全部动态

alphaXiv年度论文阅读量清华居首

清华的论文阅读量超过斯坦福、谷歌和麻省理工 我们查看了今年alphaXiv上3800万次论文浏览 清华以180万次领先，斯坦福以143万次紧随其后，Alphabet/谷歌为129万次

SkyRL 把 GLM-5.3-Flash 训练上下文做到 100 万 token，称相对 Megatron 基线提升 64 倍

SkyRL 团队称在 B200（约 178 GiB）上通过四类系统优化，把 GLM-5.3-Flash 的单序列训练长度做到 100 万 token，峰值约 144.5 GiB，约为开箱 Megatron 基线的 64 倍。

SubQ Snap 1.1 登顶决策指数并列第一

Subquadratic 发布决策模型 SubQ Snap 1.1，在 Artificial Analysis Decision Index v1.0 上得 65 分，与 d1-ultra、Elephant 9B 并列第一，领先第三名 Jev 1.14（57）8 分。

TraceTrial-Bench 发布：评测 AI 智能体运行框架的可靠性与失败归因

研究者提出 TraceTrial-Bench，把智能体运行框架（harness）的可靠性拆为上下文、执行、治理、生命周期、可观测性、工具和验证七个组件，并构建 95 个专家级、机制导向且带可执行或基于状态的标准答案的任务。

Cohere 发布 Rerank 5，新增段落级 Context Focus 与校准相关性分数

Cohere 发布检索重排模型 Rerank 5，分 Pro 与 Fast 两档，支持 32K 上下文和 100 多种语言，可在 Cohere API、Model Vault、Microsoft Foundry、Amazon SageMaker 及私有 VPC 或本地部署使用，API 价格分别为每 100 万 Token 0.05 美元和 0.02 美元。

Artificial Analysis 上线 CritPt v2：70 道研究级物理题经作者修订并改为代码执行评测

Artificial Analysis 上线 CritPt v2，CritPt 团队与物理专家复核了全部 70 道研究级物理挑战题，修正表述不清、错误和拼写问题，并提升评分器稳定性。

Quant-Arena：用真实 A 股数据评测 LLM 智能体的量化研究能力

研究团队推出 Quant-Arena，这是一个面向端到端量化研究的基准与公开排行榜，使用真实 A 股数据：模型需自行构建特征与选股代码，仅能获得 2022–2023 年的反馈，并冻结一个策略在封存的 2024 年接受评估。

Recursive 发布 Flint 模型，由 Eureka Machine 自动完成研发流程

AI 初创公司 Recursive 发布首个语言模型 Flint，研发过程几乎每一步都有其自动研究系统 Eureka Machine 参与，由它提出想法、实现、测试并规划后续实验。

Ai2 发布 OlmoEarth v1.3 卫星嵌入模型及全球预计算嵌入

Ai2 发布 OlmoEarth v1.3 卫星嵌入模型，读取一年 Sentinel-1 雷达与 Sentinel-2、Landsat 多光谱时序，为全球每个 10 米像元生成 128 维向量，前 64 维可单独使用。

入选理由Ai2 公开了全球卫星嵌入、权重与预计算数据，地球观测研究者无需 GPU 即可用少量标注做地表分类与变化分析。

Cohere 发布 CulturalRiddles 文化基准

大语言模型在数学和科学上越来越强。但令人意外的是，许多模型连一个简单的谜语都解不开。 @Cohere_Labs 的 CulturalRiddles 是一个新基准，将文化作为交织的、切身经历来测量。秉持开放科学精神，它由一支意想不到的团队打造。

Sarvam AI 介绍面向企业智能体的知识织构构建方法

Sarvam AI 发文介绍其为企业智能体构建的知识织构，把组织文档一次性解析为可导航的知识树，并叠加可按数据库方式查询的领域本体，让智能体在回答时能引用原文段落、表格行和来源页。

Recursive 发布可在笔记本运行的免费编程模型 Flint，称主要由 AI 构建

AI 初创公司 Recursive 发布首个免费编程模型 Flint，可在笔记本本地离线运行，采用 Apache 2.0 许可在 Hugging Face 开放下载。

NVIDIA 与华盛顿大学蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina

NVIDIA 与 UW Medicine 蛋白设计研究所（Institute for Protein Design）在 GTC Berlin 发布开放模型 RFD4-Proteina，把可编程蛋白设计与搜索能力结合，可按分子输入、约束和打分目标生成并优化设计。

入选理由蛋白质设计模型与放疗规划两条线同时落地，研究者可据此判断开放模型能接入哪些现有科研与临床工作流。

Mirendil 发布千亿参数代码基座模型

Mirendil 发布 Mirendil-Base：一名研究员带一群 Agent，3.5 个月、不到 1,000 万美元，从零预训练出 1,000–5,000 亿参数代码基座模型，仅用公开数据、不蒸馏、不用合成数据，99% 以上代码由 Agent 写成。

Artificial Analysis 对比 14 个模型在医学长文本推理与 HealthBench Professional 上的表现

Artificial Analysis 在自建的 MLCR-AA（基于 wisedocsai 的 Medical Long Context Reasoning 基准）和 OpenAI 的 HealthBench Professional 上对比了 14 个模型。

Recursive 发布首个模型 Flint：400 亿参数本地编程 MoE，由自动化研究系统 Eureka Machine 参与训练

Recursive 发布首个模型 Flint，这是一个总参数 400 亿、每 Token 激活 25 亿参数的 MoE，面向本地 Agent 编程，权重以 Apache 2.0 在 Hugging Face 开源。

Recursive发布开源编码模型Flint

Recursive发布了Flint，这是其首个开放权重编码模型，采用Apache 2.0许可证，速度比同类替代方案快2倍。 > Flint是一个40B参数的混合专家模型，用于本地编码。 > Recursive报告称在64GB RTX Spark上达到每秒超过220个token。 > Recursive的Eureka Machine——一个用于运行AI研究实验的系统——编写了自定义GPU代码，在不改变权重的情况下使Flint在RTX Spark上提速55%。

Perplexity 推出 JOLT 训练方法

新研究：我们开发了 JOLT，一种后训练方法，让一个模型同时充当教师和学生，教师经过训练以提供学生可用的反馈。 在 MATH 上，它以少 6.5 倍的训练 token 达到了与 GRPO 相同的准确率。 https://www.perplexity.ai/hub/blog/a-good-teacher-meets-the-student-where-they-are

Artificial Analysis 更新 Wisedocs 医疗长上下文推理榜单 MLCR-AA

Artificial Analysis 更新了 Wisedocs 医疗长上下文推理基准 MLCR-AA 的提示与评分方式，Claude Sonnet 5.5 与 GPT-6 Astra 以 41.7% 并列第一，GPT-6.1 Sol 以 38.3% 紧随其后，Qwen3.8 2.4T A95B 以 30.6% 领跑开放权重模型。

Cohere 发布 Rerank 5 检索重排模型，新增段落级 Context Focus

Cohere 发布企业检索重排模型 Rerank 5，分 Pro 和 Fast 两档，已在 Cohere API、Model Vault、Microsoft Foundry、Amazon SageMaker 上线并向所有 North 用户开放，API 定价为 Pro 每 1M Token 0.05 美元、Fast 0.02 美元。

MiniMax M3.1 Flash 发布：推理模型跑分 42，单任务成本约 0.22 美元

MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis Intelligence Index 上得分 42，比前代 M3 高 13 分，单任务成本却不到其一半。

NVIDIA 在 Jülich 超算中心完成 104 量子比特容错量子计算模拟

NVIDIA 在德国 Jülich 超算中心的欧洲首台百亿亿次超算 JUPITER 上完成 104 量子比特容错量子计算模拟，为迄今规模最大的容错量子处理器完整模拟。

Reflection AI 模型测试成本与 ARC-AGI-3 结果待公布

@reflection_ai 每任务成本基于我们测试时使用的 @Baseten 定价：每 100 万 token 输入 $1.30 / 输出 $4.30。 ARC-AGI-3 结果待公布。 完整结果：https://arcprize.org/results/reflection-beam-1-0

Reflection AI Beam 1.0 在 ARC-AGI 上的成绩

来自 @reflection_ai 的 Beam 1.0 在 ARC-AGI（已验证）上： - ARC-AGI-2：23.5%，每任务 $0.61 - ARC-AGI-1：74.0%，每任务 $0.31 Beam 的最佳成绩出现在 xhigh 推理档位，但在 ARC-AGI-2 上 high 档位与之接近：20.0% 对 23.5%，成本约低 43%。

Latent Space 推出新节目 High Taste Testers，首期聊 Dev Day 与最新模型

Latent Space 正在试播新节目 High Taste Testers，把旧金山的午餐闲聊搬上节目，首期从 Dev Day 聊到最新模型与助手。

Google Scholar API：Python 调用、密钥、定价与替代方案

Google Scholar 没有官方公开开发者 API，开发者只能通过 SerpApi、HasData 等第三方接口或 OpenAlex、Crossref 等独立学术 API 获取数据。

Elorian 发布首个 AI 模型 Glimpse：以“视觉草稿空间”边推理边看图

帕洛阿尔托初创公司 Elorian 发布首个模型 Glimpse，以研究预览形式开放 API 和聊天界面，推理中可裁剪图像区域、抽取视频帧或运行代码测量所见内容，公司称其为“视觉草稿空间”。

Meta开源816B MoE模型Muse Spark Open

Meta在Hugging Face发布开源权重模型Muse Spark Open，总参数816B、激活42B，支持1M token上下文，并针对Mac Studio本地运行优化。

MLExpert：面向自主机器学习工程训练的 35B 智能体模型

研究团队提出面向长周期机器学习工程优化的后训练方法，并据此训练出 35B 混合专家智能体模型 MLExpert。团队设计了 Kaggle-MLE Factory 构造可执行任务与交互环境，用分层智能体 SFT 迁移工具使用和编程能力，并用 Windowed Interaction RL（WIRL）把相邻实验结果之间的多轮决策作为一个执行窗口赋予共享结果奖励。

NVIDIA 与 IIT Madras 发布 2.8 万亿 token 印度语言预训练语料及开放生成流程

NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并公开用于生成该语料的 GPU 加速数据生成流程。

入选理由NVIDIA 与 IIT Madras 公开 2.8 万亿 token 的印度语言预训练语料及生成流程，研究者可据此评估多语言模型的训练数据来源。