模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
Meta 发布 Muse Wonder 与 Muse Wonder Full 两款旗舰 AI 模型，称其在推理、写作和代码测试中得分接近 Anthropic 顶尖模型。Muse Wonder 将为 Muse 应用部分功能提供底层能力，Muse Wonder Full 仅向 Muse Code 订阅用户开放；两款模型内部代号为 Watermelon，代码能力较 Meta 过往模型大幅提升。
推荐理由：文章梳理了两款模型的定位、开放范围和代码能力提升，可帮助读者理解 Meta 切入前沿模型与 AI 编程市场的路径。
Anthropic 的 William Zhou 和 Daniel Freeman 发布研究，测试小型 AI 模型在商业 IoT 设备上自主部署、传播并运行推理的可行性。
推荐理由：研究用真实 Android TV 盒子和受控 GCP 节点拆解 AI 蠕虫复制链路，为评估端侧模型的网络安全风险提供了可核对的实验框架。
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款前沿模型，Artificial Analysis Intelligence Index v4.3 得分分别为 52 和 56，高于前代 Muse Spark 1.3 的 48 分。
推荐理由：文章汇总了两款模型的基准成绩、多模态与记忆能力，以及 API 和 Muse Code 的可用范围，便于横向比较其能力与成本。
Meta Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full，称这是公司首批前沿模型，复杂编码等任务能力较 Muse Spark 更强。
推荐理由：文章梳理了两款模型的定位、价格、可用范围和记忆能力，可帮助读者理解 Meta 在前沿模型与个人助理方向的布局。
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新旗舰 AI 模型，称其在推理、写作和编码测试中接近 Anthropic 最先进模型。
推荐理由：文章梳理两款模型的定位、可用入口和开发波折，可帮助读者理解 Meta 追赶前沿模型与编码市场的布局。
Meta 推出 Muse Wonder 系列，包括 Muse Wonder 和 Muse Wonder Full，主打个人与专业 AI 智能体任务、记忆、专注执行和编码能力。
推荐理由：材料整理了两款模型的可用入口、智能体能力与评测方向，便于读者了解其面向个人和专业任务的定位。
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。
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。
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。
部分数学家通过 AHM 声明呼吁抵制 OpenAI，反对其一次性发布 700 多个 AI 生成证明文件，认为这是力量展示而非学术成果。Fields 奖得主陶哲轩在博客转发声明并提出 Math 2.0，主张数学不应再以解题为主要进步标准；Scott Aaronson 称局面为 Mathocalypse，并对比 OpenAI 与 Anthropic 发布 AI 数学成果的不同方式。
推荐理由：文章汇集陶哲轩、Aaronson 等数学家对批量 AI 证明的分歧，可帮助理解科研评价与署名机制面临的压力。
Anthropic 发布 Claude Haiku 5.5，这是约一年来首个 Haiku 层级更新，定价对标 OpenAI 的 GPT-6 Luna，并同步下调 Sonnet 5.5 缓存读取价格和订阅方案价格。
推荐理由：汇总官方定价、适用场景与第三方评测，并指出高 token 用量和长上下文阶梯价会影响实际成本。
Anthropic 发布快速低成本模型 Claude Haiku 5.5，100,000 tokens 以内定价为 $0.10/$0.50，超过后升至 $0.50/$2.50。
推荐理由：作者用同一提示实测并对比 GPT-6 Luna 的分段定价，可帮助判断不同上下文长度下的真实成本差异。
OpenAI 一次性发布 372 项数学结果，其中包括 Unique Games Conjecture 证明，部分结果带 Lean 证书，但许多证明尚待人类理解。
推荐理由：作者从理论计算机科学共同体内部记录 AI 证明涌入后的阅读、验证和学术分工冲击，可借此理解数学研究流程的变化。
Anthropic 发布 Claude Haiku 5.5，定位为该公司最快、最实惠的小模型，面向摘要、数据库查询、分类和实时客服等高量低成本任务。
推荐理由：文章整理了 Haiku 5.5 的分档定价、基准成绩和适用任务，可帮助评估高频智能体与编码场景的成本取舍。
Anthropic 发布 Claude Haiku 5.5，称其是迄今最便宜、最快且能力最强的小模型，面向摘要、压缩、数据库查询、分类、客服和浏览器等高频任务。
推荐理由：材料给出 Haiku 5.5 的定价、基准表现和适用任务，可帮助开发者判断何时用小模型承接高频工作流。
OpenAI 于 10 月 7 日宣布面向每周超过 12 亿 ChatGPT 用户推出 GPT-6，并在 Chat 中引入 Intelligent UI，可生成图形、按钮、表单、图表和交互式体验。
推荐理由：官方说明了 GPT-6 在 ChatGPT 中的交互界面、渐进回答、安全改进和各套餐可用范围，便于读者判断日常使用变化。
Liquid AI 发布 d1 决策模型家族中的两款开放权重模型 d1-3B 和实验性 d1-omni-600M，均已上线 Hugging Face。
推荐理由：原文给出两款开放权重决策模型的参数规模、多模态输入范围和端侧延迟，可用于比较小模型在结构化判断场景的部署价值。
NVIDIA 与 Hugging Face 团队基于 Nemotron 3，通过 SFT、RL 和反馈驱动推理构建专精系统，在 IOI 2026 取得 535.4/600，在 IMO 2026 取得 30/42，均超过金牌线。
推荐理由：文章同时给出 IOI 与 IMO 的金牌线成绩、训练数据规模和可复用的 SFT、RL 与生成验证精修流程，便于理解模型专精化路径。
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。
推荐理由：论文把研究品味操作化为实验计算效率，并给出模型与人类专家的对比基线，可用于理解 AI 科研能力的评价口径。
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。
推荐理由：文章汇总了 Mistral Large 4 的参数规模、开放节奏、评测位置和网络安全定位，便于与 Claude、GPT-6 等闭源前沿模型横向比较。