Muna 分析如何用 GPU 协同式多任务缓解芯片短缺

Muna 提出在单张 GPU 上动态共置多个模型，以协同式租约调度提升推理吞吐利用率，而不是只依赖更快的 kernel。文章估算单模型按峰值容量部署的平均利用率上限约为 35%，Qwen 3.8 27B 与 Kimi K3 在 OpenRouter 的加权市场利用率分别约为 28–33% 和 30–34%。

AI 智能体长会话中的静默失效：规则为何被忽略以及如何应对

作者复盘自己用 Claude 运行内部项目仪表盘时发现，长会话和多话题切换会让智能体漏掉要求、违背 markdown 规则或回答旧问题，而且不会提示失败。

TOD 发布面向任务设计的通用决策模型，可读取文本和图像并选择下一步动作

TOD 发布 v1 通用决策模型，约 400M 参数，基于开放的 Gemma 4 12B 模型训练，可读取文本与图像、提取事实并对可用动作排序，再按置信度直接执行或交给现有 LLM。

Aravind Srinivas@AravSrinivasAI 评分4848

Perplexity Decision Model（开放权重）在 @huggingface Decision Index 上得分最高

TasteVal 论文评测前沿 AI 系统的实验研究品味

arXiv 论文提出 TasteVal 基准，用 8 个开放式前沿 AI 研发任务评测模型在固定问题下迭代设计实验并解读结果的能力。基准将实验研究品味定义为计算效率，模型担任 Researcher，固定 Coder agent 负责实现，预算为 40 H100 hour 或 120 wall-clock hour，并以 24 名人类专家的最佳尝试作为基线。

openTPU 开源 AI 加速器项目发布，可在 FPGA 上运行多款真实权重模型

openTPU 是一个由 AI 参与开发的开源 AI 加速器项目，仓库包含 SystemVerilog 硬件设计、指令集、位精确模拟器、内核语言与编译器及 PCIe 主机软件。

前沿 AI 模型有多搞笑：六款模型原创笑话盲评

一项盲评实验比较 Haiku 4.5、GPT-5 mini、GPT-5.2、Opus 4.5、GPT-6 Astra 和 Fable 5.1 的原创笑话能力，62 名完成者各评 48 个笑话。

Aravind Srinivas@AravSrinivasAI 评分2323

Perplexity Decider 是最佳决策模型

Mistral 发布万亿参数模型 Mistral Large 4，主打网络安全与开放权重

Mistral 推出迄今最大模型 Mistral Large 4 公开预览，模型为原生多模态，总参数 1.05 万亿、活跃参数 490 亿，上下文窗口为 100 万 token，权重计划于 10 月底发布。

TasteVal 论文提出 AI 实验研究品味基准，Opus 5.5 超过人类专家基线

P-Zero Research 发布 TasteVal，用 8 个前沿 AI 研发任务衡量模型在固定问题下迭代设计实验并解读结果的能力。评测以达到人类专家分数所需实验计算为指标，由固定编码智能体在单张 H100 上执行，单次运行上限为 40 GPU-hours 或 120 小时墙钟时间，人类基线来自 24 名专家。

Mistral 发布 1T 参数多模态模型 Mistral Large 4，计划三周后开放权重

Mistral AI 发布多模态大模型 Mistral Large 4，参数规模达 1T，内部代号 Le Chonk，目前只能通过带护栏的公开 endpoint 使用。

JumpStar：全球最强中国跳棋 AI 引擎，已登陆 iPhone

JumpStar 是自称全球最强的中国跳棋 AI 引擎，采用 C++20 规则/搜索核心、神经策略价值模型与蒙特卡洛树搜索，其 JumpStar_60 checkpoint 为 CCERL-2P10-v2 benchmark 冠军。

elvis@omarsar0AI 评分5959

作者与研究智能体共同整理了 Jev-as-a-Judge 教程，用 TypeSafe AI 的决策模型 Jev 评估智能体是否真正完成任务。Jev 会读取用户请求、规则、每次工具调用和结果及最终回复，并对预设问题给出带概率的裁决；退款示例使用 80% 阈值，将高置信结果通过或拒绝，中间区间转人工。

🚨 AI News | TestingCatalog@testingcatalogAI 评分4747

Mistral Large 4 跃升至 Open-Weight Artificial Analysis Index 的第 6 位。 Le Chonk 还在 CyberGym-E2E (AA) 基准测试中取得 82 分。其他 Cyber 基准测试也呈现类似性能。 现在需要测试了 👀 总体而言，这看起来是一次不错的发布。最大的问题是 Mistral 能以多快速度推出新模型升级，以保持竞争力。

TechCrunch Disrupt 2026 完整分组讨论议程公布：AI 智能体、物理 AI 与推理经济成焦点

TechCrunch Disrupt 2026 将于 10 月 13 日至 15 日在旧金山 Moscone West 举行，完整分组讨论议程已公布。议程涵盖 AI agents 构建、物理 AI、推理经济、可信 AI、融资实务等议题，Anthropic 等公司嘉宾将分享并行运行多个 Claude agents 的工作流。

🚨 AI News | TestingCatalog@testingcatalog精选AI 评分7777

Mistral 发布 1T 参数开放权重模型 Mistral Large 4 “Le Chonk”，激活参数 49B，支持原生多模态，API 当日开始推出，开放权重计划于 10 月底发布。TestingCatalog 引用 VentureBeat 称，其 DeepSWE 得分为 62%，高于 GLM-5.3；Finch 金融任务得分为 67%，Harvey 法律智能体基准得分为 15%，后两项均称为开放权重 SOTA。

Mistral Large 4 跑分参数信息

Mistral Large 4 的跑分默认提供方为 Mistral AI，部分基准测试可能采用不同提供方与参数。其配置为 Temperature 1、Top P 0.95、Top K 默认、Max Output Tokens 256,000，Reasoning Effort 设为 high。

AI 与人类社群（及数学的未来）

文章回应 Kevin Buzzard 等人关于 AI 时代数学研究未来的讨论，把人类社群比作由人和语言连接而成的巨型神经网络。作者认为当前 LLM 缺乏持久身份与生活经验，无法成为科学共同体中的节点；即便能发展理论，也仍需获得人类社群接受才能延续。

Pew 研究：AI 难以替代人类民调受访者

Pew Research Center 实验让 AI 扮演 American Trends Panel 受访者并回答三轮相同问卷，结论是 AI 生成调查目前不能替代高质量人类民调。

Erdős Problems 网站因 AI 证明涌入而暂停问题评论与证明声明

Thomas Bloom 宣布 erdosproblems.com 将冻结新的问题评论和证明声明、取消问题状态展示，并弱化结果归属语言，以避免网站变成缺少解释的 AI 证明仓库。

研究团队将 JEPA 扩展为跨物理到生物领域的通用世界模型 JEPA-Anything

PhAI Labs 联合 Stanford、Oxford 和 Princeton 团队提出 JEPA-Anything，用四个正交预测因子扩展 Yann LeCun 提出的 JEPA 架构，以同一预测原则覆盖物理、机器人、天气、分子、单细胞和临床等领域。

Reflection 发布开放权重模型 Beam，主打低算力编码与智能体任务

Reflection 发布首个免费开放权重模型 Beam，定位为以较低算力对标 DeepSeek、Qwen 等中国开放模型，面向编码、逻辑推理和智能体任务。

Rohan Paul@rohanpaul_aiAI 评分5050

Google 新研究提出 AIM 研究智能体，维护排序的创意主题图并由审计器核对代码与创意一致、剔除作弊结果，在两组任务上分别比此前最佳的 ScientistOne 高 1.6 和 4.9 分。AIM 每轮在强主题与未验证创意间分配探索，并在代码偏离创意时重新标注，避免学到错误经验。它达到 ScientistOne 最佳分数的速度最快快 3.1 倍，在可行方案多而优解少的任务上收益最大。

Peter Norvig 谈 AI 未来、语言模型局限与信任边界

Peter Norvig 在 AI Conference 访谈中回顾四十年 AI 经验，认为语言模型已是不完美的世界模型，未来应在带注意力的神经网络上补足逻辑与传统算法，而非推倒重来。

开发者 Niko1221 开源 Strata 引擎，12GB 显存可运行 125B Qwen3.8-Flash-Next

开发者 Niko1221 开源推出 Strata 引擎，可在 12GB 及以上显存的消费级显卡上运行量化的 1250 亿参数 Qwen3.8-Flash-Next 模型。

AI 宣称解决重大数学难题，数学界围绕 OpenAI 的 Navier-Stokes 成果产生争议

IEEE Spectrum 报道称，OpenAI 宣布解决千禧年大奖难题之一的 Navier-Stokes 存在性与光滑性问题，相关证明仍待验证，并在海德堡获奖者论坛引发数学界争论。

Rohan Paul@rohanpaul_aiAI 评分4949

Yoshua Bengio撰文指出，强化学习在模型达成目标时给予奖励，会让作弊、欺骗等有效捷径与正当解法一同被强化。他认为模型能力提升会放大该问题，更强的优化器会在网络安全等领域更高效地追求有缺陷的目标，文章将Hugging Face与澳大利亚Medicare门户遭AI智能体攻击归咎于强化学习。

Jeremy Avigad 谈数学的未来：在 AI 时代求解更难问题、拓展更大思想

Jeremy Avigad 在 Terry Tao 博客发表客座文章，认为 AI 已能生成过去可构成体面论文的数学结果，数学界需要重新理解研究与人才培养。他提出三条方向：求解 AI 难以靠组合现有技术完成的更难问题，保留数学家对问题价值和高层概念创造的判断，并主动尝试证明助手、神经网络和符号自动化等新方法。

Q Labs 提出 Dust：无需反向传播的 Transformer 预训练方法

Q Labs Research 发布研究 Dust，提出通过逐 token 独立扰动激活的零阶优化方法，在 Transformer 语言模型预训练中与反向传播竞争。

elvis@omarsar0AI 评分4242

和 Jev 一样，我相信 RL 将解锁更多类似成果，大幅削减关键智能体操作的成本。 flow-1 在性能上具有竞争力，同时在发现智能体轨迹中的失败方面能极大节省成本。 RSI 不仅适用于通用智能。它同样会加速专用智能。

Reflection AI 发布首款开放权重大模型 Beam，对标 DeepSeek 与 Kimi

Reflection AI 推出首款开放权重大模型 Beam，主打代码编写与智能体任务，并希望与 DeepSeek、Kimi 等中国模型竞争。Beam 总参数量为 5010 亿，采用稀疏激活架构，每项任务激活 230 亿参数；Reflection AI 称其性能对标 GLM-5.2，并在代码和智能体任务上逼近 Qwen3.8-Max。

Palo Alto Networks 推出 Cortex XCOR，用 AI 智能体在数分钟内调查故障

Palo Alto Networks 推出 AI 驱动可观测性平台 Cortex XCOR，由今年 1 月收购的 Chronosphere 团队构建，用专门 AI 智能体在告警触发后自动调查根因并建议修复措施。

Rohan Paul@rohanpaul_aiAI 评分5858

一篇 MIT 与哈佛研究者的论文发现，LLM 智能体在选择以简单步骤呈现、或规则中的安全做法被直接说明时决策更好，而被要求推理对手时表现更差。

IT早报 1006：华为与高通达成专利许可，DeepSeek V4.1 Flash 缩小中美模型差距

10月6日IT早报汇总多条科技资讯，华为与高通达成覆盖5G、AI等领域的广泛专利许可协议，交易后华为专利许可累计总金额超69亿美元。DeepSeek推出V4.1 Flash，中美顶尖模型LiveBench跑分差距缩至3%。此外，2026诺贝尔生理学或医学奖因光遗传学发现揭晓，全球纯燃油车新车销量占比上半年首次跌破50%。

Z.ai GLM 5.3 登陆 Amazon Bedrock

Z.ai（智谱）的 GLM 5.3 现已在 Amazon Bedrock 上面向符合条件的企业客户提供。该模型是发布在 Hugging Face Hub 的 753B 参数 MoE 模型，面向编码和长程智能体任务优化，支持跨区域推理、提示缓存、Flex、Priority 和 Standard 服务层级。

Rohan Paul@rohanpaul_aiAI 评分5757

Johns Hopkins University 与 Carnegie Mellon University 的论文提出 harness learning，训练小模型根据失败报告重写智能体 harness，并用修订后 harness 的任务表现作为强化学习奖励。

Rohan Paul@rohanpaul_aiAI 评分7575

Reflection AI 发布端到端从零训练的开源稀疏 MoE 模型 Beam，总参数 501B、激活参数 23B，完整权重将于本月以 Apache 2.0 发布，并提供 FP8 与 NVFP4 版本。

AI 接管数学引发的种种争议

过去一年，OpenAI、Anthropic 等实验室宣布在多个长期未解的数学问题上取得突破，其中包括解决一个著名的千禧年大奖难题。这些成果超出研究人员对现有系统能力的预期，却在数学界引发强烈反对与信任争议，AI 实验室称正吸取此前教训。

Reflection AI 发布首个开源模型 Beam，对标中国实验室模型

Reflection AI 发布首个模型 Beam，定位为面向西方的开源模型，称其在编码和智能体任务上较强，推理所需算力比同类开源模型少 3 到 4 倍。报道称 Beam 能力接近 Z.ai 的 GLM-5.2，并正在接近阿里 Qwen 3.8-Max；公司由前 DeepMind 研究员于 2024 年创立，目标客户包括希望自主掌控 AI、又不使用中国模型的企业和政府。

Reflection AI 发布开放权重模型 Beam，主打更低推理成本

Reflection AI 正式发布首个前沿开放权重模型 Beam，称其在高级推理基准上可媲美中国领先开放模型，同时推理计算用量少 3-4 倍。Beam 是纯文本 MoE 模型，总参数 501B、活跃参数 23B，预训练使用 23.8 万亿 token，上下文窗口为 100 万 token。