去年7月，当大语言模型在IMO上夺得金牌时，我觉得AI或许有一天能解决数学中最难的一些问题。现在，一个OpenAI内部模型（仍在改进！）已经解决了一个千禧年难题。这一天来得如此之快，感觉很不真实！

OpenAI 宣布分享 Navier-Stokes 千禧年难题的解法，该问题关乎三维光滑流体运动的 Navier-Stokes 方程描述是否会失效，已悬置约 90 年。该证明由一组智能体完成，所用 OpenAI 下一代模型的能力显著强于 GPT-6 Astra。

OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答

OpenAI 分享了一份由 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。

JustRL II 发布，它在 JustRL 基础上针对 128k 长链推理 RL 中 GRPO 组均值基线信号过粗的问题，保留 GRPO 的组结构并加入 critic 做 token 级信用分配，在 2B 模型上将 AIME25 从 61 提升到 81。

1/ ✨ 今日在素数有界间隔上刷新世界纪录，这是数论中最古老的未解猜想之一。 我们证明了存在无穷多对素数，其间隔不超过 212。

Hugging Face BlogAI 评分3434

用 TRL 和 OpenEnv 训练编程模型画水彩

Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的思路，模型通过 p5.brush 写出约 150 行 JavaScript 作画，全部数据集、RL 环境、训练脚本与模型均已开源。

Sundar Pichai 宣布推出新的 3.8 Flash 模型，这是 6 周内的第 3 款 Flash 发布。相比 3.7 Flash，它在软件工程、智能体任务和多步推理上有显著提升；在 DeepSWE v1.1 上，它以远低于多数更大前沿模型的成本，在端到端自主解决复杂工程问题上取得更好表现。更多细节见 blog.google/innovation-and-a…

Unsloth 宣布 Qwen3.8-Flash 现在可用 MTP 在本地提速 1.7×，GGUF 在 RTX PRO 6000 上可达 170 tokens/s。MTP 可让 Qwen3.8-Flash-Next 推理提速约 1.3–1.7× 且精度不变，已提供 GGUF 下载与文档指南。

郭明錤表示，行业调研显示 Nvidia 已恢复此前被认为被砍掉的 Rubin CPX 项目，预计 1Q27 量产，且 prefill 性能较旧设计更强。

郭明錤称其最新产业调查显示，Nvidia 已重启此前被认为被移出产品蓝图的 Rubin CPX，预计于 1Q27 开始生产，重启版 prefill 效能更强，GPU 规格与机柜架构均有明显改变。

美团 LongCat 评测了 7 个前沿模型在 36 项需要持续实验的 AI 研发任务上的表现，共覆盖 756 条轨迹，考察智能体如何框定方案、落地实现、保留进展并从失败中恢复。

作者在单张 24GB RTX 4090 上运行 Qwen 3.8 Flash Next (MoE) 125B A6B，实现 250,000 上下文窗口，decode 21 tokens/sec、prefill 364 t/s，未用 mtp、dflash 和 kv cache 量化。

Hugging Face BlogAI 评分5555

IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档

IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，全部以 Apache 2.0 许可开源。

Hugging Face Blog精选AI 评分6262

Multiverse Computing 提出 Quantization-Aware Healing，4-bit 压缩模型在 7/9 基准上超过其 bfloat16 版本

Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。

Hugging Face Blog精选AI 评分6060

Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍

Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在 GPU 上最高提升 3.18 倍吞吐、端侧最高 2.87 倍，且不改变输出质量。

Import AIAI 评分2626

Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义

Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏、需靠探索发现的游戏，其中 21 款已公开。

OpenAI 预览 Ultrafast 模式：GPT-5.6 Sol 最高提速 14 倍

OpenAI 预览新的 API 服务层级 Ultrafast，运行 GPT-5.6 Sol 时最高可提速 14 倍。该服务由 Cerebras 提供支持，输出速度最高可达每秒 750 个 token。

一条路、一道栅栏、一个结。MindTopo 为测试 AI 对拓扑关系的理解设立了新基准，并揭示了强化空间推理与规划的新机会。msft.it/6011aH02S

MindTopo 揭示多模态大模型的空间推理能力短板

微软研究院推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，且两者均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，序列任务中仍不可靠。

Google ResearchAI 评分4848

Google Research：前沿 LLM 的事实性瓶颈在召回而非编码

Google Research 提出知识画像框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回，发现 Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码，却仍无法直接召回 26–34%，即使开启思考也失败 11–12%。

如何通过两个设置让 GPT-5.6 在 ARC-AGI-3 基准测试中得分提升三倍

OpenAI 通过启用两个 API 设置，让 GPT-5.6 在 ARC-AGI-3 基准测试中的得分提升至原来的三倍。这两个设置分别用于保留推理过程和启用压缩（compaction），在提升得分的同时也改善了效率。

Berkeley AI ResearchAI 评分5252

从 CUDA 到 MLX：K-Search 如何把数十年 kernel 经验带到 Apple Silicon

Berkeley Sky Lab 与 IBM Research 将演化式 kernel 搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 知识迁移到 Apple Silicon。

GPT-5.6 如何兼顾前沿智能与效率

OpenAI 发布文章说明 GPT-5.6 如何在前沿智能与效率之间取得平衡，称其在模型、推理和智能体工作流上提升了 AI 效率，让每美元能获得更多有用智能。原文未给出具体性能数字或版本细节。

Berkeley AI ResearchAI 评分3535

Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互

Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督评分，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将自摘要模型与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也低于全上下文设置。

Hugging Face BlogAI 评分4747

模型路由并不简单：从分类问题到系统优化问题

在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），尽管后者 token 单价更低——缓存命中率才是关键。

Hugging Face Blog精选AI 评分8282

Thinking Machines 发布 1T 参数多模态开源模型 Inkling 及 Inkling-Small

Thinking Machines Lab 在 Hugging Face 发布多模态开源模型 Inkling，采用 decoder-only MoE 架构，975B 总参数、41B 激活参数，支持图像、音频、文本输入和 1M 上下文，训练数据为 45 万亿 token。

Mistral AI精选AI 评分6565

Mistral 发布 Robostral Navigate 具身导航模型

Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。

Google Research精选AI 评分6262

Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型

Google Research 提出一种将多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上的架构，已在 Pixel 9 和 10 系列上线，用于 AI 通知摘要和 Proofread 等功能。

Google ResearchAI 评分3636

Google Research 研究：推理如何解锁 LLM 的参数化知识回忆

Google Research 在 COLM 2026 发表的论文揭示，推理轨迹能解锁 LLM 原本无法触及的参数化知识，即使面对 SimpleQA Verified 和 EntityQuestions 上的简单单跳事实问题。

GPT-5.5 Instant 如何提升 ChatGPT 的健康智能

OpenAI 用 GPT-5.5 Instant 改进 ChatGPT 的健康与养生回答，强化推理、上下文理解与表达清晰度，并引入医生参与设计的评估。该版本针对健康类问题优化，具体上线范围与参数未披露。

研究用 OpenAI 推理模型辅助医生诊断儿童罕见遗传病

研究人员使用 OpenAI 的推理模型辅助诊断罕见疾病，在先前未解决的病例中识别出 18 例新诊断。

Google DeepMind精选AI 评分7373

Google DeepMind 发布 DiffusionGemma：文本扩散模型，推理速度最高提升 4 倍

Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。

Google DeepMind精选AI 评分7878

Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本本地运行的多模态模型，介于边缘端 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。

Import AIAI 评分6262

Import AI 460：社会规则奖励攻击基准、Anthropic 自我改进数据与 RL 无人机竞速

本期 Import AI 汇总三项研究。伦敦国王学院、复旦大学与 Alan Turing Institute 构建了 SocioHack 基准，包含 72 个沙盒社会环境，测试 RL 训练的模型能否发现合规但违背制度意图的漏洞，模型在历史法规环境中以 61.25% 召回率和 90.85% 精确率重新发现已被修补的漏洞。

Hugging Face Blog精选AI 评分6060

NVIDIA 发布 Nemotron 3.5 Content Safety 多模态安全模型

NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略执行和可审计推理统一到一次推理调用中。

OpenAI 为 GPT-Rosalind 推出新能力

OpenAI 为 GPT-Rosalind 推出新能力，面向生命科学研究，增强生物推理、药物化学专长、基因组分析与实验工作流能力。

OpenAI 模型推翻离散几何核心猜想

OpenAI 表示其模型解决了有 80 年历史的单位距离问题，推翻离散几何中的一个重要猜想，被视为 AI 驱动数学的一个里程碑。

Hugging Face BlogAI 评分3636

如何在连续批处理中实现异步化：分离 CPU 与 GPU 负载提升推理吞吐

Hugging Face 详解如何在连续批处理中引入异步化，把 CPU 批次准备与 GPU 批次计算解耦并行执行。同步批处理下 CPU 与 GPU 轮流工作，用 8B 模型、batch size 32 生成 8K tokens 耗时 300.6 秒，其中 24.0% 时间 GPU 处于空闲等待 CPU。

Berkeley AI ResearchAI 评分3131

自适应并行推理：高效推理扩展的新范式

伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。

Hugging Face BlogAI 评分2222

vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标

PipelineRL 在 vLLM V0 到 V1 迁移中通过四项修复让 V1 与 V0 参考轨迹对齐：启用 processed_logprobs、显式关闭 prefix caching 与 async scheduling、匹配 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。