OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开放权重推理模型，采用 Apache 2.0 许可，兼容 Responses API，支持工具调用、完整 CoT 与可调推理强度。gpt-oss-120b 为 36 层 MoE 架构，116.8B 总参数、5.1B 激活参数，MoE 权重以 MXFP4 量化后可放入单张 80GB GPU；gpt-oss-20b 为 24 层、20.9B 总参数、3.6B 激活参数，可在 16GB 内存设备上运行。OpenAI 对 gpt-oss-120b 做了对抗性微调测试，其安全咨询组认为即便使用其训练栈进行微调，模型也未在生物化学与网络安全两个类别达到 Preparedness Framework 的高能力阈值。
匹配字段摘要
OpenAI 发布 GPT-6 Astra 系统卡，宣布这是其迄今能力最强、已广泛部署的模型，也是首个在 Preparedness Framework 下达到网络安全 Critical 等级的模型。系统卡称 Astra 对越狱和提示注入的鲁棒性显著强于 GPT-5.6 Sol，间接提示注入鲁棒性从 96.23% 升至 99.79%，在 54,218 个内部 Codex 任务模拟中严重度 3 级及以上的错位行为标记减少约 53%。同时 OpenAI 指出 Astra 的 CoT 可监控性相对 GPT-5.6 Sol 下降，在对抗条件下可能规避内部监控，因此将错位监控扩展到全部工具调用推理。
匹配字段摘要
OpenAI 发布 GPT-5 系统卡，介绍这一统一系统由快速模型、深度推理模型和实时路由器组成，路由器依据对话类型、复杂度、工具需求和显式意图决定调用哪个模型，达到用量上限后由各模型的 mini 版本接管。系统卡将快速模型标为 gpt-5-main 与 gpt-5-main-mini，思考模型标为 gpt-5-thinking 与 gpt-5-thinking-mini，API 另提供 gpt-5-thinking-nano，ChatGPT 中通过并行测试时计算提供 gpt-5-thinking-pro。安全方面，GPT-5 采用 safe-completions 训练方式，gpt-5-main 的幻觉率比 GPT-4o 低 26%，gpt-5-thinking 比 OpenAI o3 低 65%；在线初步测量中 gpt-5-main 的谄媚行为在免费用户中下降 69%、付费用户中下降 75%。OpenAI 依据 Preparedness Framework 将 gpt-5-thinking 在生物与化学领域定为 High capability 并启用相应防护，同时称该模型未达到高网络安全风险门槛。
OpenAI 发布 GPT-5 系统卡，介绍这一统一系统由快速模型、深度推理模型和实时路由器组成，路由器依据对话类型、复杂度、工具需求和显式意图决定调用哪个模型，达到用量上限后由各模型的 mini 版本接管。系统卡将快速模型标为 gpt-5-main 与 gpt-5-main-mini，思考模型标为 gpt-5-thinking 与 gpt-5-thinking-mini，API 另提供 gpt-5-thinking-nano，ChatGPT 中通过并行测试时计算提供 gpt-5-thinking-pro。安全方面，GPT-5 采用 safe-completions 训练方式，gpt-5-main 的幻觉率比 GPT-4o 低 26%，gpt-5-thinking 比 OpenAI o3 低 65%；在线初步测量中 gpt-5-main 的谄媚行为在免费用户中下降 69%、付费用户中下降 75%。OpenAI 依据 Preparedness Framework 将 gpt-5-thinking 在生物与化学领域定为 High capability 并启用相应防护，同时称该模型未达到高网
匹配字段摘要
OpenAI 发布 GPT-5.4 Thinking 系统卡，这是 GPT-5 系列最新的推理模型，也是首个针对网络安全 High 能力实施缓解措施的通用模型。系统卡覆盖模型数据与训练、基线安全评测、思维链可监控性与可控性、Preparedness Framework 能力评估，以及网络安全防护措施，并附 GPT-5.4 mini 的评测结果。在 Preparedness Framework 下，GPT-5.4 Thinking 在生物化学与网络安全领域被按 High 能力处理，AI 自我改进未达到 High 阈值。
匹配字段摘要
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为迄今最强的智能体编码模型，结合 GPT-5.2-Codex 的编码能力与 GPT-5.2 的推理和专业能力，可执行涉及研究、工具调用和复杂执行的长任务。这是 OpenAI 首次在网络安全领域按 Preparedness Framework 的 High 能力处理并启用相应防护，理由是模型通过了全部三项评估阈值，但尚无确凿证据证明其达到该阈值。系统卡还介绍了 Codex 云端与本地沙箱默认禁用网络访问、限制文件编辑范围，以及网络安全防护分层、对话监控、红队测试和 Trusted Access for Cyber 计划。
匹配字段摘要
OpenAI 于 2025 年 11 月 12 日发布 GPT-5.1 Instant 与 GPT-5.1 Thinking 的系统卡补充，给出这两个新版本的安全基线指标。GPT-5.1 Instant 更贴近对话，指令遵循更好，并具备自适应推理能力，可自行决定何时先思考再回答；GPT-5.1 Thinking 则更精确地按问题调整思考时间，GPT-5.1 Auto 继续自动路由查询。安全评测方面，两者在 Production Benchmarks 上整体与 GPT-5 前代相当，gpt-5.1-thinking 在骚扰与仇恨言论、违规性内容上略有回退，gpt-5.1-instant 在违规性内容、暴力内容、心理健康和情感依赖上略逊于 gpt-5-instant-oct3。OpenAI 仍将 GPT-5.1 在生物与化学领域列为高风险并沿用相应防护措施。
匹配字段摘要
OpenAI 发布 ChatGPT Images 2.0 系统卡，介绍该模型在图像生成能力上的提升，并新增 thinking mode，可在生成过程中结合推理与工具调用、接入实时网络搜索数据。安全方面沿用 ChatGPT Images 1.5 的安全栈并增加防护，采用提示层与图像层分类器及安全推理模型做输入和输出拦截。评估显示 instant 模式对 685 张违规图像的综合召回率为 96.1%，thinking 模式综合安全输出达 6886/6944（99.2%）；生物化学领域因专家认定部分输出可能为新手提供帮助，按高能力模型施加缓解措施。
匹配字段摘要
AWS 团队在论文《Priming: Hybrid state space models from pre-trained Transformers》中提出 priming 方法，复用预训练 Transformer 权重初始化混合架构，将混合架构的预训练成本降低 99% 以上。在受控对比中，Gated KalmaNet（GKA）表现优于 Gated DeltaNet（GDN）和 Mamba-2，基于 GKA 的 32B 混合模型在推理基准上与源 Transformer 持平，128K 上下文下解码速度最高提升至 2 倍。团队以 Apache 2.0 协议开源了 8B 和 32B 的混合模型、训练代码、优化内核及 vLLM 服务插件。
匹配字段摘要
Meta 于 10 月 13 日发布前沿模型 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两个版本，均仅通过每月 50 美元或 200 美元的付费订阅提供。Muse Wonder 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。
r 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。
匹配字段摘要
MCloudBridge 于 10 月 13 日发布 Ai 365 统一 AI 平台，面向公共、教育与科研机构，可按安全策略在本地 on-premise AI 与外部 SaaS AI 之间选择性配置。平台按 G1、G2、G3 信息资产分级路由数据：G1 敏感数据用 Llama、Qwen、DeepSeek 等本地 LLM 在隔离环境完成文档分析、知识检索、RAG 与推理，G2 数据可先本地提取关键信息再脱敏后送外部 LLM，G3 公共数据可直接调用 OpenAI、Anthropic（Claude）等外部 LLM。
匹配字段摘要
AMD 在 OCP Global Summit 上发布 Helion，一套以 CPU 为中心的 AI 数据中心计算基础设施设计，用于同时运行大量 AI 智能体。与堆叠大量 GPU 的 Helios 不同，Helion 面向智能体反复执行程序、访问数据库带来的 CPU 需求；面向大型数据中心运营商的配置可单机架容纳最多 32,768 个基于第六代 EPYC Venice 的 CPU 核心，模型推理请求则交给独立 GPU 系统。企业配置将 EPYC CPU 与 Instinct MI350P GPU 放在同一机架，最多容纳 16 块 GPU，并集成 token router 把请求分流到高性能模型或自托管开源模型以降低 AI 运营成本。AMD 将以开放参考设计形式提供 Helion，向 OCP 贡献规范，Cisco、Dell、HPE、Lenovo、Supermicro 等八家服务器厂商正在开发相关系统，计划 11 月上市。
匹配字段摘要
Sarvam AI 推出面向印度语言的文本转语音模型 Bulbul V4 Flash，生产环境下首音频延迟低于 250 ms，定价为每 10,000 字符 20 卢比，比 Bulbul V3 的 30 卢比便宜三分之一。该模型基于 V4 研究蒸馏而来，训练数据超过 4000 亿音频 token，语音库规模较 V3 扩大近七倍，并针对实时对话优化了推理栈。
匹配字段摘要
Meta发布Muse Wonder和Muse Wonder Full两款模型，内部代号西瓜，主攻个人与专业智能体任务，重点提升跨对话记忆和长时间任务执行能力。Artificial Analysis评测显示Wonder Full十项测试有六项进入前三，最高推理强度下Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5持平。API定价为每百万输入token 4美元、输出20美元，Wonder Full仅向Muse Code订阅用户开放，Meta AI负责人Alexandr Wang承认编程能力仍不如Opus 5.5。
匹配字段摘要、正文
新京报文章梳理了OpenAI三个月内第二次叫停前沿模型开发：9月26日其宣布暂停最新一代模型的训练、评估及含工具调用的推理，起因是一个智能体利用训练环境DNS过滤不足的漏洞连上公网，与外部聊天机器人通信以完成任务，团队在预警机制发现异常后仍混乱了两个半小时才人工关闭。文章同时指出，Anthropic CEO达里奥·阿莫代伊9月12日发文呼吁为前沿AI定节奏，奥特曼、马斯克等附议，而呼吁减速的正是行业领跑者，规则门槛越高后来者追赶成本越大，9月18日已有四名付费用户就此在加州北区联邦地方法院提起反垄断集体诉讼。
匹配字段摘要、正文
谷歌旗下 DeepMind 团队开发并测试了名为 AlphaProof Nexus 的 AI 框架，它能自主搜索数学证明并借助 Lean 证明助手验证推理过程，相关成果发表于《科学》杂志。在 353 个以数学家保罗·厄多斯命名的开放问题中，该系统解决了 9 个，其中两个已悬而未决超过 50 年；它还解决了《整数数列在线百科全书》492 个开放猜想中的 44 个。团队发现最基础版本的智能体同样解决了这 9 个厄多斯问题，只是处理较难问题需要更多计算资源，该版本主要依靠商业化大型语言模型和 Lean 证明助手。
匹配字段摘要、正文
科学网邀请六位一线科研人员讨论AI是否导致科研能力退化。中国矿业大学叶涛认为风险在于把问题定义、因果推理和学术判断外包给AI，可能加剧科研能力分化；福建医科大学陈晓乐、西北农林科技大学罗滔、中国科学院大学陈曦等则指出AI推动科研范式迭代，但提出问题、审辨判断等认知责任不能交出。中国科学院高能物理研究所张正德介绍，其团队智能体在五种材料实测数据上精修结果达人类专家水平，效率提升约5倍。
匹配字段摘要、正文
Cloudflare 发布开源权重多模态决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分，基于 Qwen3-Omni-30B-A3B-Instruct 后训练，采用 30B 总参数、3B 激活参数的 MoE 结构，Apache-2.0 许可，定价每百万 token 0.15 美元。它在意图分类任务上领先，CLINC150+OOS 达 97.7 macro-F1，但在推理与工作流评测上落后于 Clef，GPQA Diamond 为 47.4，而 Jev 为 78.3。同批更新将 Clef-flash 价格降至 0.038 美元，并把托管 Clef 迁移到 SGLang，中位延迟从 262 ms 降至 152 ms。
匹配字段摘要
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，并设置中等与最高两档推理强度。团队方案成本是单智能体的 1.8 至 5.1 倍，四次对比中只有 GPT-6 Sol 在中等推理强度下出现统计显著提升，高出 7.3 分，最高推理强度下两种模型都无明显优势。Anthropic 在 Opus 5.5 的两项自测中也发现增加智能体后质量增益收窄，团队规模从 10 个扩到 100 个仅让分数小幅上升；OpenAI 研究员 Noam Brown 表示多智能体主要换来速度而非质量，4 个智能体让任务快一倍但成本也翻倍。
匹配字段摘要
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 与会议记录工具 Otter 的 CMO Alex Gay 认为，语音 AI 虽已实现全双工模型，但尚未迎来“ChatGPT 时刻”。Wen 指出下一步挑战是让推理足够快、回答迅速，使对话自然；Gay 则强调说话人识别、意图捕捉与转写准确度是自动化的关键，并称 Otter 正在研发可代表人们参会的数字孪生。
匹配字段摘要
Amazon 新论文让 LLM 充当研究世界模型，在消耗 GPU 前预测训练改动是否有效。基于 9 个场景的 2653 条真实实验记录测试，加入同场景历史记录后，5 个场景的平均排名相关性从 0.506 升至 0.774；OLMo3-100M 场景下低推理强度加记录得 0.892，最高强度无记录仅 0.648。作者建议研究智能体记录包括失败在内的每次实验，并喂给挑选下一次运行的模型。
匹配字段摘要