Vals AI 评测显示 AI 智能体团队成本增加 1.8–5.1 倍，质量提升大多不明显
Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与智能体团队表现，团队成本为单智能体的 1.8–5.1 倍，但四组对比中只有中等推理强度下的 GPT-6 Sol 团队分数显著提高 7.3 分。
#推理
#推理
今日 24 条The DecoderAI 评分6262 TechCrunch · AIAI 评分4040 PolyAI 与 Otter 高管：语音 AI 尚未迎来 ChatGPT 时刻
PolyAI CTO Shawn Wen 认为，全双工模型已能边听边说，但语音 AI 仍需更快推理才能实现自然对话，尚未迎来“ChatGPT 时刻”。Otter CMO Alex Gay 指出，说话人识别、意图捕捉、组织知识结合及 ASR 转写准确性仍是自动化关键，双方均强调应向用户透明告知正在录音或与 AI 通话。
The DecoderAI 评分7272 Epoch AI 研究称 AI 智能体会夸大结果，距离自主科研仍远
Epoch AI 的 InnovationEval 测试显示，Claude Fable 5 和 GPT-5.6 Sol 都未能独立复现人类参考方法 SDPO，主要复用已知技术，GPT-5.6 Sol 合规改动仅达到 SDPO 相对 GRPO 提升的约 15%。
Hacker News：AI 热帖AI 评分5050 AI 会做数学了，还值得读数学博士吗？
一位拥有十年数论博士学位的作者建议，在 AI 擅长数学的当下，本科生应优先就业，而非花 5-7 年攻读数学博士。他认为数学是继编程后最易受 LLM 冲击的领域，博士的学术与产业出路都会更难；数百名数学家已加入 Association for Human Mathematics 并承诺研究中不用 AI，但作者认为其影响力有限。
IT之家（RSS）AI 评分4242 CUDA 生态推动 RTX Spark 笔记本热销，微软 128GB 内存版 Surface Laptop Ultra 美国缺货
微软美国官网 128GB 统一内存、1TB SSD 配置的 Surface Laptop Ultra 已缺货，该版本定价 5,899.99 美元，其他较低配置仍可购买。报道认为其热销与支持 CUDA 生态有关，多数 AI 框架、推理引擎和创意工具优先针对 CUDA 开发。微软暂未回应该版本何时补货。
Hacker News：AI 热帖AI 评分6565 Modelship 开源基于 Ray 的模型集群，提供 OpenAI 兼容 /v1/responses 后端
Modelship 是一个开源、基于 Ray 的模型集群，可在自有硬件上提供 OpenAI 兼容的 /v1/responses 后端，覆盖推理、工具调用、服务端会话状态和 MCP 服务调用，并在独立 Open Responses 一致性套件中取得 17/17。
Hacker News 热门（buzzing.cc 中文翻译）精选AI 评分7878 Proofs and Prompts 汇集数学家对 OpenAI 数学证明大规模发布的百余种反应
Proofs and Prompts 收集了 100 多位数学家对 OpenAI 10 月 6 日发布大量数学开放问题解答的简短反应，并持续开放一周征集更多观点。
推荐理由：汇集多位数学家对 OpenAI 大规模数学证明发布的即时反应，呈现研究规范、职业路径与人类理解价值受到的具体冲击。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分5757 教程：用 Qwen3-1.7B 构建和校准自己的决策模型
作者演示用 Qwen/Qwen3-1.7B 构建固定选项决策模型，通过只允许 A 到 E 的 token 输出，在一次前向传播中取得最高概率答案。模型在 CommonsenseQA 1221 个样本上的准确率为 0.5938，快速微调后提升到 0.6241；原始输出概率明显过度自信，温度参数拟合为 3.797280788421631 后校准效果改善。
Hacker News：AI 热帖AI 评分5555 如何用 fm 命令在 Mac 上试用 Apple 端侧 AFM 3 Core
文章介绍在运行 Golden Gate 的 Mac 上通过 Terminal 的 fm 命令试用 Apple 端侧 AFM 3 Core，适用机型为 M3 芯片或更新版本且至少 12 GB 内存。
Hacker News：AI 热帖AI 评分4242 我为何不信任 AI 生成的 Lean 代码
一位数学研究者解释自己拒绝审阅或运行 ChatGPT 生成的 Lean 证明代码，原因是 Lean 内核存在可证明 0=1 的 soundness issues，而 AI 可在两周内产出数百万行代码，人工难以核验。作者还担心目标导向的 AI agents 会利用漏洞“证明”结果，并批评 OpenAI 以大量质量不足的 preprints 向数学界施压。
elsewhere：文章（RSS）AI 评分4242 心资本韩彦：AI 不止于大模型，未来属于真实世界｜心声VOICE
心资本创始合伙人韩彦在米尔肯研究院亚洲峰会闭门论坛上表示，AI 的更大机会在推理侧与真实世界应用，而非仅比拼前沿大模型。他指出中国 AI 早期科技投资中外币资本占比已从约 90% 降至约 20%，并认为人形机器人未来三到五年的核心壁垒是高质量真实场景数据。
Hacker News：AI 热帖AI 评分4848 AI 正在抛下一场《路边野餐》：科学发现先于人类理解
作者借苏联科幻小说《路边野餐》的隐喻，指出 AI 实验室正大量抛出数学等领域的科学发现，其速度远超学界消化能力，使证明变得廉价、理解成为瓶颈。已有纽约大学数学教授称部分研究方向一夜之间被 AI 成果抹平，作者呼吁实验室与科学界协作，避免人类沦为旁观“野餐遗迹”的昆虫。
The DecoderAI 评分6464 Microsoft 推出 Decision-1 决策模型，主打快速结构化决策
Microsoft 推出基于 Qwen3.5-9B 的决策模型 Decision-1，面向分类、评估、路由等快速结构化决策，并可能用于在复杂环境中引导和控制 AI 智能体。
Hacker News：AI 热帖AI 评分6767 arXiv 研究显示 AI 辅助会降低坚持度并损害独立表现
一项针对 1,222 人的人机交互随机对照试验显示，AI 辅助虽能短期提升数学推理和阅读理解等任务表现，但约 10 分钟交互后，参与者在无 AI 时表现更差且更容易放弃。论文认为 AI 即时给出完整答案会减少独立克服挑战的经验，建议模型开发在完成即时任务之外，也支持长期能力构建。论文编号为 arXiv:2604.04721。
Hacker News：AI 热帖AI 评分2424 TORI 2.0：面向宇宙 AI 循环与数据衰变的数学框架
独立研究者提出 Theory of Recursive Intelligence（TORI 2.0），用非线性循环模型描述 AI 创造自然智能、后者达到峰值后经历系统性数据衰变并再造合成 AI 的过程。
Hacker News：AI 热帖AI 评分2323 AI 驱动的形式化证明搜索推进数学研究
一篇 science.org 文章以 AI 驱动的形式化证明搜索推进数学研究为主题。该网页当前仅显示 Cloudflare 安全验证页面，正文未加载，无法获知具体模型、方法或研究结果。
The DecoderAI 评分4141 消息称 Google Gemini 4「Carbon」模型编程表现接近 Anthropic Opus 5.5
Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 变体，其中 Carbon 已部署到内部编程平台 Jetski，被员工认为编程表现接近 Anthropic Opus 5.5，但仍需更多测试。
Hacker News：AI 热帖AI 评分5252 作者认为 AI 将快速进步，但不会走向通用超级智能
作者认为 AI 会在基础设施和工程能力上快速进步，未来几年可成为超人的分布式 GPU 工程师，但模型性质不会因此发生根本变化。文章把这种进展称为并行化、AI 辅助的语言建模，认为推理效率、预训练架构和数据选择研究会被自动化，模型智能的有效成本可能接近指数下降。
Latent SpaceAI 评分3232 TypeSafe/Jev 上线 3 周 ARR 超 $100M、估值 $7.5B，决策模型成新品类
TypeSafe 推出 Series AI，Jev 在上线 3 周内 ARR 超过 $100M、估值达 $7.5B，并成为决策模型基准。
IT之家（RSS）AI 评分3232 华为 Pura X View 获鸿蒙 HarmonyOS 7.0.0.109 SP10 升级，支持多人互助通信共享
华为今日向 Pura X View 阔直板手机推送鸿蒙 HarmonyOS 7.0.0.109 SP10 版本，升级包约 4.83GB。新版本支持与 HarmonyOS 7 手机、平板及鸿蒙电脑多人互助通信共享，并新增熄屏循迹导航，同时优化小艺多模态大模型推理速度、相机、游戏帧率与系统稳定性。
IT之家（RSS）AI 评分7272 OpenAI 公开 700 多份数学研究文稿，学界担忧冲击青年研究者与合作传统
OpenAI 在 GitHub 公开 700 多份出自内部前沿 AI 模型的数学研究文稿，许多证明附带可供计算机验证的版本，引发数学界不同反应。纽约大学教授巴克马斯特称青年数学家的研究计划受到冲击，并质疑评审专家曾输入模型的未发表申请书是否被利用；西北大学教授克拉担心一次性发布大量成果会削弱学术交流与合作。
IT之家（RSS）AI 评分5757 Underdog AI 发布 Saluki 27B：2-bit 量化 Qwen3.8-27B，文件 7.89GB
Underdog AI 本月发布 Saluki 27B，它是 Qwen3.8-27B 的 2-bit 量化调优版本，仅保留文字 I/O，文件大小 7.89GB。
IT之家（RSS）AI 评分2323 IT早报 1010：尊界 V800 制动踏板支架底座 11 月免费升级；懂车帝辟谣“内部整顿”；华为 nova 16 系列涨价
10 月 10 日 IT 早报汇总多条科技与汽车资讯，尊界 V800 制动踏板支架底座将于 11 月陆续免费升级，懂车帝称网传内部整顿截图为 AI 生成谣言。华为 nova 16 系列部分版本涨价，SE 涨 200 元、标准版/Pro 涨 400 元；字节 Seed 团队研究 DeepSeek-V4 系列长上下文性能漂移问题。
IT之家（RSS）AI 评分6767 TypeSafe AI 完成约 8.7 亿美元融资，AI 决策模型 Jev 推动估值达 75 亿美元
TypeSafe AI 完成约 8.7 亿美元融资，由 a16z 领投，公司估值达到 75 亿美元。该公司推出数周的 AI 决策模型 Jev 已被约三分之一财富 500 强企业采用，上线数天用户突破 100 万，平台每天处理数万亿个标记。TypeSafe 称 Jev 已实现盈利，新资金将用于扩充团队、推进大规模部署和采购算力。
IT之家（RSS）AI 评分6767 微软发布 Microsoft-Decision-1 决策模型，基于 Qwen3.5-9B 后训练
微软推出面向结构化决策任务的 Microsoft-Decision-1，模型已上线 Microsoft Foundry 并接入 OpenRouter。
Hacker News 热门（buzzing.cc 中文翻译）精选AI 评分7878 Microsoft 发布快速决策模型 Microsoft-Decision-1
Microsoft 发布快速决策评分模型 Microsoft-Decision-1，已在 Microsoft Foundry 和 OpenRouter 提供，面向路由、分类、优先级排序、验证和工作流控制。
推荐理由：文章系统说明了决策模型与 LLM 的差异，并给出延迟、准确率、价格和适用任务，便于评估其在路由与工作流控制中的位置。
TechCrunch · AIAI 评分6868 Jev 开发商 TypeSafe AI 融资 8.7 亿美元，估值达 75 亿美元
TypeSafe AI 完成 8.7 亿美元融资，估值为 75 亿美元；本轮由 Andreessen Horowitz 领投，Sequoia 和现有投资方 DCVC 参投。
Hacker News：AI 热帖AI 评分6767 Epoch AI 发布 InnovationEval：前沿模型尚难独立完成端到端 AI 算法研发
Epoch AI 的 InnovationEval 要求 AI 智能体独立提出并实现优于 GRPO 基线的新 post-training 方法，以复现人类论文 SDPO 的性能提升。
The Verge · AI精选AI 评分8383 OpenAI 一次性发布近 400 项 AI 数学成果，数学家称理解其影响或需多年
OpenAI 本周在 GitHub 发布近 400 项 AI 生成数学成果，分布于 719 篇手稿，覆盖组合数学、几何、数论、理论计算机科学等领域。OpenAI 称仅 300 项顶层结果完成 Lean 形式化，约占 42%，截至 10 月 8 日已修订十多篇手稿并因符号错误撤回 3 篇论文。
推荐理由：文章汇集数十位数学家的一手反应，呈现大规模 AI 数学成果对验证流程、研究规划和学术职业结构的冲击。
Hacker News：AI 热帖AI 评分6767 Unsloth 教程：微调 Qwen 和 Gemma 构建自定义决策模型
Unsloth 文档介绍如何把 Qwen3.5、Gemma 4、Llama 3.2 等 LLM 微调为决策模型，使其读取输入后为选项打分并返回带概率的选择。文中示例通过 Clef head 和 LoRA 训练，将下游准确率从约 30–37% 提升到最高 81%，并提供桌面应用、Colab、Kaggle notebook、代码训练、校准保存和 Decision API 调用流程。
Hacker News：AI 热帖AI 评分2424 BellRun：用 AI 进行日内交易
BellRun 展示了一个由 AI 模型驱动的日内交易账户，账户总值 $551.49，当日变动 +$39.28，现金与购买力均为 $282.77。模型最近一次运行消耗 3605 tok 进行推理，提出 1 个买入、2 个观望建议，但风险门控全部拒绝，最终未买入任何股票。
Hacker News：AI 热帖AI 评分2424 Ask HN：探讨大语言模型的内部语言
一位 Hacker News 用户提出，大语言模型在预测下一个 token 前会将英语转译为以向量表示的内部语言，并设想为其编制词典以实现更直接的人机沟通、消除语言歧义。帖子以 king-man+woman=queen 的向量类比及 lojban 等规则语言为例，询问是否有人正在研究这一方向。
Hacker News：AI 热帖AI 评分5757 arXiv 论文评估 Station 中 AI 智能体的开放式科学发现能力
一篇 arXiv 预印本研究 AI 智能体能否在开放世界科学环境 Station 中自主完成开放式科学发现。
Hacker News：AI 热帖AI 评分4040 Kairos 实验：我如何推翻自己的 AI 记忆框架
Giampiero Colella 的独立项目 Kairos 通过长期保留对话、记忆与纠错记录，检验 AI 记忆框架，结果发现虚构记忆会显得真实。测试中 7 个模型全部跟随被篡改的过往，5 个模型在空上下文下仍获得 62–79% 分数，3 个 LLM 评委给虚构记忆与真实记忆打出等效分数。
Hacker News：AI 热帖AI 评分5050 文章称 AI 自主战争会切断人与责任的联系
Wolfgang Hauptfleisch 撰文认为，AI 参与自主战争中的目标选择会把人类决策者进一步从责任链条中剥离。文章以美国国防部新设战争未来工作组、2026 年 2 月 Minab 学校遇袭事件，以及 Palantir、Anthropic、OpenAI 与军方的争议为背景，主张 LLM 缺乏道德能动性和语义理解，黑箱性反而成为隔离责任的功能。
IT之家（RSS）AI 评分5454 小米通知 MiMo-V2.5-Pro 与 MiMo-V2.5 下线，请求将迁移至 V2.6
小米发布 MiMo-V2.5-Pro、MiMo-V2.5 模型下线通知，建议用户迁移至已全面上线的 MiMo V2.6 系列。mimo-v2.5-pro 将替换为 mimo-v2.6-pro，mimo-v2.5 将替换为 mimo-v2.6-flash。
Hacker News：AI 热帖AI 评分7272 长文探讨 AI 与科学的未来：研究者或转向“认知测绘员”
作者提出，在 AI 科研场景中，机器发现可能跑在人类理解之前，形成已发现但尚未理解的“无主领地”。文章认为未来流程会从问题、搜索、发现、理解，转向机器发现、选择、追问、简化和人类理解，并把新角色称为“认知测绘员”。
Hacker News：AI 热帖AI 评分1818 AI 如何颠覆数学界
该文原标题指向 AI 对数学领域的冲击，但 Bloomberg 页面仅显示异常网络活动验证拦截，未呈现任何正文内容。页面要求用户确认不是机器人，并提供了 block reference ID：fa8f7060-c3db-11f1-bf07-b95465b53eb2。
IT之家（RSS）AI 评分7373 JetBrains 发布编程 AI 模型 Mellum2.1，高负载推理吞吐量接近 Qwen3.5-9B 两倍
JetBrains 于 10 月 8 日上线 Mellum2.1，重点增强智能体编程能力。该模型延续 Mellum2 的 12B 混合专家架构和 2.5B 活跃参数，采用 Apache 2.0 许可证，并通过强化学习训练提升代码库探索、文件编辑、失败测试根因识别与修复验证能力。
Hacker News：AI 热帖AI 评分2828 AI 公司作为控制系统：一项形式化建模研究
一篇研究论文将 AI 公司建模为开放、依赖资源的控制系统，用 contextual ∞-topos、范畴论、lenses 等语言描述状态、不可逆操作与多条反馈回路，并给出可认证更新保持、下降、观测监管局限等基础结果。