谷歌发布 Gemini 4 Argon，以低价与长上下文对标 GPT-6 和 Opus 5.5
谷歌正式发布新旗舰模型 Gemini 4 Argon 并面向全球上线，开发者可通过 AI Studio、Android Studio 及 Gemini API 接入。
推荐理由：原文汇总了官方能力数据与全网实测对比，读者可直观比较 Argon 与 GPT-6、Opus 5.5 的速度和价格差距。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 1–20 条 · 共 70 条爱范儿精选AI 评分8484 The Verge · AI精选AI 评分8686 Google 发布 Gemini 4 Argon 模型
Google 发布 Gemini 4 Argon，称其在编码、网络安全、科学、金融和法律等基准上超越 GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5.5。
推荐理由：文中并列 Argon 与 GPT-6 Astra、Claude Fable 5.1 的基准和每 token 价格对比，可据此判断前沿模型竞争格局。
Ars Technica · AI精选AI 评分7171 Gemini 4 Argon 开始在 Gemini 应用和 Antigravity 中推出，但仅限付费用户
Google 今日开始向付费用户大规模推出 Gemini 4 Argon，低阶套餐用户也无法获得完整访问权限。模型能力未变，Google 仍以此前公布的基准说明其推理与智能体编码能力，并称其经过拒绝恶意指令训练、配有可在检测到非预期工作流时中止处理的自动失配监控。
推荐理由：原文汇总了 Argon 的有限开放策略与谷歌内部落地案例，读者可据此判断该模型在编码和机器人任务上的实际价值。
AWS Machine Learning Blog精选AI 评分7878 在 Amazon Bedrock 上用 Grok 4.7 构建长周期智能体
AWS 官方博客介绍在 Amazon Bedrock 上用 Grok 4.7 构建工具调用智能体，作者设计三个均有唯一正确答案的任务，在四个推理档位下各跑六次共 72 次运行，答对 67 次，xhigh 档 18 次全部正确。
推荐理由：文章给出了可复用的推理档位评测方法，读者能据此在自己的 Agent 任务上权衡正确率与 token 成本。
The Decoder精选AI 评分6868 Anthropic 称反蒸馏防御已将 Claude 推理 token 窃取量削减高达 99%
Anthropic 表示其新防御措施已将 Claude 模型被提取的推理 token 量削减 90% 至 99%，以应对攻击者利用数十万虚假账号实施的工业化蒸馏攻击。
推荐理由：原文给出了蒸馏攻击的规模、防御手段与成效数字，读者可据此评估自家模型推理链路面临的风险与应对思路。
The Decoder精选AI 评分6565 微软研究院：清除聊天历史可帮助 AI 智能体找到更优解
微软研究院发现，长时运行的 AI 研究智能体会因累积对话历史而陷入想法盆地（idea basins），即使大幅增加算力也停滞不前。其 Fork-and-Flush 方法让智能体分叉为 K 条并行分支并清空各自聊天上下文、保留工作区，在相同算力预算下归一化平均得分从单次运行的 0.47 提升至 0.78，相对提升 66.0%，13 项任务中有 12 项取得最高均分。
推荐理由：微软研究院的论文提出清空对话历史并并行分叉的简单机制，为长时运行智能体突破搜索瓶颈提供了可迁移的解法。
The Decoder精选AI 评分7878 Google DeepMind 的 AlphaProof Nexus 解出数十个开放数学问题并通过同行评审
Google DeepMind 的 AlphaProof Nexus 在《Science》新论文中独立解出 353 个开放 Erdős 问题中的 9 个，其中两个已悬置 56 年。
推荐理由：论文给出 Gemini 3.1 Pro 在 Lean 中起草并迭代证明的机制，可对照 OpenAI 把证明直接放 GitHub 的做法理解两种验证路径。
量子位精选AI 评分6767 陶哲轩宣布数学2.0时代已至，呼吁数学界从追求证明转向重视理解
菲尔兹奖得主陶哲轩宣布数学2.0时代已至，认为AI正让数学证明从稀缺走向泛滥，数学1.0时代以“谁最先解决问题”为核心的评价体系即将落幕。他指出OpenAI一次性发布722篇论文等事件冲击了数学界，提醒AI厂商只展示成功案例存在幸存者偏差，呼吁把失败结果和算力成本纳入透明评估机制，并主张减少对抢先生成证明的强调、转向重视解释、评审与知识整理。他还透露SAIR基金会的开放数学模型计划即将发布。
推荐理由：陶哲轩把数学研究的矛盾从证明稀缺转向理解稀缺，指出AI加速生成答案后，验证、解释与知识整理仍需人类介入。
量子位精选AI 评分7777 何恺明团队发布多模态Harness框架VISTA
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，把环境返回的每一帧原样保存到上下文之外，供模型按需回看、放大和对比，无需额外训练。
推荐理由：论文提出把原始画面存成可随时回看的视觉档案，让现有多模态模型无需重新训练即可在交互式视觉推理中复用视觉经验。
量子位精选AI 评分7272 OpenAI 发布挂谷猜想手稿，声称证明三维极大函数与四维版本
10月7日，OpenAI 放出722篇数学手稿，其中编号074的两篇声称分别证明了三维挂谷极大函数猜想和四维挂谷猜想，合计272页。三维版本比王虹和Zahl证明的集合版更强，四维论文把卡在3点几的维数直接推到4，但该组成果没有Lean形式化，也未经同行评审。陶哲轩随后牵头人类数学协会发布声明，全面抵制OpenAI。
推荐理由：原文对照了王虹与 OpenAI 各自证明的版本差异，并记录陶哲轩牵头抵制引发的争议，可借此判断这场数学界风波的来龙去脉。
The Decoder精选AI 评分8383 OpenAI 一举放出 700 余篇数学论文，数学家以震惊与厌恶回应
10 月 6 日，OpenAI 一次性放出 700 余篇论文，声称解决数百个开放数学问题，数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。
推荐理由：原文汇集了百余位数学研究者对 OpenAI 一次放出 700 余篇论文的回应，可借此看到前沿模型能力与学术共同体规范之间的真实张力。
The Verge · AI精选AI 评分7777 数学家称需数年才能消化 OpenAI 发布的近 400 项 AI 数学结果
OpenAI 本周突然发布近 400 项 AI 生成的数学结果，散布于 700 多篇手稿中，覆盖数论、组合数学、拓扑等多个领域。OpenAI 称 719 篇手稿中仅约 300 项顶层结果完成 Lean 形式化验证，截至 10 月 8 日已有十余篇手稿修订、三篇因符号错误被撤回。多位数学家认为其中不乏可冲击菲尔兹奖级别的工作，但也担忧验证负担与职业冲击，称理解这批结果可能需要数年。
推荐理由：原文量化了验证缺口，719 篇手稿中仅约 42% 完成 Lean 形式化，读者可据此判断这批数学结果的可信度边界。
雷峰网精选AI 评分8181 Claude Haiku 5.5 降本背后：操作能力暴涨，复杂编程为何仍差一截？
Anthropic 发布 Claude Haiku 5.5，OSWorld 2.1 计算机操作成绩从上一代 15.7% 升至 72.4%，平均运行成本下降约 75%，并首次支持自适应推理与 100 万 Token 上下文。
推荐理由：原文把 Haiku 5.5 与 Sonnet 5.5 在计算机操作和终端编程上的差距并列，便于判断它在智能体场景中的适用边界。
The Decoder精选AI 评分6565 AI 生成证明涌入数学领域，部分数学家呼吁抵制 OpenAI
OpenAI 一次性放出 700 多份 AI 生成的数学证明文件，引发数学界反弹，部分数学家公开呼吁抵制 OpenAI。AHM 声明称这“不是学术展示，而是力量展示”，并暗示相关成果源于对数学家作品的训练。Aaronson 透露此次共测试约 8000 个问题、成功率约 5%，每题平均消耗 3 小时 GPT-Pro 级算力，密码学方向则缺席。
推荐理由：文中将 OpenAI 批量发布证明草稿与 Anthropic 和数学家合作的两条路径并列，读者可据此判断 AI 介入数学研究的不同代价。
Simon Willison精选AI 评分8787 Anthropic 发布 Claude Haiku 5.5，定价对标 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，100,000 token 以内定价与 GPT-6 Luna 持平（$0.10/$0.50 每百万 token），超出后价格上涨 5 倍至 $0.50/$2.50。
推荐理由：原文把 Haiku 5.5 与 GPT-6 Luna 的定价和 tokenizer 差异逐项对比，并给出不同上下文长度下的成本结论。
The Decoder精选AI 评分8888 Anthropic 发布 Claude Haiku 5.5，价格最高降 90% 且基准大幅跃升
Anthropic 发布 Claude Haiku 5.5，面向高量、成本敏感任务，平均价格比 Haiku 4.5 低约 75%，100,000 tokens 以内提示词请求最多降价 90%。
推荐理由：原文列出 Haiku 5.5 与 Haiku 4.5、GPT-6 Luna 的基准和价格对比，并提示新分词器会压缩实际节省，便于判断真实升级幅度与成本。
Hacker News · AI 最新精选AI 评分7979 OpenAI 的 AI 解出一道千禧年大奖难题后，又攻克数百道数学题
《华尔街日报》报道指出，OpenAI 的 AI 在解出一道千禧年大奖难题之后，又攻克了数百道数学题。原标题提到，此前解出单道题时曾引发广泛关注。
推荐理由：报道指出 AI 在解出一道千禧年大奖难题后又攻克数百道题，读者可据此了解 AI 数学解题能力的当前进展。
The Decoder精选AI 评分6969 OpenAI 在 GitHub 发布 372 条 AI 生成的数学结果，称学术界需跟上
OpenAI 在 GitHub 仓库发布 372 条由内部前沿模型生成的数学结果，称每条结果都针对某个开放问题或其实质性进展。多数证明附有 Lean 形式化，平均每条消耗约三小时 ChatGPT Pro Thinking 算力；此前 Navier-Stokes 解法需要一万个智能体和数百万美元算力，而这次几乎每条结果都来自对单个智能体的单次提示。
推荐理由：原文对比了单次提示与万智能体集群的算力成本差距，并说明 Lean 形式化验证如何缓解人工审稿瓶颈。
Latent Space精选AI 评分8585 OpenAI 公布内部模型 722 篇数学手稿，被称为百年来数学界最重要时刻
OpenAI 将内部前沿数学模型的 722 篇手稿（分为 372 个结果族）公开到 GitHub 仓库，模型本身仍未发布；结果来自约 4000 个研究问题的评估，平均每个耗费约 3 小时 ChatGPT Pro 算力，发布前咨询了高等研究院的数学与 AI 顾问组。
推荐理由：本期以 OpenAI 内部数学模型公开 722 篇手稿为主线，并汇总 Mistral Large 4 等同期发布，便于对照一周 AI 动态。
The Verge · AI精选AI 评分7676 OpenAI 发布又一批数学突破成果
OpenAI 公布了由一款未发布前沿模型产出的数学研究成果，共 722 篇手稿、覆盖 372 个结果族，据新成立的数学顾问组 AGMAI 称其中包含数百个开放问题的解答。
推荐理由：原文给出了这批成果的手稿数量、结果族规模与算力消耗估算，并呈现了数学界围绕发布伦理的争议，读者可据此判断此类成果的分量。