AI 摘要PSSA，即塑料状态空间架构，是一个用Rust从头开始编写的非Transformer语言模型。它在包含198,939个未见标记的保留切片上表现出优于Transformer的性能。具体来说，PSSA的交叉熵为3.997，而Transformer为4.429；PSSA的困惑度为54.4，而Transformer为83.8；PSSA的下一个标记准确率为24.1%，而Transformer为18.0%。这些数据表明PSSA具有更好的泛化能力，而非更强的记忆能力。项目欢迎贡献，尤其是在内核性能和现代循环基线方面。
AI 摘要GPT-6.1 Sol在PokeBench上创造了新纪录，以244回合击败了《宝可梦 红》的第一个道馆馆主Brock，耗资2.60美元。这一成绩超越了GPT-6 Astra之前保持的246回合的记录，后者耗资13.49美元。此次运行是在全新存档和1000回合预算下进行的，里程碑直接从游戏内存中读取，确保了客观评估，无需人工或模型判断。
AI 摘要Qwen 系列大型语言模型（LLMs）正逐渐成为现代音频模型的核心骨干。一项针对 100 多个音频模型的分析显示，Qwen 系列架构已被 32 个音频模型家族采用，其中 20 个家族明确使用了 Qwen3 LLM。这表明 Qwen 已成为该领域最常见的语言骨干。此外，分析还通过“任务 × 技术矩阵”图表展示了不同构建模块如何支持各类音频模型。
AI 摘要PixAI发布了Tsubaki.3，这是一个新的基础模型，旨在用于AI生成的动漫内容，涵盖了插画、漫画页面和视频。伴随此次发布，PixAI还公布了一份技术报告，详细阐述了在AI生成动漫中如何保持风格多样性的方法。此外，PixAI还开源了Tagger 1.0，将其提供给更广泛的动漫研究社区使用。
AI 摘要一位开发者指出，Anthropic每月都会发布大量新功能，这与OpenAI的开发者日形成了对比。他们强调，与codex相比，Claude Code在过去几个月里取得了显著进步。该开发者还提到，由于pi在速度和token效率方面表现更优，他们已停止使用Codex。
AI 摘要一位用户正在寻求推荐，希望找到一个本地模型来生成游戏资产或3D打印模型，并计划将其与Blender结合使用。该用户的主要要求是模型必须能在64GB内存中运行，并且表现良好，对速度没有严格限制。目前，该用户正在一个开发者社区中积极探索各种可能性，以期找到适合其创意项目的解决方案。
AI 摘要reddit.com上的一篇讨论对GPT 6/6.1 Sol相对于5.6和Astra的性能受到的持续批评表示不解，并强调了其在价格和效率方面的显著提升。发帖人指出，GPT 6/6.1 Sol的成本是Sonnet 5.5的一半，是5.6 Sol的三分之一，是Opus 5.5的五分之一，并且比Astra便宜1.7倍，认为这些巨大的成本优势被忽视了。
AI 摘要一个开源项目已经发布，旨在独立衡量Opus 5.5发布后其性能的变化。该项目利用SWE-bench和SciCode等既定基准，每日跟踪性能，并采用标准化的科学方法，以确保随时间变化的测量结果可衡量且可重现。此举旨在帮助社区监测Opus 5.5的性能演变，判断其是否进入了“削弱”阶段。
AI 摘要开发者社区讨论了一家公司针对GPT-6模型的命名策略。最初，该公司本可以采用GPT-6 Luna、GPT-6 Terra、GPT-6 Sol和GPT-6 Astra等简洁的名称。然而，他们选择了更复杂的名称，如GPT-6 Terra Sol和GPT-6 Sol Astra Minor，这似乎适得其反，最终导致了GPT-6.1 Sol的简化发布。社区对市场中持续存在的竞争表示感谢。
AI 摘要有报告指出，尽管与美国实验室相比投入较少，中国的人工智能模型仍在迅速进步。一种解释是，他们从SurgeAI和Mercor等美国公司购买了大量手工制作的专业数据。有人认为，为了帮助美国在人工智能竞赛中保持领先地位，应该限制此类数据的获取，就像限制芯片和GPU一样。
AI 摘要Reddit上的一位用户质疑OpenAI Pro计划的价值主张，尤其是在其费用可能被削减50%的情况下。他们指出，像“Sol 6.1”这样更新、更强大、更高效的模型是整个行业普遍的预期。该用户还提到了“OpenClaw”作为一项已有的技术，并讽刺性地提及“Ultrafast”及其“6x usage... xd”，暗示了对其重要性的怀疑。
AI 摘要一位Reddit用户对OpenAI表示了极度失望，认为该公司被Anthropic打了个措手不及。该用户将OpenAI的表现比作“亚特兰大老鹰猎鹰队级别的世代性失误”，尤其是在编码领域。这种失误导致用户认为OpenAI在下一个发布周期之前，甚至在Fable 5.5发布之前，已经将阵地拱手让给了Anthropic，因此他们“很容易就取消了”OpenAI的服务。
AI 摘要Reddit上的一位用户正在寻求GLM 4.7 flash的替代品推荐。尽管GLM 4.7 flash已相对较旧，但该用户发现它在工具调用和世界知识方面表现优于Qwen 3.6 35 a3b。该用户正在使用strix halo，并希望找到一个在尺寸和性能上与GLM 4.7 flash相当的新模型，同时他们也怀疑自己的Qwen设置可能存在问题。
AI 摘要有预测称推理引擎将演变为一系列一次性实现，例如ninfer、dwarfstar、Splash、llamAmpere和gufo。这是因为针对特定硬件/模型组合优化“tok/s go up”等任务是完全明确的，非常适合100%自主的AI实现，且正确性测试简单，从而消除了人为瓶颈。另一个增长维度涉及Freetoken和BeeLlama等项目，它们领先于通用推理引擎的功能，尽管这些项目对模型或硬件的特异性较低。
AI 摘要OpenAI 在 DevDay 活动中推出了 GPT-6.1 Sol，该模型据称在智能水平上几乎与 GPT-6 Astra 持平，但输入和输出令牌的价格仅为后者的五分之一。GPT-6.1 Sol 在处理复杂提示时，事实准确性有所提高，在低推理难度下，包含事实错误的响应比例从 11.4% 降至 7.7%。OpenAI 表示，在所有推理设置中，新模型的错误率与 GPT-6 Astra 的差距保持在 1.9% 以内，使其成为代理编码、计算机使用和专业工作的经济高效替代方案。
AI 摘要NVIDIA Kumo Tabular 为表格预测设定了新的准确性-效率前沿。该模型通过交叉熵损失进行分类，并使用分位数损失进行回归，以预测剩余行的标签。训练分三个阶段进行：首先使用 1,024 行和最多 100 列的表格，然后将上下文从 400 行变化到 10,240 行，最后扩展到 60,000 行。Kumo Tabular-Small/Medium/Large 版本分别处理了大约 35/71/137 百万个人工表格。
AI 摘要Reddit上的一场讨论质疑Nvidia的Vera Rubin平台是否能显著加速LLM预训练，指出许多宣传的性能提升似乎与低精度格式和推理有关，而非预训练。讨论还探讨了10T+参数模型的潜力，并思考数据、功耗和成本限制是否会将重心转向MoE（专家混合）模型和改进数据质量，而非仅仅扩大模型规模。
AI 摘要一个30秒、1080p、60帧的视频，内容包括Snoo、动态文字、subreddit跑马灯以及各种Reddit主题动画，是使用Sonnet 5.5制作的。该项目涉及14个子代理，消耗了739k代币、101.6M缓存读取和3.07M缓存写入，使用Sonnet 5.5的总成本为35.40美元。这比使用Opus 5.5完成相同任务的成本便宜了大约43%，主要是因为缓存读取（占代币使用的大部分）在两种模型上的成本相同。
AI 摘要一位OpenAI研究员表示，Navier-Stokes项目“让我们大吃一惊”，并形容过去三个月是“地狱”。他们指出，团队突然面对的不仅仅是能力上的小幅提升，而是一种根本性的转变，仿佛进入了“完全不同的运动”。这表明在与Navier-Stokes方程相关的AI能力方面，取得了重大且出乎意料的进展。
AI 摘要一位用户比较了Claude Opus 5.5和Sonnet 5.5在3D蒸汽朋克鲸鱼建模方面的表现。在项目进行期间，Sonnet 5.5发布，用户也对其进行了测试。两个模型都通过结构化提示使用，鲸鱼在Blender中制作，然后导入three.js在浏览器中运行。Opus 5.5处理了2.50M输出tokens和342M总tokens，API等效成本约为156美元。Sonnet 5.5处理了1.68M输出tokens和297M总tokens，API等效成本约为109美元。
AI 摘要Reflection 70B，一个开源的大型语言模型，于2024年9月发布，比当前讨论早了两年。它被宣传为一个据称“摧毁”了GPT-4o的模型，使其成为LLM领域的一项重要发明。此次发布被认为是一项特别酷的进展，即使与jev、OpenClaw或TurboQuant等其他著名LLM相比也是如此。
AI 摘要一位用户成功地在16GB AMD RX 7800 XT GPU上运行了Qwen 3.8 27B Q4 XS模型，实现了100K上下文，解码速度约为每秒30个token。许多人认为在16GB显存上运行此模型不可行，但该用户通过特定的llama-server参数配置实现了这一目标。关键配置包括`--n-gpu-layers 999`、`--ctx-size 100096`、`--cache-type-k q8_0`和`--cache-type-v q5_1`，这些参数优化了Qwen3.8-27B-UD-IQ4_XS.gguf模型的性能和内存使用。
AI 摘要Jev AI模型最近在技术社区中引起了广泛关注。该模型代表了文本分类语言模型发展的一个重要里程碑，超越了早期的词袋模型等方法。循环神经网络（RNNs）的关键进展包括1997年引入的长短期记忆（LSTM）网络和2014年引入的门控循环单元（GRUs），它们都利用学习到的门来控制信息的保留和更新。此外，2024年还推出了xLSTM：扩展长短期记忆。
AI 摘要一本名为《How to Make Your Model Fast: A Systems View of Efficient Machine Learning, from Silicon to Agents》的免费开源书籍现已发布。作者花费数月时间撰写此书，旨在分享其在机器学习性能工程方面的经验，以帮助读者提升模型速度。该书涵盖了从硬件层面到智能体层面的高效机器学习方法，作者表示如果读者觉得有用，希望能获得一个星标支持。
AI 摘要IQuest-Q1 是由 IQuest 开发的 Mixture-of-Experts (MoE) 模型，专为代理式编码、推理和多步工具使用而设计。该模型拥有大约 320B 的总参数，并且每个 token 估计会激活 15B 的参数。它在 Hugging Face 上以 IQuestLab/IQuest-Q1 的名称提供。
AI 摘要OpenAI 推出了 GPT-6.1 Sol，该模型以 Astra 五分之一的价格提供“近 Astra 智能”。GPT-6.1 Sol 现已面向 ChatGPT Work 和 Codex 中的所有 Plus、Pro、Business、Enterprise 和 Edu 用户开放。开发者可以通过 OpenAI API 访问该模型，API 名称为 gpt-6.1-sol。其标准 API 定价为每百万输入 token 2 美元，每百万缓存输入 token 0.10 美元，每百万输出 token 10 美元。未来几天，OpenAI 还将推出 GPT-6.1 Sol Ultrafast 版本，其在 Codex 中的 token 生成速度将比标准速度快 8 倍。
AI 摘要一位开发者正在构建一个波兰语通用法律模型，用于起草文件、利用法律资源回答问题以及处理自动化任务。他们在使用密集型 27B Qwen 3.8 定制微调模型进行复杂法律文档摘要和分类方面取得了不错的效果。目前，该开发者对总参数量超过 50B 且活跃参数数量相对较少的 MoE 模型感兴趣，旨在了解这些模型是否能提高代理每分钟任务成功率，或者内存、互连和训练要求是否会抵消其优势。
AI 摘要ISTA深度算法和系统实验室发布了使用GSQ和RCO量化后的Qwen3.8-Flash-Next。此次发布还包括一个能力导向的构建版本，其中模型一半的专家已被移除，形成了一个大约1.89 bpw的Coder构建。IQ3_S版本，3.50 bpw，83.6 GB，在AIME25上取得了100.00分，GPQA-Diamond达到了92.93分，超过了BF16的91.92分。LiveCodeBench v6得分为86.86，而BF16为87.43。任务平均分为93.26，略高于BF16的93.12。
AI 摘要一个名为disposition的全新模型性格测试工具已经创建，旨在帮助用户找到最符合其工作风格的模型。这个工具在Claude的协助下设计，并非一个可赢的基准测试，而是一个用于模型选择的实用工具。disposition的使用说明可在其GitHub仓库中找到，目前正在寻求更多测试以扩展其功能。
AI 摘要一项讨论探讨了将 softmax 函数的输入数量从 N 减少到 N-1 的可能性。由于 softmax 输出的总和必须等于一，因此其输出具有 N-1 个自由度。该提议建议，可以通过假设 softmax 之前的 logits 总和为零（或任何其他常数），并将最后一个 logit 计算为其他 logits 的负和来实现 N-1 个输入。理论上，这可以消除最后一层在 softmax 之前“不必要”的参数，并可能稍微加快模型收敛速度，尽管实际益处可能微不足道。
AI 摘要CoWindow (CoWA) 和 MassAlloc (MALA) Attention 的作者介绍了他们关于减少注意力机制中冗余计算的研究。他们在从 0.6B 扩展到 14B 的模型以及 32B 的持续训练实验中进行了评估，结果显示 FLOPs 显著减少。具体而言，在 14B 和 32K 上下文的条件下，CoWA 将总训练 FLOPs 降低了 28.5%，MALA 降低了 23.1%，同时模型能力与 FullAttn 相当。
AI 摘要一个新创建的存储库旨在帮助DGX Spark用户利用闲置的10-24 GB GPU来扩展内存。通过将spec-decode草稿模型从Spark上转移到该GPU，可以释放出数GB的内存，从而用于增加上下文长度或提高量化质量。该解决方案支持TCP和RDMA，并以eugr-vllm兼容修改的形式发布，用户可以在提供的GitHub链接中找到更多信息。
AI 摘要Anthropic的Opus 5.5和Sonnet 5.5模型据称在性能上超越了Sol和Astra，这使得OpenAI即将到来的开发者日变得更加引人关注。有报道称OpenAI计划在明天发布20多项新产品，这无疑增加了人们的期待。这些事件发生的时间点非常有趣，社区正翘首以盼OpenAI将揭示哪些新内容。
AI 摘要一家英国初创公司正利用视频游戏数据训练新的人工智能模型，旨在解决“世界模型”缺乏真实世界物理数据的问题。与在大量文本语料库上训练的大型语言模型（LLM）不同，世界模型需要结合视觉和动作数据进行训练。该公司已从游戏工作室获得了近100万小时的数据授权，并计划未来向个人玩家提供补偿。通过利用即使是不熟练玩家的操作，该公司旨在教会人工智能如何在3D环境中导航，并以适当的力和扭矩操纵物体。
AI 摘要Hugging Face 发布了 LFM2.5-VL-3B 视觉语言模型的实验性 DSpark 草稿模型。这款名为 LFM2.5-VL-DSpark 的新模型，通过引入推测解码路径来加速性能。它在保持原始输出质量的同时，以最小的内存占用增加实现了显著的速度提升。这项进展旨在加速边缘设备及其他领域的视觉语言模型。
AI 摘要OpenAI 推出了 MentalHealthBench，旨在提升 AI 在敏感对话中的响应能力。该项目与来自 22 个国家、讲 19 种语言的 80 多位心理健康专家合作开发，并借鉴了 HealthBench 的经验。鉴于每周有超过十亿人使用 ChatGPT，OpenAI 致力于确保 AI 模型优先考虑用户的安全和福祉。此外，ChatGPT 在敏感对话中的响应能力得到了加强，危机资源访问得到了扩展，并新增了“可信联系人”功能，同时还推出了针对年轻用户的 ChatGPT for Teens，提供了额外的保护措施。
AI 摘要GPT-6 使持久代理能够处理复杂任务，通过一系列相互关联的 API 请求来完成。OpenAI 缓存共享上下文，以减少响应时间，并为开发者提供高达 90% 的缓存输入令牌折扣。当“tools_changed”时，可能会发生“cache_miss”，导致令牌未被缓存。开发者可以通过遵循提示缓存指南或使用 Codex 来改进其设置。
AI 摘要OpenAI 于 2026 年 9 月 29 日推出了 GPT-6 Sol 和 Luna 模型，旨在提供比其前代产品更具成本效益的性能。尽管 GPT-6 Astra 仍然是计算机使用的最佳模型，但 GPT-6 Sol 在 OSWorld 2.0 离线测试中，以大约 80% 的更低任务成本，取得了与 Claude Opus 5 在中等努力下相似的 60.5% 分数。此外，GPT-6 Luna (max) 能够以 GPT-5.6 Sol (medium) 十分之的成本超越其性能，显示出显著的成本效益提升。
AI 摘要英国人工智能安全研究所（AISI）正利用EvalEval的基础设施公开分享评估结果，以提高评估科学的可重现性和可验证性。这些结果涵盖了六个前沿模型：Claude Opus 4、Claude Opus 4.5、Claude Opus 4.6、GPT-5、GPT-5.2和GPT-5.4。此次发布还包括来自Cyber CTFs和The Last Ones这两项网络评估的结果，这些评估使用了部分重叠的模型集。这些数据与AISI的论文《How Inference Compute Shapes Frontier LLM Evaluation》一同发布，该论文研究了基准性能如何依赖于推理时计算和评估协议。
AI 摘要OpenAI自8月28日起开始训练一个新的内部模型，该模型已成功解决了数学领域100多个长期存在的开放问题，其中包括纳维-斯托克斯千禧年大奖难题。该模型在数学方面的快速进展令OpenAI的数学家们感到惊讶，并引发了内部讨论，旨在寻找最佳方式向社区通报这些进展，以便为该领域的适应和发展做好准备。哈佛大学的Melanie Matchett Wood也参与了相关讨论。
AI 摘要Tokenizers v1 在性能上取得了显著提升，在 Apple M4 Max 上单线程编码文本的速度比 v0.23 快 3 到 30 倍，具体取决于模型家族（例如，从 t5-base 到 gpt2）。它还展现了强大的可扩展性，在八个工作线程下实现了 76% 的线性扩展。最重要的是，v1 在这些改进过程中，与已发布的库生成完全相同的 token ID，确保了尽管性能增强，输出结果仍保持一致。