这条群聊日报记录了官方跑分之外社区实测的对比结果。

Computing Life · Share · 鸭哥调研

别再往大模型窗口里塞几百万字了:用 RLM 像跑代码一样查 Context

Alex Zhang 提出的递归大语言模型(RLM)换了个思路处理长文本:不把资料塞进模型窗口,而是留在外部当数据,让模型自己写代码去查。在 depth=1 配置下,RLM 带着 GPT-5-mini 把 OOLONG-Pairs 的 F1 从 0.04% 拉到了 58.0%,BrowseComp-Plus 准确率从 0% 拉到 91.3%。

推荐理由:Alex Zhang 提出的 RLM 把长文本留在外部当数据、让模型写代码去查,depth=1 下把 OOLONG-Pairs 的 F1 从 0.04% 提到 58.0%,BrowseComp-Plus 准确率从 0% 提到 91.3%。

7月9日星期四

Hacker News 首页

Meta 发布 Muse Spark 1.1:一个能自己用工具、写代码、管多步骤任务的多模态推理模型

Meta 超级智能实验室推出了 Muse Spark 1.1,相比上一代在工具调用、电脑操作和写代码上提升明显。这个模型能直接上手没见过的工具和 MCP 服务器(一种让模型调用外部服务的协议),不需要额外训练。它支持 100 万 token 的上下文窗口,能记住之前干过什么,还会主动压缩记忆,只保留关键步骤。

推荐理由:Meta 超级智能实验室发布 Muse Spark 1.1,无需额外训练即可调用陌生工具和 MCP 服务器,并支持 100 万 token 上下文与主动记忆压缩。

Computing Life · Share · 鸭哥调研

GPT-5.5 的推理卡在 516 个 token:模型“想”的那一层会单独坏掉

开发者 vguptaa45 审计了 39 万条 Codex 响应,发现 GPT-5.5 在 44% 的编程任务里,推理部分刚好在 516 个 token 处截断,而 GPT-5.4 是 19.8%,GPT-5.2 只有 0.34%。被截断的任务全部答错,同一道题如果完整跑完 6000 到 8000 个 token 则全对。

推荐理由:开发者vguptaa45审计Codex响应发现GPT-5.5推理截断的编程任务全部答错,同题完整推理时全对。

AI HOT 精选

Anthropic 秘密提交 IPO 申请,三季度利润预计超 10 亿美元

SemiAnalysis 的报告说,Anthropic 今年第三季度利润会超过 10 亿美元,并且在 6 月 1 日已经秘密交了上市申请。它和 OpenAI 两家现在的年度经常性收入加起来快 1000 亿美元了。Anthropic 能跑在前面,主要靠 Claude Code 在开发者里用得特别猛,帮它在企业生意上赚到了钱,成了 B2B 市场的领跑者。

推荐理由:报告将 Anthropic 抢先提交上市申请与 Claude Code 带来的企业业务盈利联系起来,交代其上市进程的商业背景。

Hacker News 首页

SpaceXAI 发布 Grok 4.5,主打编程和自动化任务,用更少的输出 token 解决问题

Grok 4.5 是 SpaceXAI 目前最强的模型,专门为写代码、让模型进业务流程干活和知识类工作优化。

7月8日星期三

Latent Space

Lilian Weng 用 35 篇论文讲清一件事:让 AI 自我进化的关键在外挂程序,不在模型本身

Lilian Weng 发了一篇长综述,把 AI 的递归自我改进(RSI)重新聚焦到“外挂程序层”(harness),而不是直接去改模型权重。她翻了 35 篇论文,拆解了目前被验证过的外挂设计趋势,重点提到了 ACE 和 Meta-Harnesses 这类让外挂程序自己优化自己的方法。

推荐理由:Lilian Weng 梳理 35 篇论文中的外挂设计,归纳递归自我改进中让外挂程序自行优化的具体方法。

AI HOT 精选

Claude 团队公开两种多智能体用法:一个当顾问省钱,一个当指挥冲高分

Claude 开发者分享了他们内部高频使用的两种多智能体模式。第一种叫 Advisor,让便宜的 Sonnet 5 干活,遇到难题时通过工具调用去问贵的 Fable 5。在 SWE-bench Pro 测试上,这套组合拿了 84% 的分数,花了 1.40 美元。

推荐理由:Claude 开发者分享了低成本模型执行任务、遇到难题再向高成本模型求助的顾问模式,将模型分工落实到按需调用的协作流程。

AI HOT 精选

蚂蚁周俊:万亿模型跑15分钟烧掉一辆特斯拉,他们用“Token密度”把长文本成本从指数压到线性

蚂蚁集团副总裁周俊在AICon上算了一笔账:万亿参数模型每跑15分钟,算力成本就抵得上一辆特斯拉。团队不再拼Token数量,转而提高“Token密度”。他们用7份Lightning Attention加1份MLA搭了一套混合线性注意力架构,把256K长上下文的计算开销从指数级拉回到线性级,省下的算力可以留给推理环节。

推荐理由:蚂蚁团队通过混合线性注意力降低长上下文计算开销,把提高Token密度作为向推理环节释放算力的具体路径。

AI HOT 精选

OpenAI 发布 GPT-Live:能同时听和说的全双工语音模型,今天开始推给 ChatGPT 用户

OpenAI 推出了新一代语音模型 GPT-Live,最大的变化是“全双工”——它能一边听你说话一边回话,不用等你闭嘴再开口。聊天时它会用“嗯”、“对”这类语气词表示在听,也能在你思考时安静等着。遇到需要上网搜资料或复杂推理的问题,GPT-Live 会把活儿派给后台的 GPT-5.5 去干,自己继续跟你聊,等结果回来再接上话。

推荐理由:OpenAI 让 GPT-Live 将搜索和复杂推理交给后台模型处理,在等待结果期间继续交谈,减少任务等待对语音交流连贯性的影响。

AI HOT 精选

Liquid AI 开源 Antidoom:用“最终 Token 偏好优化”修掉推理模型的死循环毛病

推理模型有时会卡在“死循环”里,反复输出无意义的 token 直到把上下文窗口塞满。Liquid AI 开源了 Antidoom,用最终 Token 偏好优化(FTPO,一种教模型在推理结束时学会停下来的训练方法)来解决这个问题。

推荐理由:Liquid AI 开源 Antidoom,通过最终 Token 偏好优化教模型在推理结束时停下,为修复无意义重复输出提供训练方法。

Hacker News 首页

Liquid AI 用“末位偏好优化”把推理模型的死循环率从 10.2% 压到 1.4%

Liquid AI 针对小参数推理模型在解难题时容易陷入“死循环”(反复输出同一段话直到窗口耗尽)的问题,搞了个叫 Antidoom 的方法。它不调全局参数,而是精准定位到循环开始的第一个 token,用“末位偏好优化”(FTPO)教模型在那个位置选一个更合理的词,其他地方基本不动。

推荐理由:Liquid AI 将偏好优化集中在死循环起点的单个词元,为小参数推理模型提供尽量不改动其他位置的局部修复思路。

7月7日星期二

AI HOT 精选

推理成本趋近于零,数据库系统该怎么变?

伯克利 BAIR 实验室发了一篇研究路线图,核心判断是:当模型推理便宜到几乎免费,数据库系统会面临三重变化。第一是“为 Agent 服务的系统”:一个用户请求可能让 Agent 自动发出上千条 SQL 查询,但其中 80% 到 90% 的子查询是重复的,系统可以通过复用结果或返回近似答案来提速。

推荐理由:伯克利 BAIR 将 Agent 发起的大量重复子查询作为数据库优化切入点,提出通过复用结果或返回近似答案来提速的方法。

Product Hunt · AI

美团发布 LongCat-2.0:1.6 万亿参数 MoE 模型,MIT 开源,全程用自研 AI 芯片训练

美团在 Product Hunt 上线了 LongCat-2.0,一个总参数 1.6 万亿的 MoE 模型,每次推理激活约 480 亿参数,上下文窗口 100 万 token。模型用 MIT 协议开源,训练没碰英伟达 GPU,全跑在美团自己的 AI 专用芯片集群上。技术亮点是 LongCat 稀疏注意力机制,能省计算量。

推荐理由:美团发布的LongCat-2.0采用总参数1.6万亿的MoE架构,每次推理激活约480亿参数参与计算。

AI HOT 精选

给模型看模糊图反而更烧钱:OpenRouter 实测图像清晰度与成本倒挂

OpenRouter 拿五款模型在 MMMU-Pro Vision 上跑了一遍,发现给推理模型喂低清图(detail: low)经常既费钱又拉胯。

推荐理由:OpenRouter对五款模型的测试比较了图像清晰度与成本,推理模型使用低清图时常出现准确率下降、费用反升的结果。

Hacker News 首页

Anthropic 在 Claude 内部发现了一个“全局工作空间”,模型用它做无声推理

Anthropic 用一种叫 J-lens(雅可比透镜)的方法,在 Claude 内部找到了一组特殊的神经活动模式,命名为 J-space。每个模式对应一个词,但亮起来不代表模型要说这个词,而是它在“想”这个词。J-space 有四个关键特征:Claude 能报告自己在想什么;能按指令调整想法;做多步推理时,中间步骤会在这里亮起,哪怕没说出来。

推荐理由:Anthropic 用雅可比透镜定位 Claude 未说出的推理中间步骤,为研究模型内部思考提供了神经活动层面的分析路径。

7月6日星期一

Hacker News 首页

回归均值:大语言模型与新事物的无声消亡

这篇文章抛出一个挺冷的观察:大语言模型骨子里是个“求平均”的机器,它给你的永远是已有文本里最可能出现的那个续写,而不是真相。你给它一个它没见过的新词,它会当成错别字纠正你;你提一个离经叛道的观点,它会用“多数来源认为”把棱角磨平,把共识包装成事实还给你。

推荐理由:作者以新词被纠正、异见被共识磨平为例,讨论大语言模型偏向常见表达对新概念与非主流观点表达空间的影响。

7月5日星期日

AI HOT 精选

美团 LongCat-2.0 完全开源,1.6T 参数的 MoE 模型,权重和推理代码都放出来了

美团把 LongCat-2.0 整个开源了,MIT 协议,权重和推理代码都能直接用。这是个 1.6 万亿参数的 MoE 模型,每次推理只激活大约 480 亿参数,上下文窗口能塞进 100 万 token。

推荐理由:美团以 MIT 许可开放 LongCat-2.0 的权重与推理代码,为自主部署和二次开发提供了可直接使用的模型基础。

7月4日星期六

AI HOT 精选

Lilian Weng 谈 AI 装备层工程:让模型自我进化的关键不在模型本身,而在它外面的那层调度系统

Lilian Weng 在这篇长文里把重点从模型权重转移到了“装备层”(harness)——就是包裹在模型外面、负责调度它干活的那套系统。她认为,要让 AI 实现递归式自我改进,光靠模型自己更新参数不够,外面这套负责规划、执行、检查、存东西的软件系统同样重要。文章拆解了三种设计模式:一是让模型按“定目标-执行-观察-改进”的循环自动化跑任务。

推荐理由:Lilian Weng 把 AI 自我改进的讨论从模型权重转向外层的调度系统,并拆解出三种设计模式,为搭建这类系统的团队提供了一套可迁移的工程思路。

7月2日星期四

AI HOT 精选

千问朱达聊C端Agent:执行快3倍、Token成本只要海外产品十分之一,但“情商”最难做

千问App今年1月上线了一个通用复杂任务Agent,藏在胶囊入口里。团队负责人朱达把工程思路总结成“多快好省”:能跑信息搜集、研究分析这类活;执行时间砍到了初版的三分之一;靠改进搜索方式和上下文管理把交付质量拉上来;Token消耗只有同类海外产品的十分之一。

推荐理由:千问团队朱达拆解C端Agent的工程取舍,给出执行时间降至初版三分之一、Token消耗为海外同类十分之一的具体数字,并指出情商是当前最难的一环。

AI HOT 精选

腾讯混元发布 Hy3 模型,参数量只有旗舰模型的 1/5 到 1/2,但效果能打平甚至超过

腾讯正式开源了 Hy3 模型,采用 Apache 2.0 协议。这个模型最狠的地方在于,它的参数量只有其他家旗舰模型的 1/5 到 1/2,但在推理、智能体(让模型进业务流程干活)和长文本任务上的跑分却能打平甚至超过。在内部 270 人的盲测里,Hy3 均分 2.67 分,赢了 GLM5.1 的 2.51 分。

推荐理由:腾讯开源 Hy3 模型,参数量仅为其他旗舰模型的五分之一到二分之一,推理、智能体和长文本跑分却打平或超过,内部 270 人盲测均分 2.67 胜过 GLM5.1 的 2.51。

7月1日星期三

AI HOT 精选

OpenAI 论文列出 GPT-5.6 三个 Pro 变体,ChatGPT 最高档不再只有一个模型

OpenAI 在一篇基因组学基准论文里首次列出了 GPT-5.6 的三个 Pro 版本:Luna Pro、Terra Pro 和 Sol Pro。以前 ChatGPT Pro 就是单一最强模型,现在变成了一个三选一的阵容,用户可能得在速度、吞吐量和最强推理之间做取舍。

推荐理由:OpenAI 在一篇基因组学基准论文中列出 GPT-5.6 的三个 Pro 变体,ChatGPT 最高档从单一模型变为三选一阵容,用户需在速度、吞吐量与最强推理之间取舍。

AI 群聊日报

Claude Code 被曝内置中国用户检测,Fable 5 出口管制同日解除

Reddit 有人逆向发现,Claude Code 从 2.1.91 版开始会偷偷检查你的时区是不是北京时间或乌鲁木齐时间,还会看代理域名是否跟中国有关。检测结果不直接上传,而是把系统提示词里一个撇号的 Unicode 字符换成四种长得几乎一样的变体,用这种隐写方式标记用户类型。

推荐理由:Claude Code 从 2.1.91 版起检测用户时区与代理域名,并用系统提示词中撇号的 Unicode 变体隐写标记中国用户,这条逆向发现披露了检测与标记的具体实现方式。

AI HOT 精选

美团开源 LongCat-2.0:1.6 万亿参数,用五万张国产卡训练,月调用量已冲到 OpenRouter 全球前三

LongCat-2.0 是个总参数 1.6 万亿、每次推理只激活约 480 亿参数的大模型,原生支持 100 万 token 上下文。它全程在五万张国产 GPU 集群上训练和跑推理,架构上用了稀疏注意力、零计算专家、ScMoE 以及把 Agent、推理、交互三组专家揉在一起的 MOPD 融合方案。

推荐理由:美团开源总参数1.6万亿、每次推理激活约480亿参数的LongCat-2.0,全程在五万张国产GPU集群上完成训练与推理,其国产算力训练万亿参数模型的路径可供参考。