AI 新闻

Arena.ai 对数万条基准回答的对比显示，Claude Fable 5.1 的措辞比前代更就事论事，但篇幅也更长。语言承载的信息密度下降，成为这次迭代最值得注意的变化。

OpenAI 的 GPT-6 Astra 在开放数学问题基准 ErdősBench 上取得领先，但首席科学家 Pachocki 表示数学并非刻意优先的方向——资源正投向递归自我改进与对齐研究，这印证了 AI 能力日益“尖峰化”的发展路径。

DeepSeek 推出 5520 亿参数多模态模型 V4.1-Flash，KV 缓存内存降至前代的四分之一，每 token 仅激活 160 亿参数，并在 DeepSWE 编码基准上小幅超越 Opus 5 与 GPT-5.6 Sol，以 MIT 协议开源，瞄准更低成本的 AI Agent。

DeepSeek 推出 v4.1 Flash 版本，在 Hacker News 上引发讨论。轻量级模型正成为大模型厂商争夺开发者入口的关键产品形态。

DeepSeek 以 v4.1-Exp 为名放出实验性版本，在 Hacker News 上引发小范围讨论。本文梳理这一命名的信号意义，以及它对开源模型迭代节奏和开发者选型的影响。

Hugging Face 展示了一种把异步 GRPO 与 LoRA 放到 HF Jobs 上的做法，用对象存储桶和代理替代 NCCL 通信，降低了分布式强化学习微调的工程门槛。

IBM 推出 Granite 系列时序基础模型 PatchTST-FM-r2，在多项基准上达到先进水平，并采用商用友好许可，为时序预测的落地应用提供了新选项。

OpenAI推出GPT-6 Astra，定位为最强大的商业模型，强化推理、计算机使用及写作与设计判断能力，标志着AI从通用对话向工作场景深度渗透。

一项AI数学能力的突破性进展在开发者社区引发激烈争论，核心质疑指向训练数据可能包含测试集内容，导致基准测试失真。本文梳理事件脉络，分析其对AI评估体系的影响。

谷歌对其AI天气模型进行更新，通过增加输入数据种类，进一步提升了预报准确性，缩小了与传统数值模型的差距。

OpenAI宣称在数学推理上取得重大突破，但学术界质疑其评测方法和透明度，这背后是AI基准测试的深层问题。

阿联酋Falcon AI团队推出的NSFW内容分类器在开源模型中表现突出，成为全球顶尖模型之一，引发对内容审核技术开源化的关注。