AI 首次在信息不完全的 Stratego 上击败顶尖人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 在 Stratego 中以 15 胜 1 负 4 平击败被认为是史上最强的选手 Pim Niemeijer。
#推理
#推理
今日 1 条Ars Technica · AIAI 评分6262
The DecoderAI 评分7171 OpenAI 称阻断推理窃取活动，但该手法在 Azure 上仍奏效
OpenAI 称其阻断了一场窃取模型推理链的活动，该活动 7 月 1 日起量级较低，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，7 月 28 日前已全部关停，并称核心群体与 Moonshot AI 相关人员有关。
Latent Space精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络防御者中开放，后续再向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照同期 Astra 与 Opus 5.5 的能力与成本差异。
The Decoder精选AI 评分7878 Google 发布 Gemini 4 Argon，缩小与 OpenAI、Anthropic 的差距但未取得明显领先
Google 发布新前沿模型 Gemini 4 Argon，在多项基准上缩小了与 OpenAI、Anthropic 的差距，但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”开放，之后才面向开发者和消费者，促销价为每百万输入 token 2 美元、输出 token 10 美元，输出上限从 64,000 提升至 100 万 token。
推荐理由：汇总独立评测与定价数据，呈现 Gemini 4 Argon 与 OpenAI、Anthropic 旗舰模型的差距和成本取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与落地节奏。
Simon Willison精选AI 评分8080 Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 发布并引发新一轮价格战
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，作者称 GPT-6 Sol 与 Luna 的价格是 GPT-5.6 同级模型的一半。
推荐理由：作者实测新模型并整理价格表，可据此比较 GPT-6 与 Claude Opus 5.5 的定价和推理表现。
Simon WillisonAI 评分6666 TypeSafe AI 发布 Jev，推出只输出概率决策的 System One 模型
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别模型，输入文本后不返回文本，而是返回对应类别、是/否问题、评分及置信度的浮点数。
NVIDIA BlogAI 评分3030 NVIDIA Vera Rubin NVL72 首登 MLPerf Inference v6.1，性能领先
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次预览提交中，Qwen3-VL 吞吐量最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。GB300 NVL72 以 288 GPU 四机架提交实现 99% 扩展效率，软件优化较 v6.0 带来最高 1.6 倍性能提升。
OpenAI NewsAI 评分3535 GPT-5.6 Sol 如何助力运行量子计算实验
MIT 研究人员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的实际应用方式。
OpenAI NewsAI 评分2222 OpenAI 分享 Navier–Stokes 千禧年大奖难题的 AI 生成解答
OpenAI 分享了一份针对 Navier–Stokes 千禧年大奖难题的 AI 生成解答，包含一份书面论述和一份 Lean 形式化证明。
Berkeley AI ResearchAI 评分2222 2026 届 BAIR 博士毕业生展示：从机器人到 LLM 推理的研究全景
伯克利人工智能研究实验室（BAIR）展示 2026 届博士毕业生，研究方向覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 与医疗。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性生成整块文本，在专用 GPU 上推理速度最高提升 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的速度、显存占用与质量取舍，便于判断本地低并发场景是否适用。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。官方称其基准表现接近 26B MoE 模型，内存占用不到后者一半，可在 16GB VRAM 或统一内存上运行，也是该系列首个支持原生音频输入的中等规模模型。
推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，可对照其与 26B MoE 的取舍。
Berkeley AI ResearchAI 评分2222 自适应并行推理：高效推理扩展的下一个范式
自适应并行推理让推理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它们，而非由外部框架强加固定的并行结构。现有方法如 Self-consistency、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
Berkeley AI ResearchAI 评分2424 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让基于学习动力学（世界模型）的长时程规划变得实用。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维视觉模型"状态输入"梯度脆弱等问题。
Berkeley AI ResearchAI 评分2222 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。