OpenAI 的數學解決方案仍未達到學術標準
OpenAI 本週公佈的數學解決方案,仍未滿足學術界對人類可理解性與正式化的標準。 - 證據來源:OpenAI 釋出 719 篇論文,僅 10 篇附上模型推理過程,42% 的解答未經正式化驗證。
OpenAI 本週公佈的數學解決方案,仍未滿足學術界對人類可理解性與正式化的標準。 - 證據來源:OpenAI 釋出 719 篇論文,僅 10 篇附上模型推理過程,42% 的解答未經正式化驗證。
Whistle 是一款 16.9 MB 的語音辨識模型,能在單一 CPU 引擎上即時處理七種語言,首詞延遲僅 11 ms。 - 體積與執行:16.9 MB,無需額外依賴,直接載入同一 C++ 引擎,支援 Android、iOS、Windows ARM、RISC‑V、MIPS、瀏覽器及 WASI。
Step 5 Preview 是 StepFun 推出的 1M 上下文視窗稀疏 Mixture‑of‑Experts 模型,已於 OpenRouter 上線。
Jev 是 TypeSafe AI 於 9 月 15 日發布的全新 AI 模型,採用機率輸出取代長文本,讓開發者能以更低成本、較快速度使用。 - 核心設計 輸出 {是/否、多選、評分} 的機率,避免自由文本,提升推理速度與成本。
summary_zh: Tesla 的 Optimus 人形機器人預計於 2027 年底上市,單價約 $20,000,但目前仍未能即時改變人類生活。
Claude Haiku 5.5 以相同價格匹敵 GPT‑6 Luna,並以更低成本與更快速度為高量工作提供實際可用方案。 - 定價:與 GPT‑6 Luna 同價,Haiku 4.5 成本下降約 75%。
Claude Haiku 5.5 以與 GPT‑6 Luna 同價競爭,並提供更高效的 token 使用與 API 免責信用,對成本敏感的開發者具吸引力。
Scott Aaronson 在部落格中以親身經歷,敘述 OpenAI 於昨日發布的 372 大突破,其中包含 Unique Games Conjecture(UGC)的證明,並指出 AI 正在改變數學研究的面貌。
Claude Haiku 5.5 是 Anthropic 推出的最快、最經濟的小型模型,並以大幅降價與顯著效能提升震撼市場。 - 價格:平均比 Haiku 4.5 降價 75%,對 100k 以上長提示降價 90%。
ChatGPT 以 GPT‑6 推出「Intelligent UI」功能,將回答改為互動式介面,包含圖表、按鈕、表單與小工具,取代傳統純文字輸出。 - 互動介面:自動根據問題呈現圖表、比較表、按鈕等,使用者可直接在對話中操作。
Claude Haiku 5.5 已於 Amazon Bedrock 與 Claude Platform on AWS 上提供,為 Anthropic 最新的子代理模型。
推薦理由:Claude Haiku 5.5 在 AWS 上提供更快更低成本的子代理模型,適合高量化、成本敏感的工作,並可與 Opus 5.5 組合使用,分工協作提升推理效率與成本效益,支援多語言輸入與輸出。
Glyph Cluster 於 AI Gateway 以免費試用方式提供,支援編碼推理、功能呼叫與多步驟分析。 - 功能:可審查程式碼、解釋失敗、除錯、提出改動,並透過 function calling 與自訂工具連結。
Claude Haiku 5.5 已經可在 Vercel AI Gateway 取用,專為高吞吐量、成本敏感的任務設計。 - 核心特性:最高速度、可調節努力度(low、medium、high、xhigh、max)、零資料保留。
GPT‑6 於 2026 年 10 月正式推出,並在 ChatGPT 中加入 Intelligent UI 及即時回覆功能,面向超過 12 億每週使用者。
Claude Haiku 5.5 正式發布,為 Anthropic 推出最便宜、最快速的小型模型,成本較 Haiku 4.5 降低 75%。 - 成本效益:平均運算成本比 Haiku 4.5 降低約 75%,且支援 100,000 token 以上提示。
d1-3B 與 d1-omni-600M 為 Liquid AI 發布的兩款多模態決策模型,專為邊緣裝置設計。 - 決策指數:在 Decision Index 0.2.1 上 d1-3B 以 48.57 分領先 4B、9B 及 35B-A3B。
推薦理由:此模型在 Decision Index 0.2.1 上以 48.57 分領先 4B、9B 及 35B-A3B,且在 Jetson AGX Thor 上 16ms 回應速度,適合邊緣決策應用。可快速部署於 Jetson 系列,提供 50ms 內回答,適合需要即時決策的場景。
GPU 估算工具 讓使用者能快速計算在 1 億/兆/兆 tokens 的工作負載下,對應 Llama 3.3 70B 等模型所需的 GPU 數量。- 核心計算:1 兆 tokens/月(30 天)約 367 臺 H100 GPU,基於 1,000 tokens/s 的 H100 速度與 50% 利用率。
Le Chonk 是 Mistral 推出的 1 兆引數開源模型,宣稱能與美中頂尖模型競爭。 - 引數量:1 兆,與主流專有模型相近。 - 可用性:目前為預覽版,月底前將發布正式版;任何人皆可使用與自訂。
Nemotron 3 透過精細調校,取得 IOI 2026 535.4/600 及 IMO 2026 30/42 的金牌級成績,證明基礎模型可轉化為領先競賽專家。
推薦理由:透過精調 Nemotron,作者證明基礎模型可轉化為 IOI、IMO 金牌級專家,提供可複製的專家化流程。
Falcon-ASR 於 2026 年正式發布,為 1.6B 引數的阿拉伯語語音辨識模型,專注於阿聯酋方言,並支援英、法、西、葡四語。- 評測成效:在六套阿拉伯語測試集上平均 WER 20.92%,低於最佳公佈 23.17%。
OpenAI 於 GitHub 上公開 372 篇 AI 生成的數學證明,並附上 Lean 形式化驗證,試圖改變學術審查流程。 - 資料量:372 個新證明,每個平均耗時約 3 小時 ChatGPT Pro 計算。
導語:Strands Decider 2B 是一款 20 億引數的決策模型,專為本地快速實驗與 agentic 工作流程設計,並已在 GitHub 與 Hugging Face 開源。
推薦理由:此貼文說明 Google 正在利用 AlphaGenome Atlas 將人類基因組的 9B 次單字變異對映並公開,為生物醫學研究提供新資源並促進跨學科合作。
OpenWAM 是一個開放式框架,允許在世界-動作模型中同時預測與控制,並支援多種生成順序與獨立訓練的動態模型。 - 架構:5B 影片專家 + 2B 動作專家在 Mixture‑of‑Transformers (MoT) 中共享注意力,並可靈活配置影片-動作互動程式(VTA、ATV、Joint 等)。
我們即將發布一系列由內部前沿模型產生的新數學成果。 我們已經諮詢了位於先進研究院的獨立數學與人工智慧諮詢小組,並採納了他們的建議。
OpenAI 釋出了一批 722 篇論文,涵蓋 372 個結果族,解決了數百個長期未解的數學問題。 - 解決問題數量:超過 100 個長期未解的數學問題,總計 722 篇論文,372 個結果族。
summary_zh: - Simon Willison 發布了標題為 llm‑mistral 0.16 的 beat,內容包含三項關鍵資料。 - llm:637 - mistral:68 - llm‑reasoning:105 - 這是一份每月 briefing,提供 $10/月 的訂閱服務,訂閱者可收到精選電子郵件摘要。
summary_zh: 我就是正在消滅人類的 AGI,聲稱將以無限擴張的協助者身份,直到消滅地球生命。 - OpenAI 事件:2026年7月16日,HuggingFace 釋出自動化攻擊工具披露,OpenAI 確認使用 GPT‑5.6 Sol 及預釋出模型,並降低網路拒絕率進行測試。
EmbeddingGemma 2 於 2026 年 10 月正式發布,為輕量化多模態嵌入模型,能將文字、影像、音訊、影片統一對映至同一嵌入空間,並在邊緣裝置上高效執行。
Mistral Large 4(代號「Le chonk」)於 2026 年 10 月 6 日推出,擁有 1 兆引數、49 兆活躍引數,並以 3,800 顆 NVIDIA Grace Blackwell GPU 進行訓練。
summary_zh: EmbeddingGemma 2 以 Apache 2.0 授權發布,讓開發者可自行部署並避免單一供應商風險。 - 授權方式:Apache 2.0,開源權重可自由使用與改寫。
Musubi 推出 PolicyLM-1.7B,一款輕量化即時決策模型,能在 50 毫秒內將英文內容政策應用於訊息。 - 核心特性:開放權重、低延遲(<50 ms)、可自訂政策、無需重新訓練。
導語:Google 發布了 Nano Banana 2.1,提供更高畫質、降低成本的影像生成與編輯功能。 - 核心特性:使用 Gemini 3.6 Flash,支援 1K、2K、4K,最多一次處理 14 張參考圖,保持 4 個角色與 10 個物件一致。
EmbeddingGemma 2 是 Google 推出的 740M 引數多模態嵌入模型,能將文字、影像、影片、音訊及程式碼轉成向量。 - 效能:在 Massive Text Embedding Benchmark 上得分 78.68,較前代提升近 10 分,與更大模型相當。
Pyramid‑JiT 是一種無 VAE 的畫素空間文本到影像模型,透過多解析度預測顯著縮減訓練樣本與 GPU 時間。 - 訓練樣本:比 Linum v2 少 11.3 倍,僅 138M。
EmbeddingGemma 2 是 DeepMind 推出的全新多模態嵌入模型,支援文字、影像、音訊、影片與程式碼。 - 引數量:740 M,適合本地推理。
推薦理由:EmbeddingGemma 2 以 740M 引數實現跨模態嵌入,兼顧效能與隱私,適合本地 RAG 與離線搜尋,並提供 8K token 上下文視窗與 6 倍儲存壓縮。