Claude Opus 5.5 擅长讲解视频
Claude Opus 5.5 本周发布，社区反响一边倒地正面，并占据讲解视频时间线。它以 88.4% 领先 SimpleBench。视觉评测中，有评测者将其列为 Anthropic 迄今最好的视觉模型，优于 Fable 5 与 GPT-6 Sol、不及 GPT-6 Astra，成本约比 Fable 5.1 低 60%。
#推理
#推理
今日 4 条Latent SpaceAI 评分4040 AWS Machine Learning BlogAI 评分5555 Grok 4.7 现已在 Amazon Bedrock 上线
Grok 4.7 现已在 Amazon Bedrock 上线，上下文窗口为 500K token，面向编码、长时智能体和知识工作。
Simon WillisonAI 评分7272 Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 以上并进入免费档
Anthropic 今天发布 Claude Sonnet 5.5，称其运行快 30% 以上、多数工作成本最多降 30%，定价与 Sonnet 5 相同，作者认为它在各项基准上似乎都更高。
The Decoder精选AI 评分7979 Anthropic 的 Claude Sonnet 5.5 多项基准接近 Opus 5.5，单任务成本最多可降 30%
Anthropic的Claude Sonnet 5.5接近Opus 5.5多项基准表现，生成速度超过30%，单任务成本最多降30%。
推荐理由：Sonnet 5.5在与前代相同的百万 token 价格下最多降低三成单任务成本，多项基准则接近 Opus 5.5。
Latent SpaceAI 评分6565 OpenRouter 的 Alex Atallah 与 AMP 的 Anjney Midha 回顾从种子阶段到 Stripe 收购
Alex Atallah 回顾 OpenRouter 从开源模型早期走到加入 Stripe，平台现为超过 10 million 开发者提供中立模型路由。对谈指出模型实验室即使投入 billions 美元训练 checkpoint，仍难把模型交到开发者手中，OpenRouter 则选择专注路由，而不是扩展到微调、记忆等相邻产品。
Latent SpaceAI 评分5151 Latent Space 预告未来改版，拟合并 AINews 与 Discord
Latent Space 预告将合并 AINews 与 Discord 的职能，探索迁往 Beehiiv 和新主页，并重新开放赞助与新闻线索。
NVIDIA BlogAI 评分5353 开放科学如何用病毒蛋白复合物预测帮助研究者准备下一次大流行
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构，通过 AlphaFold Database 公开超过 2800 种病毒蛋白复合物的预测三维结构，供各地科学家为未来疫情提前积累结构知识。
Microsoft ResearchAI 评分4949 Microsoft Research：真实世界物理 AI 机器人的推理卸载
Microsoft Research 发现，把物理 AI 推理卸载到边缘或云端 GPU 可提升任务表现。在内存足够时，建图与规划比 A100 最多慢 383%，较轻 GPU 使障碍及时检测降 30%，较小 GPU 使 VLA 准确率降 50%。Jetson Thor 等较大机载 GPU 可使耗电增加最多 160%。
Hugging Face Blog精选AI 评分6161 Hugging Face transformers 现可运行 llama.cpp 的 GGUF 量化模型
Hugging Face transformers 现可在 main 分支高效运行 GGUF，用户用 from_pretrained 加载 Hub 检查点后即可在本机生成。
推荐理由：GGUF 现在能直接进 transformers 做检查和自定义生成，Apple Silicon 上速度接近 llama.cpp。
Google DeepMind精选AI 评分7676 Google DeepMind发布Gemini 3.8 Live与3.8 Live Extended Thinking
Google DeepMind发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking，把近实时推理用于语音智能体。
推荐理由：原文给出了Extended Thinking的语音基准分数，以及两款模型面向开发者、企业和普通用户的不同开放范围。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 今日发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber。3.8 Flash 沿用 3.7 Flash 的入门价格，输入每百万 token 为 $0.75、输出每百万 token 为 $3.75，并提升软件工程、智能体任务与多步推理，HLE-Verified 达到 54.9%。
推荐理由：3.8 Flash以与3.7相同的价格加强长程编码和多步推理，网络安全变体仅经Fairwind向政府、关键基础设施和软件维护方开放。
Import AIAI 评分4646 Import AI 470：机器没有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU 内核
华盛顿大学、斯坦福大学等高校提出 SPADE，让大语言模型以自对弈交替生成可执行训练环境并求解，用来合成训练数据。Qwen3-30B-A3B 的游戏环境套件平均分为 58.3，比基座高 8.1、比最强固定环境基线高 5.3。METR 研究显示，LLM 对网络安全漏洞发现加速明显，数学仅轻微加速，AI 研究算法进展则没有可测到的加速。
Microsoft ResearchAI 评分4444 MindTopo 揭示 VLMs 的空间推理能力
MindTopo 基准显示，多模态模型识别静态拓扑关系的表现明显强于交互规划，且两者都远低于人类。它按连续性、分离、顺序、包围和结五类，分别测试推理与规划；规划错误常出现在理解场景之后，模型会丢失结构关系或提出违反环境动态的动作。图像生成只在关系可见于单帧时偶尔有帮助，视频推演则经常改变拓扑或违反任务动态。
Berkeley AI ResearchAI 评分4040 GRASP：面向更长时域世界模型的梯度规划
GRASP 是面向学习得到的动力学（世界模型）的新型梯度规划器，靠三项设计让长时域规划变得可行。它将轨迹提升到虚拟状态，使优化可沿时间并行；把随机性直接加进状态迭代用于探索；并重塑梯度，让动作获得干净信号，同时避开高维视觉模型中脆弱的 state-input 梯度。