为什么 AlphaFold 没有解决蛋白质折叠问题——对话 Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 在 Latent Space 的一场对谈中指出，AlphaFold 的突破只是开始，蛋白质结构预测远未解决，蛋白质动态、无序等问题仍待攻克。
#推理
Latent SpaceAI 评分3030
Latent SpaceAI 评分3434 Periodic Labs 的 Liam Fedus 与 Ekin Dogus Cubuk 谈“合成超级智能”：从半导体到超导体
Periodic Labs 联合创始人 Liam Fedus 与 Ekin Dogus Cubuk 在 Latent Space 播客中提出“合成超级智能”（synthesis superintelligence），主张 AI 科学发现需以物理实验为强化学习环境，而非仅靠更多互联网数据训练。
The Decoder精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 则贵 5 倍。
推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的基准和分档定价，可看清小模型在成本敏感任务上的取舍。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平
英伟达团队基于 Nemotron 3 通过 SFT、RL 和生成-验证-精炼推理流程，在 IOI 2026 和 IMO 2026 双双达到金牌水平。IOI 2026 中 Nemotron-3-Ultra-CC 得 535.4/600，高于 361.12 的金牌线；IMO 2026 系统得 30/42，高于 29 的官方金牌线。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型。
OpenAI News精选AI 评分6262 OpenAI 公开前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并放出 Lean 形式化证明，可供研究者直接查阅。
Simon WillisonAI 评分6666 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
Simon WillisonAI 评分2222 Qwen3.8 27B 用英文单词做加法的基准测试
本地 Qwen3.8-27B-Q4_K_M.gguf 在禁用推理时用英文单词做加法仅得 23.57% 数值准确率，格式合规率 96.17%，一至三位数操作数准确率 97.04%，十至十三位数骤降至 6.44%。启用推理后 169 次配对测试答对 167 次，但每次仅跑一个样本。该实验在 DGX Spark 上复现 GPT-4o 的单词加法测试。
The DecoderAI 评分7272 Reflection 发布首个开源模型 Beam，主打低算力高效能
AI 公司 Reflection 发布首个免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
TechCrunch · AIAI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上匹配领先中国开源模型的性能，且推理成本大幅更低。Beam 是文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其得分与 Z.ai 的 GLM-5.2 持平，并使用少 3-4 倍的推理算力。
MIT Technology Review · AIAI 评分4444 别被迷惑：LLM 并不会真正推理
前 Google DeepMind 研究员指出，LLM 的思维链仍由同一套下一 token 预测生成，并非独立推理机制。他列举三大缺陷：缺乏可检视的持久认知状态、知识与操作无法分离、思维链常是事后编造。他主张借鉴 AlphaGo 的搜索架构，为模型建立可更新的认知状态。
Latent SpaceAI 评分3434 Latent Space 对话 MIT 的 Alex Zhang：从 GPU Kernel 到递归语言模型 RLM
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了递归语言模型（RLM）等工作，基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
NVIDIA Blog精选AI 评分7474 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Astra Ultrafast 相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Ars Technica · AIAI 评分6060 CMU 等团队用 16 块 GPU 训练 AI Ataraxos，15 比 1 击败最强 Stratego 选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发出 AI Ataraxos，以 15 胜 1 负 4 平击败被视为史上最强的 Stratego 选手 Pim Niemeijer。Stratego 是不完全信息游戏，双方各持 40 枚军衔棋子，只有两子相撞时才揭示身份，此前连 DeepMind 也未能造出稳定击败顶尖人类玩家的机器。该研究训练仅用 16 块 GPU 和数千美元。
量子位AI 评分3939 亚马逊与杜克大学研究：删掉99.95%训练信号，大模型推理反而更好
亚马逊与杜克大学团队发现，在On-Policy Distillation中每条推理轨迹只随机训练一个token（约0.05%信号），仍能稳定提升Qwen3系列9组teacher-student配置的数学推理能力，单个极端token甚至可匹配或超过full-token OPD，并出现学生反超教师的情况。该现象还扩展到coding reasoning、Llama系列和基于PPO的RLVR。
Hugging Face BlogAI 评分4242 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入推测解码路径。该草稿模型增加 280M 参数（约 8.9%），在设备端解码最高提速 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x，且不改变输出质量。
Simon WillisonAI 评分7171 TypeSafe AI 发布 Jev，推出 System One 决策模型
TypeSafe AI 上周发布 Jev，这是其称为 System One 模型（Simon Willison 更倾向叫决策模型）的新类别模型：输入文本，输出对应类别的浮点数、是/否判断、评分及置信度。
Latent SpaceAI 评分7070 TypeSafe AI 发布 Jev：面向软件而非聊天的 System 1 模型
TypeSafe AI CEO Diogo Almeida 发布 Jev，定位为面向代码消费的 System 1 大型可编程模型，优化目标是每美元智能而非聊天体验。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1，吞吐最高达 GB300 NVL72 的 3.7 倍
NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf v6.1 成绩单给出 Vera Rubin 与 GB300 的吞吐、扩展效率和软件优化数据，可作为推理基础设施选型的参照。
Latent SpaceAI 评分6262 TypeSafe 发布决策模型 Jev：比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上
TypeSafe 发布 Jev，一个用 RLCD 训练、只做决策与分类路由打分的非自回归模型，宣称比小型前沿 LLM 快 20 至 200 倍、便宜 40 至 400 倍，输出 token 免费。
Google ResearchAI 评分3636 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，用离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出，无需消耗 CoT 推理 token。
NVIDIA Blog精选AI 评分7272 NVIDIA 在 AI Infra Summit 发布 Vera Rubin 与 DSX 平台进展，主打每瓦 token 能效
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 与 DSX 平台的多项进展，核心指标从峰值性能转向每兆瓦可验证的智能体 token 数。
推荐理由：NVIDIA 在 AI Infra Summit 上集中给出 Vera Rubin、DSX 与 NVLink 6 的多项实测数据，可据此判断 AI 工厂的能效与吞吐走向。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6 Astra，面向企业工作场景
OpenAI 发布 GPT-6 Astra，称其为面向企业的最强模型，具备高级推理、计算机操作能力，并在写作与设计判断上更强。
推荐理由：OpenAI 公布 GPT-6 Astra 面向企业场景的能力定位，读者可据此了解其推理与计算机操作方向。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。该问题为克雷数学研究所七项千禧年大奖难题之一。
Hugging Face BlogAI 评分3636 用 TRL 和 OpenEnv 训练编码模型画水彩
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的想法，模型通过 p5.brush 写出约 150 行 JavaScript 来作画。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三尺寸及构建方法
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个尺寸，均以 Apache 2.0 许可开源。
推荐理由：Granite 4.2 完整公开了预训练、SFT 与多阶段 RL 的配方和超参，可据此理解推理模型与智能体训练如何分阶段衔接。
Hugging Face Blog精选AI 评分6262 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 7/9 基准上超过自身全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始全精度模型蒸馏，而不是从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复方案，并附9项基准对比，可看方法差异与代价。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5 家族的 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高提升 2.87 倍。
推荐理由：官方给出三个 LFM2.5 模型的 DSpark 草稿模型与实测加速数据，可据此判断端侧与 GPU 推理的提速幅度。
Import AIAI 评分3030 Import AI 469：Science AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款隐藏规则的游戏，用于测试 AI 通过探索自主发现环境规则的能力，目前仅公开 21 款。
Microsoft ResearchAI 评分3939 MindTopo：微软推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、分离、顺序、包围和绳结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上明显强于交互式规划任务，失败多发生在规划阶段而非感知阶段，且图像与视频生成工具在跨多步动作中维持拓扑关系并不可靠。
Google Research精选AI 评分6262 Google Research：召回而非编码是 LLM 参数化事实性的瓶颈
Google Research 提出知识画像框架，用编码、知识、召回三个行为概念区分事实错误来自知识未编码还是已编码但无法访问，并发布包含 2,150 条 Wikipedia 事实、每条配 10 个问题的 WikiProfile 基准。
推荐理由：Google Research 用知识画像区分编码与召回失败，指出前沿模型的事实错误更多来自知识可访问性而非知识缺失。
Hugging Face BlogAI 评分5050 Hugging Face 的 ALTK-Evolve 如何用更少 Token 超越 ACE
Hugging Face 的 ALTK-Evolve 与 ACE 同为无需权重更新的智能体记忆方案，但前者按任务检索少量高支持度指南，而非每步注入完整 playbook。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：读者可看到 CUDA 优化经验如何被结构化迁移到 Apple Silicon，以及翻译层对内核性能的具体贡献。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也低于全上下文设置。
Hugging Face BlogAI 评分3838 模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），几乎翻倍，原因是缓存命中率拉低了 Sonnet 的实际输入成本。
Hugging Face Blog精选AI 评分8585 Thinking Machines 在 Hugging Face 发布 Inkling 及 Inkling-Small 多模态模型
Thinking Machines Lab 在 Hugging Face 发布 Inkling 系列多模态大模型，Inkling 为约 1T 参数、41B 激活参数的 MoE 模型，原生支持图像、文本、音频输入，上下文窗口 1M，并推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。
Hugging Face BlogAI 评分3434 PyTorch 性能分析（第三部分）：Attention 的 profile 全解析
Hugging Face 博客发布《Profiling in PyTorch》系列第三部分，用 PyTorch 剖析 attention 在 profiler 下的表现。
Mistral AI精选AI 评分7171 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可的模型，119B 总参数、6B 激活参数，在形式化验证上大幅升级：miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 达 87%、FATE-X 达 34%。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的成绩与每道题成本，读者可据此判断开源证明模型的性价比。
Google Research精选AI 评分6262 Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布新架构，将多 Token 预测（MTP）头挂载到已冻结的 Gemini Nano v3 模型上，已在 Pixel 9 和 10 系列上线，作为开箱即用的加速方案。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，读者可了解端侧推测解码如何省内存并提速。
Google ResearchAI 评分2929 Google Research 研究：推理如何解锁 LLM 的参数化知识
Google Research 在 COLM 2026 论文中揭示，让模型生成推理链能解锁原本无法召回的事实答案，即使问题只是单跳事实查询。研究用 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 在 SimpleQA Verified 和 EntityQuestions 上对比推理开关两种模式，发现两个机制：额外 token 充当计算缓冲，以及生成相关事实的"事实启动"效应。
Google DeepMind精选AI 评分7878 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，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理最高提速 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数据、硬件门槛与质量取舍，便于判断本地低并发场景是否值得尝试。