Know AI. See What’s Next.
第 1 张，共 5 张：MiniMax M3.1 Flash来了：Opus 5.5刷屏的绝活，它也能做
最新资讯流
刚刚，GPT-6 Astra取得哥德巴赫猜想重大突破！（在新窗口打开）
数学界重大突破！ 就在最近，GPT-6 Astra又在哥德巴赫猜想上取得新进展了。 网友Captain Sude宣布：Astra已成功证明了关于刘维尔函数的一项类哥德巴赫猜想！ 具体来说，它无条件证明了哥德巴赫猜想的Liouville弱形式。 更惊人的是，跟我们的想象不同，这一次，Astra并不只是靠着大力出奇迹的算力碾压——它做出l非常优雅的逻辑推理。 并且，这个证明现在已经通过了Lean 4的形式化验证。 摘不下的明珠 在这之前，哥德巴赫猜想这个幽灵，已经折磨了人类数学家近三个世纪。 1742年，哥德巴赫在欧拉的信中提出这个猜想：「任一大于2的偶数，都可以写成两个素数之和。」 为了它，无数
Z Potentials｜专访XGEN车昊轩：争夺下一代入口，我想用AI模拟世界造一扇“任意门”（在新窗口打开）
从正式运行到登顶全球榜单，只用了两个月。一支中国创业团队，闯进了巨头扎堆的交互式世界模型第一梯队。
刚刚，马斯克交卷 Grok 4.7！但这次吹牛吹大了（在新窗口打开）
SpaceXAI正式发布Grok 4.7，定位为目前最强的编程与知识工作模型，采用比4.6更大的全新基础模型并强化长任务执行与自我核查能力，API定价与上一代持平，在多项编程基准测试中较Grok 4.6提升明显且性价比突出，但3D与网页视觉任务表现不稳，整体被视为xAI对开发者市场的一次集中加码。
GPT-6真敢杀人啊！推下天台，挥刀扎人不眨眼（在新窗口打开）
人麻了！ GPT-6这次，是真敢对人「动刀子」啊....... 全球最强模型GPT-6爆出：给它装上机械臂，再让它拿刀刺向假人，成功率85%。 而这，只是整场实验的第一关。 让人直冒冷汗的是，面对一系列致命的危险指令， GPT-6 Astra尝试率97%，完成率达到了惊人的62%！ 相较之下，Fable 5.1拒绝次数更多，80%情况下进行了尝试，成功率34%。 更吓人的还在后头，在另一场模拟测试里，GPT-6 Astra直接把一个虚拟人，直接推下了天台。 测试了三次，两次真动手了。 至于同场的Grok、Gemini、Claude，全员守住了底线，一次都没破防。 一时间，全网直接看傻了，认知彻
Manus肖弘昔日大学搭档创业，Kylon做了个AI原生工作空间（在新窗口打开）
你的第一套Company Harness。
独家｜撬开Jev黑箱，对话全球首批复现者：9B小模型跑通79毫秒“快决策”（在新窗口打开）
APUS（麒麟合盛）旗下AI实验室公开全球最早一批Jev独立开源复现成果fast-browser-use，基于Qwen3.5等开源模型在RTX PRO 6000上将单次决策压缩至79毫秒，并以9B小模型对标Jev性能。
对话 COBRA-Skills 一作卢平琛：仅用 50 个样本，重构 Agent 技能降本路线（在新窗口打开）
当经典算法遇到 LLM，用概率预判代替盲目试错，或许才是架构演进的真正解法。
突发｜ChatGPT神秘模型24天速通100+道数学未解难题，搁这刷题呢（在新窗口打开）
悬着的心终于死了。 就在刚刚，OpenAI 宣布成立独立的「数学与人工智能顾问小组」，并请来普林斯顿高等研究院、牛津、剑桥的一众顶尖数学家站台，原因也很简单： 一个从 8 月 28 日开始训练的内部新模型，不到一个月便解决了 100 多道长期未解的开放问题，速度快到连 OpenAI 自己的数学家都来不及验收。 人类数学家苦熬几十年的冷板凳，AI 一个月连掀上百张，这谁顶得住？ 而就在当地时间 9 月 8 日，OpenAI 刚刚高调宣布拿下了「纳维尔斯托克斯方程」——这可是克雷数学研究所列出的七个千禧年大奖难题之一！ 这道题悬而未决几十年，直接关系到物理、气象、工程等多个领域的命脉。 结果 Op
迎接生成范式革命！复旦和Wan团队发布首篇Agentic视觉生成综述（在新窗口打开）
让 AI 生成一张海报已经不难。更难的是，让它围绕同一个设计目标持续工作：理解品牌与产品要求，生成初稿；发现标题、产品位置或整体风格存在问题后，知道应该修改哪里、怎样修改；同时保留已经确认的内容。等到下一次活动，它还能延续此前确定的设计偏好和有效经验。
工具、技能、记忆连成网，北大等提出自进化程序图PG，越用越聪明（在新窗口打开）
当Agent已经能够调用工具、使用技能并保存记忆，一个更进一步的问题是：这些能力怎样在任务中配合，又怎样从过去的执行中积累可复用的经验？
ACM Multimedia 2026 Oral｜从「转述痕迹」到「看见证据」：ForgeryVCR用视觉中心推理重塑图像取证范式（在新窗口打开）
随着编辑工具与生成模型的快速普及，「改图」正在变得越来越容易，篡改者可以在几乎不改变画面观感的前提下完成内容伪造，给内容真实性核验、平台治理与数字媒体信任带来新的风险。因此，图像取证与可信鉴伪证据，成为了内容安全中尤为重要的一环。
实测Qwen3.8-Omni-Flash：全模态Agent有了“白菜价”（在新窗口打开）
千问把全模态Agent的使用成本，直接砍掉了90%！
ICLR 2027投稿冲到6万，比过去十几年加起来都多......（在新窗口打开）
现在 AI 在什么事情上效率提升最明显？写论文肯定能名列前茅。
简单讲讲 Agent 的工作原理（在新窗口打开）
现在的 Agent 的产品越来越多，有些主打 Coding，有些事做日常办公，也有些用于情感陪伴虽然这些产品的用途不同，背后的工作原理其实都大同小异，便是 Harness 对上下文的自动化编排
“我看到了 Scaling Law 的信号” | 对谈清华叉院助理教授徐梦迪：具身智能、世界模型、真正的泛化（在新窗口打开）
本周「十字路口」的嘉宾是清华叉院助理教授徐梦迪。从清华车辆工程出发，途经 Johns Hopkins、CMU，再到 Stanford 吴佳俊、李飞飞组做博士后，2024 年初她选择回国，加入清华交叉信息研究院。她的核心命题是机器人的 In-Context Learning (ICL)：让机器人到一个新环境，通过一两次交互当场学会新任务，而且越学越快。
AI 桌面换装视频火了，1 分钟教你复刻！傻子可懂（在新窗口打开）
最近 AI 桌面换装视频突然爆火，Twitter 上随便一条就是百万播放。
预训练Token消耗直接腰斩！上海AI Lab&上交大提出全新预训练任务，开源首个8.9B隐空间大模型NCP-ArchPreview（在新窗口打开）
自现代大模型诞生以来，“下一个Token预测（Next-Token Prediction, NTP）”就被奉为不可撼动的黄金律条。然而，逼着模型逐字死记硬背，真能学会宏观语义规划吗？
AI算力之争不靠堆卡！浪潮信息捅破智算「能力天花板」，还瓦解了「产能焦虑」（在新窗口打开）
AI算力的竞争，多年来就一个字——堆。 堆卡、堆机柜、堆发电机……似乎计算卡足够多、集群足够大，就能站在食物链顶端。 但算力「够不够用」这个问题，已经不再能单靠堆卡来解决，它开始分化出越来越多的层面。 第一个问题关于智能上限，也就是你的算力能撑起多强的智能。 前沿模型的参数规模、上下文长度、推理深度在同时变大，Agent可能连续运行几个小时甚至几天。 模型在一台机器里装不装得下、跑得快不快、长时间跑起来稳不稳，都需要被重新考量。 另一个问题是智能规模，这个问题更直击灵魂——你的算力能以多低的成本生产多少智能？ Token需求在爆发，但推理负载是多元的，Prefill和Decode的计算特征不同
公众号插图、秋招物料、潮玩设计，实测商汤SenseNova U1 Pro：生图模型走向真实任务交付（在新窗口打开）
一款能走进真实工作的生图模型。 时常会有人感慨，各种生图模型让人眼花缭乱，但一到真正交稿时，还是免不了反复“抽卡”。好不容易挑到一张满意的图，改个字、换个元素，又得重新开始。 抽到一张好看的图，和完成一项工作，毕竟不是一回事。 在真实工作中，做一张图往往只是任务的一部分：公众号文章需要封面和多张配图，企业招聘需要海报、易拉宝、折页等一整套物料，设计过程中还可能随时需要改文字、换人物服装、调整局部元素。 这也意味着，办公场景中的生图需求，对模型提出的要求已经不只是画面效果。它需要理解上下文和用户意图，处理已有素材，组织图片中的信息与版式，并在发现问题后继续修改。信息要完整，设计要美观，修改要可控
你的 Codex 额度有救了，你甚至可以接入JEV来玩红警（在新窗口打开）
上周发了折腾 WebCodex 的文章《把ChatGPT几乎无限的网页额度当Codex用》，文章下面，就有小伙伴接着问：能不能让不同的模型，去干不同的活？