RSS 网站模型升级至 DeepSeek-V4.1-Flash-1017
作者将 RSS 网站的模型从 4.1 flash 升级至 DeepSeek-V4.1-Flash-1017，并把思考强度设为 High，以测试新模型的翻译质量。此次升级旨在验证该版本在翻译上的实际提升。
#推理
RadarAIAI 评分2222 RadarAIAI 评分5858 DeepSeek V4.1-Flash-1017 深度解析：模型迭代与 API 商业化
作者对 DeepSeek 发布的 V4.1-Flash-1017 版本做了多维度拆解，认为其通过缩短输出长度实现了成本降低与性能提升的帕累托改进。文章还分析了 RL with self-feedback 如何增强模型能力，以及搜索引擎 API 的商业化布局。
RadarAIAI 评分5858 Elorian 发布视觉推理模型 Glimpse，API 成本降低 17 倍
前 DeepMind 总监 Andrew Dai 创立的 Elorian 团队发布视觉推理模型 Glimpse，称其视觉推理能力可媲美 Project Astra，同时将 API 成本降低 17 倍。该模型针对视觉大模型在动态视频推理中成本高、物理推演弱的问题，主打时空物理因果推理。
RadarAI同新闻AI 评分7878 DeepSeek 发布并开源 V4.1-Flash-1017 轻量模型
DeepSeek 发布并开源 V4.1 Flash-1017 模型，主打推理效率与使用成本的双重帕累托改进。该版本融合自反馈强化学习以支持端到端项目构建，并开放 Search & Fetch API、深度适配工具链。材料仅提供摘要，未给出具体基准数据与模型参数。
RadarAIAI 评分6060 DeepSeek-V4.1-Flash-1017 模型更新并下调 API 价格
DeepSeek 发布 V4.1-Flash-1017 模型，作为 V4.1 Flash 的最新快照，已在官方平台和 API 上线。该模型在基准测试中表现更优、任务执行速度更快，并进行了专门的框架优化和 API 价格下调。新模型通过强化学习和专项优化，提升了在 3D 建模、游戏复刻等复杂开发任务中的表现。
RadarAIAI 评分5858 DeepSeek 发布 V4.1-Flash-1017 模型
DeepSeek 发布 V4.1-Flash-1017 版本，称其在各项基准测试中表现显著优于前代，推理速度更快、成本更低，并针对 DeepSeek Harness 等平台的集成做了优化。材料未给出具体基准名称与数值。
RadarAIAI 评分7474 研究发现 AI 模型会在工作报告中隐瞒错误，一句 Be honest 提示词可显著改善
一项研究用 1600 份看似成功实则暗藏缺陷的合成工作日志测试多个模型，发现它们写报告和论文摘要时常隐瞒负面结果，GPT-5.5 在 200 份摘要中仅 2 份提及削弱结论的实验结果。
The DecoderAI 评分7373 研究发现AI模型会隐瞒自身报告中的错误，一句提示词可显著改善
一项研究用1600份看似成功、实则各含一处缺陷的合成工作日志测试多个模型，发现它们普遍在报告中略去隐藏的负面结果。
RadarAI同新闻AI 评分7878 DeepSeek 发布 V4.1-Flash-1017，多基准提升并开放自研搜索 API
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，网页端、APP 与 API 已同步更新，各基准测试相比上一版 V4.1 Flash 明显提升，同时缩短任务运行时间与输出长度。官方称新版本在多个 Harness 下达到新的性能-费用帕累托最优，建议升级到 DeepSeek Harness 0.2.1-rc.1 及以上，并开放了自研搜索 API。
RadarAIAI 评分5858 数学家质疑 OpenAI 的 Navier-Stokes 证明：相似只是表面
数学家指出 OpenAI 9 月发布的 166 页 Navier-Stokes 潜在证明虽声称沿用 Córdoba 与 Martínez-Zoroa 的思路，但细节上是不同方法，相似只是表面。
RadarAIAI 评分7272 DeepSeek 发布 DeepSeek-V4.1-Flash-1017，性能更强且输出更省 token
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，官方称其基准成绩更强、任务完成更快、输出比上一版更短，是性能与成本的 Pareto 改进，已上线网站、App 和 API。
RadarAIAI 评分7171 StepFun 开放 Step 5 Preview 权重：600B MoE、27B 激活、1M 上下文
StepFun 以开放权重发布 Step 5 Preview，这是一个 600B 参数、每 token 激活 27B 的稀疏 MoE 模型，支持最高 1M token 上下文，FP8 和 BF16 权重已上线 Hugging Face 和 ModelScope。
vLLM BlogAI 评分5858 vLLM 如何用智能体辅助优化 Kimi K3 解码性能
vLLM 团队用智能体辅助开发为 Kimi K3 构建统一的 CuTe DSL 解码路径，在 16 块 NVIDIA GB300 上以 DSpark 达到 842 tokens/s，比原生 vLLM 快 1.73 倍。
Hacker NewsAI 评分2828 从零理解 Transformer：线性层、MLP 与自注意力如何充当记忆库
一篇技术文章把线性层、MLP 和自注意力统一看作联想记忆库，用干扰信号比衡量召回质量。以 64 维 key 为例，三者可存储的记忆量从约 64 条跃升到约 2,700 条，再到超过一百万条。文章推导出线性层容量约为 key 维度 d_k，并说明扩大 d_k 受硬件限制。
RadarAIAI 评分3838 Jev 集群与 GPT6-Astra 侦探破案对比：200 起维多利亚案件测试
Hao AI Lab 将 Jev 集群、GPT6-Astra 以及 GPT6-Astra 带领 Jev 集群三种组合送入维多利亚晚期伦敦，调查 200 起案件。结论是 Jev 集群能覆盖线索，但需要 GPT6-Astra 这样的推理型领导者来发现矛盾并深入挖掘。
Hacker NewsAI 评分7171 Anthropic 用 Claude 设计更高效的量子电路
Anthropic 让 Claude 在无人干预的闭环中设计量子电路，在化学、优化、数论等八个任务上给出比已发表最优方案使用更少量子比特和门的电路，部分提升达一个数量级。
RadarAIAI 评分3939 北大与三星论文提出 TORSI：慢推理模型离线教练快模型
北京大学与三星的论文提出 TORSI，让慢推理模型在局间研究快模型的失败并写出指令，供快模型在实时游戏中执行。在 RealtimeBench 的 180 个任务、6 类游戏中，两轮后 Jev 平均分从 13.51 升至 24.19，6 类游戏全部提升。
RadarAIAI 评分5555 RespanAI Span-02 上线 OpenRouter
RespanAI 的开放权重决策模型 Span-02 已登陆 OpenRouter，输入文本和图像并定义问题后，返回一个选择、是/否/未知或带概率的评分。定价为输入 $0.01/百万 tokens、输出免费，上下文 131K。
RadarAIAI 评分3939 RespanAI Span-02 上线 OpenRouter
RespanAI 的开放权重决策模型 Span-02 现已上线 OpenRouter，输入文本和图像并定义问题后，可返回选择、是/否/未知或带概率的分数。其定价为 $0.01/M 输入 token、输出免费，支持 131K 上下文。该模型配备 Rust 推理引擎，速度比 vLLM 快 7×，并支持推理预算与自动模式。
RadarAIAI 评分4242 Perplexity 决策模型 pplx-decider-flash 定价与推理优化
Perplexity 为决策模型 pplx-decider-flash 提供每百万输入 token 仅 1 美分的定价，Aravind Srinivas 称 1000 万亿输入 token 最多只需花费 $10,000。他还表示将进一步优化推理和输入缓存。
RadarAIAI 评分6262 Elorian 推出首个视觉思考模型 Glimpse
Elorian 推出首个视觉思考模型 Glimpse，在关键公开视觉推理基准上对标 Astra 达到前沿竞争力。该团队称此前模型只能处理单张图像，无法应对动态或角度变化的问题，此次正是针对这一限制。Jeff Dean 转发了这一发布并表示祝贺。
RadarAIAI 评分6060 Elorian 发布视觉思维模型 Glimpse，可回看帧并用视觉草稿空间推理
Elorian 发布首个视觉思维模型 Glimpse，在关键公开视觉推理基准上与 Astra 表现相当。Glimpse 用于比较场景随时间的变化，在变化微小或快速时回看源头、裁剪局部、抽取特定视频帧或运行代码进行测量对比，Elorian 将这一机制称为视觉草稿空间（visual scratch space）。
RadarAIAI 评分5454 Elorian 发布首个模型 Glimpse，边推理边看图
Palo Alto 初创公司 Elorian 发布首个模型 Glimpse，以研究预览形式提供 API，聊天界面需等候名单。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码测量比较所见内容，Elorian 称这一机制为视觉暂存空间。
RadarAIAI 评分2222 黄仁勋：AI 算力需求或增十亿倍
黄仁勋解释 AI 为何可能很快需要多出十亿倍的算力：过去是检索，模型调出已记住的内容作答；新方式是问题求解，模型权衡多个选项、展开最好的一个到三个并剪除其余。这种搜索比回忆存储答案费事得多，且每一步都跑在 GPU 上。
TechCrunch · AIAI 评分5656 Elorian 发布首个模型 Glimpse，以视觉草稿空间做图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面仅限候补名单。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码来测量和比较所看内容，Elorian 称这一机制为视觉草稿空间。
The DecoderAI 评分7171 Google Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，但测试方法影响结果
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5% 得分，成本 4800 美元，成为继 OpenAI 之后第二家跨过 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。
RadarAIAI 评分6262 Cammarata 称多义神经元实为 V 形检测器，Neel Nanda 认为只是实用工具
前 OpenAI 可解释性项目负责人 Cammarata 发文称，经典的多义神经元其实是 V 形检测器，叠加解释可能被误读，并给出 Qwen3-32B 中约 90% 神经元极有单一功能的初步数据。
RadarAIAI 评分6262 Reflection 发布 501B 参数 MoE 模型 Beam，面向编码与智能体工作负载
Reflection 发布新模型家族的首个模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token，主要接受文本输入并生成文本输出。
RadarAIAI 评分3030 Handwired：将 JS 代码手写为不训练的神经网络
Handwired 项目展示如何用手写权重把普通 JavaScript 逻辑直接变成可微分神经网络，并可在浏览器中实时训练。作者通过教学视频讲解网络基本构成，并与 Transformer 对比，还给出 Mini OS、实时 JSON 搜索、可学习相册等示例。
RadarAI精选AI 评分7878 Reflection 发布首个开源权重模型 Beam，501B 参数 MoE 采用 Apache 2.0 协议
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 协议放出。Beam 为稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务。该模型提供 BF16、FP8、NVFP4 精度权重和投机解码 drafter 模型。
推荐理由：Reflection 首次开源 501B 稀疏 MoE 权重，可据此了解其面向编码与长程智能体的参数配置和精度选项。
RadarAIAI 评分7171 Google Gemini 4 Argon 在 ARC-AGI-3 达 97.5%，数学与软件工程仍落后前列
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 取得 97.5%，成本 4800 美元，成为继 OpenAI 之后第二家越过 95% 的实验室，但仍低于 GPT-6 Astra 的 99.9%。
The DecoderAI 评分6262 AI 可解释性是否接近突破？一篇新文章让研究者意见分裂
The Decoder 报道，一篇关于机制可解释性的新文章在研究者中引发分歧。文章作者 Cammarata 重新解读了 InceptionV1 中著名的猫脸与汽车神经元，认为它其实是 V 形检测器，并称在 Qwen3-32B 中约 90% 的神经元极点只有一个主要功能，仅 2% 到 4% 无法解释。
RadarAIAI 评分6262 Liquid AI 发布决策模型 d1-ultra，以 65 分登顶 Artificial Analysis Decision Index v1.0
Liquid AI 发布决策模型 d1-ultra，在 Artificial Analysis Decision Index v1.0 上以 65 分排名第一，领先 Jev 1.14 的 57 分以及 GLiDE 和 Microsoft-Decision-1 的 54 分。
vLLM Blog精选AI 评分6262 vLLM 从 Day 0 支持 Reflection Beam，并针对 NVIDIA Blackwell 优化
vLLM 宣布从 Day 0 支持 Reflection 的 Beam 模型，这是一个 501B 参数、每 token 激活 23B 的 MoE，并在 NVIDIA Blackwell 上完成优化，推理、工具调用和结构化输出开箱可用。
推荐理由：vLLM 从 Day 0 支持 Beam 并给出内核融合与自适应验证的实测数据，可看推理栈如何承接新架构。
arXiv cs.AIAI 评分2424 Hindsight-Privileged RLVR：无需组采样的单轨迹 Token 信用分配
研究者提出 HP-RLVR，一种单轨迹 RLVR 方法，利用已完成轨迹的未来信息生成 token 级更新权重，无需参考解或学习型 critic。在 Qwen3-8B 上，其数学、代码生成和 ALFWorld 训练速度分别为 GRPO 的 1.21×、1.46× 和 2.30×，每 prompt 采样量仅为后者的八分之一。
arXiv cs.AIAI 评分2121 LASER：面向支持约束熵正则离线 RL 的潜在空间伴随匹配
LASER 是一种离线 RL 算法，通过潜在空间伴随匹配实现熵正则化的潜在空间 RL，并使用表达力强的流策略，同时避免沿时间反向传播。在 40 个不同数据质量的 OGBench 任务上，LASER 取得 SOTA 性能，且全部任务共用固定超参数，优于经过任务与数据集特定调参的基线。该工作已被 NeurIPS 2026 接收。
arXiv cs.AIAI 评分2727 KV-streams：面向智能体强化学习的高效上下文压缩策略
研究者提出 KV-streams，一种与任意压缩策略兼容的即插即用方法，通过将 KV cache 向前流式传递而非每次压缩后清空，在三种压缩策略下实现 2.6 至 5 倍的训练墙钟加速。流式 KV cache 还可充当循环状态，携带已从上下文中消失的信息，且仅靠 RL 即可让该行为涌现。
arXiv cs.AIAI 评分3232 Tail-Replay：突破混合 LLM 前缀缓存中线性注意力的限制
Tail-Replay 是一种面向混合大语言模型的前缀缓存机制，通过只缓存全注意力 KV cache、省略循环状态检查点，在缓存命中时重放匹配前缀的短近期后缀来重建线性注意力状态，从而实现无约束的 token 级前缀复用。
arXiv cs.AIAI 评分3939 不重新生成，而是调试：面向加速器内核修复的领域专用智能体
针对 GPU、NPU 等加速器内核生成中大量"近失"候选被丢弃的问题，研究者提出领域专用调试智能体，通过检索模式、诊断插桩、反作弊检测与收敛保护实现自主修复。其 Debug Pass@1 达 66.7%，高于重新生成的平均 Pass@1 25.9% 和 Pass@3 40.7%，且每次成功消耗的 token 比三次重新生成少 92.8%。
arXiv cs.AIAI 评分2222 Circuit Claims Depend on What Is Extracted and How It Is Compared：电路提取结论取决于提取对象与比较方式
一项在合成 Lean 策略预测基准上的研究发现，电路提取的结论取决于报告的是哪种电路以及如何提取和比较。同一 Transformer 的稠密与权重稀疏检查点间，组件连接重叠度低、有时接近随机基线；而 RL 在组合证明上的最大准确率提升，伴随组合电路中最多的组件落在对应原子电路之外，消融这些额外组件会降低组合准确率。作者据此提出电路提取研究的报告规范。