Anthropic 前沿红队用约 825 美元搭建 15 台杂牌 Android 电视盒子集群，以 0.39 tokens/秒运行 AI 模型，并在论文中评估小模型自我复制的可行性。实验显示 Qwen3.5-9B 能在 9 类硬件中的 8 类部署可用的 Llama3.1-8B 推理服务，GLM-5.2 在 5 次试验中有 4 次覆盖全部 8 个模拟节点。研究者借助 Epoch Capabilities Index 推算，到 2026 年底 300 亿参数以下开源模型的最强水平将达到 GLM-5.2 的通用能力，但强调实验在受控环境且留有便利条件。
匹配字段摘要、正文
Anthropic 警告小型 AI 模型可能很快能在智能烤箱、杂牌 Android TV 盒子等消费级 IoT 设备上自我复制，形成不依赖数据中心的分布式 AI 负载网络。实验中 Qwen3.5-9B 在九种硬件中的八种成功安装并配置运行 Llama3.1-8B 所需软件，GLM-5.2 在五次试验中有四次触达受控模拟网络的全部八个节点；保留此前尝试数据后，Qwen3.5-9B 成功率从早期 45% 升至后期 84%。研究未演示完全自主的自复制 AI 蠕虫，但 Anthropic 预测 300 亿参数及以下的模型可能在 2026 年底达到所需能力，当前在测试硬件上完成推理部署需 28 至 51 小时（Qwen3.5-9B）或 71 至 150 小时（Gemma4-26B-A4B）。
匹配字段摘要
德国半导体初创公司 Ubitium 完成由 Ibex Investors 领投的 1400 万美元种子轮追加融资，种子轮累计达 1800 万美元。其基于 RISC-V 的通用处理器将信号处理、AI 推理与实时控制整合到单颗芯片，首款芯片 UB108 含 256 个处理单元、采用三星 8nm 工艺，计划 2027 年交付 4096 个处理单元的商用处理器 UB410 供评估。
匹配字段摘要
半导体初创公司 Ubitium 完成 1400 万美元种子轮融资，由 Ibex Investors 领投，累计种子融资达 1800 万美元。其首颗芯片 UB108 采用三星 8nm 工艺、含 256 个处理单元，已验证信号处理、AI 推理与实时控制可在同一可重构阵列上运行。Ubitium 计划 2027 年流片首款商用处理器 UB410（4096 个处理单元）并交付评估单元。
匹配字段摘要
Gemini 4 Argon 开始向 Gemini 应用、Google Antigravity 等产品推送，Google 称其在复杂工作流中具备前沿推理与更好表现，回答更直接、更少重复，并更可靠地遵循风格指令。macOS 版 Gemini 应用支持在聊天与编码之间切换，可直接使用 Antigravity 的智能体编码界面；Antigravity 桌面端、CLI 以及 AI Studio、Android Studio（Canary）中使用该模型需 AI Ultra。Gemini API 上 Argon 在 2026 年 11 月 30 日前为每百万输入 token 2 美元、每百万输出 token 10 美元，之后涨至 4 美元和 20 美元。
匹配字段摘要
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍，Dyna-2 是基于超过一百万小时人类视频预训练的世界动作模型，采用扩散 Transformer 与 flow matching，先预测未来视频再生成机器人动作，类似视觉层面的链式推理。他称模型只需数十分钟到数小时的机器人演示数据即可适配新任务，Dyna-2.1 物理机器人已能连续一小时完成洗衣流程，餐厅客户 Din Tai Fung 处每天折数千张餐巾。他把数据与硬件列为通用机器人的主要瓶颈，指出灵巧手易过热、缺少触觉等传感维度，并解释公司选择轮式半人形、自研执行器与推理栈以压低延迟。
匹配字段摘要
微软发布第三代 AI 芯片 Maia 300，称其针对最新推理模型和智能体优化，可降低运营成本。微软云与 AI 执行副总裁 Scott Guthrie 表示，Maia 300 每兆瓦 token 数预计比主流 GPU 系统高 40%，公司将从 2027 年起把 Azure Maia 系列扩展到多吉瓦部署，使其成为微软产品与服务的主要推理系统。上一代 Maia 200 于今年 1 月推出，目前支持 Microsoft Copilot 负载，GitHub Copilot 和 Microsoft Foundry 将在 2026 年底前跟进。
匹配字段摘要
菲尔兹奖得主丘成桐与多位中国数学家周日在京发起“丘成桐数学与人工智能实验室联盟”，联合八家机构，目标建成超 1000 名研究者的网络，丘成桐警告中国正落后于美国。西方数学界则普遍存疑，25 位菲尔兹奖得主包括 Terence Tao 和 Peter Scholze 担忧 AI 生成的证明侵蚀数学理解、让研究者依赖无法跟进的工具，部分人呼吁抵制 AI 生成证明。中国方面希望构建专用模型、可机器验证的证明以及透明的 AI 推理。
匹配字段摘要
Google DeepMind 发布前沿模型 Gemini 4 Argon，向开发者、企业和消费者开放，在 Vals Index 上排名第一，覆盖编码、金融、法律和网络安全等领域。该模型通过 Gemini API 提供 1M 统一输入输出 token 上限，并公布多项实测结果，包括 Antigravity 中智能体代码提交量提升超 35%、回滚减少近三分之一，以及将 Gemma 4 E2B 在 A100 上通过 vLLM 实现 2.85 倍端到端推理加速。安全方面，Argon 在 Gray Swan 间接提示注入基准上将 15 次自适应攻击的成功率降至 0.7%，并推出面向 1 万名科学家的 Antigravity 最高使用档位 6 个月免费计划。
匹配字段摘要
Google DeepMind 发布面向机器人的 Gemini 4 Argon，官方称其在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。该模型覆盖机器人控制、Real2Sim、物理理解与研究自改进四类场景，示例包括用 MuJoCo 数字孪生练习踩垃圾桶踏板、从手绘草图生成 mujoco_warp 场景，以及通过仿真合成 4500+ 域随机化 episode 将真机成功率从 56% 提升到 75%、完成时间从 35s 降至 24s。开发者即日起可在 Google 开发者平台使用 Gemini 4 Argon。
Google DeepMind 发布面向机器人的 Gemini 4 Argon，官方称其在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。该模型覆盖机器人控制、Real2Sim、物理理解与研究自改进四类场景，示例包括用 MuJoCo 数字孪生练习踩垃圾桶踏板、从手绘草图生成 mujoco warp 场景，以及通过仿真合成 4500+ 域随机化 episode 将真机成功率从 56% 提升到 75%、完成时间从 35s 降至 24s。开发者即日起可在 Google 开发者平台使用 Gemini 4 Argon。
匹配字段摘要
SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，支持可配置 reasoning effort、工具调用和结构化输出，并提供 500K token 上下文窗口。AWS 用三个需搜索推理的任务做了 72 次智能体运行，正确 67 次；xhigh 档 18 次全对，low 档 18 次对 15 次且输出 token 约为八分之一。
匹配字段摘要
Artificial Analysis 推出 Decision Index v1.0，用四项评测（AA-Omniscience 改编的 500 道私有题、HLE 的 513 道文本多选题、NVIDIA 工具调用评测、Ai2 安全分类测试集）衡量决策模型在分类、工具调用、知识、幻觉与推理上的表现。Jev 1.13 以 58 分居首，GLiDE 与 Microsoft-Decision-1 均为 54 分；Decider v1.1 27B 每百万任务成本最低为 $17，Celeris-1 Decision 每任务 0.06 秒最快。决策模型比 LLM 更快更便宜，但知识与推理落后。
匹配字段摘要
Google 宣布开发者即日起可用 Gemini 4 Argon 构建应用，该前沿模型面向真实软件工程、企业知识工作和网络安全防御等复杂工作流。它针对需要深度推理与结构精度的长周期任务设计，包括代码迁移和前沿研究，官方同时给出 Gemini API 开发者指南、Google Antigravity 与 Android Studio 的使用入口。
匹配字段摘要
Gemini 4 Argon 已在 Gemini 应用中上线，主打前沿推理和复杂任务性能提升，回答更直接、少重复、少套话，长任务中会更频繁地同步进度。编码能力也有明显改进，Google Antigravity 的智能体编码界面已直接进入 Gemini macOS 应用，主聊天窗口新增 chat 到 tasks 的切换开关，任务模式下 Gemini 可在用户离开电脑时继续工作。Gemini 目前接入超过 40 个应用，包括 Instacart、OpenTable、Adobe 和 Shopify。
匹配字段摘要
Simon Willison 发布 llm-meta-ai 0.2 插件，为 Meta AI 新模型 Muse Wonder 和 Muse Wonder Full 增加支持。该插件覆盖 minimal、low、medium、high、xhigh、max 六个推理档位，作者用画鹈鹕的方式对比了 Muse Wonder 与 Muse 1.3、Muse 1.2 的差异，并称 Meta AI 目前每月发布一个新模型。
匹配字段摘要
微软发布第三代自研 AI 加速芯片 Maia 300，并宣布 Maia 200 已投产，用于支撑 Copilot 等云服务。Maia 200 部署在美国、欧洲和澳大利亚的数据中心，每瓦 token 吞吐量最高为领先 GPU 基础设施的 1.7 倍，年底前还将支撑 GitHub Copilot 和 Microsoft Foundry。Maia 300 计划 2027 年投产，采用推理优先架构，每兆瓦 token 吞吐量预计比领先 GPU 系统高 40%，96 加速器整机架的 token 吞吐量最高可达 Maia 200 的 7 倍；微软计划 2027 年以多吉瓦规模扩展 Azure Maia 系列，目前 Maia 尚未通过 Azure 实例向客户开放。
匹配字段摘要
Liquid AI 发布 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是 LFM2.5 家族中最大也是最后一款模型，基础版与后训练版均已在 Hugging Face 和 Playground 开放权重。该模型在八项智能体与工具调用基准中的五项领先或持平 Qwen3.6-35B-A3B，AutomationBench 得分为 27.69 对 8.72，LiveClaw 为 48.09 对 38.19。它采用显式思维链的纯推理模式，上下文窗口从 32,768 扩展到 131,072 tokens，词表从 65K 扩至 128K，预训练数据从 17T 扩至 33T tokens，在 Apple M5 Max 上解码 184 tokens/s，单张 NVIDIA B300 GPU 高并发下输出超过 21K tokens/s。
匹配字段摘要
Meta 正在 Meta Model API 平台上线 Muse Wonder 和 Muse Wonder Full 两款模型。Muse Wonder 主打真实场景编码，面向长时间运行的任务，能规划工作、并行调用工具、把部分任务交给子智能体并从错误中恢复；Muse Wonder Full 是 Meta 能力最强的模型，以最大推理量运行，面向最难、耗时最长的工作，仅向 Muse Code 订阅用户开放，不在 API 上提供。
匹配字段摘要
斯坦福 CS 329Z《Engineering AI Agents》第 6 讲「Agent Design Patterns and Scaffolds」讲义公开，内容依次为控制流归属判断、五种工作流模式、智能体推理/行动模式、上下文管理与 Pi 案例研究。该课由 Diyi Yang、Michael Ryan、John Yang 授课，覆盖从 LLM 流水线到自主 Agent 的工程学，主线为分解、数据与评估三大挑战。作业要求用 litellm 手写 RAG 与 ReAct 循环，再用 DSPy 重建并设计完整评估套件。
匹配字段摘要、正文
微软宣布从下一个自然年起将 Maia 芯片家族扩展到多吉瓦部署，使其成为自家产品与服务的主要推理系统，同时发布 Maia 300。Maia 300 面向长上下文推理、低延迟对话和多步智能体任务，官方称其每瓦 token 数比领先的 GPU 系统高 40%。Maia 200 已在美国、欧洲和澳大利亚部署，在 Teams 和 Copilot 中每瓦 token 数最高提升 1.7 倍，并已承载 Microsoft Copilot 等生产负载，GitHub Copilot 和 Microsoft Foundry 将在年底前跟进。
匹配字段摘要