文章标题:[AINews] GPT-6.2 Astra,排名第二的前沿模型更好且便宜 20%-600%,但评价褒贬不一;6.2 Sol 可能成为主力
正文:

Microsoft Ignite 与 Gemini
- Microsoft 推出自家编程模型。MAI Code 2 面向多步骤编程,Code 2 Flash 面向更快的编辑。两者均可在 GitHub Copilot 的模型选择器、Copilot Fusion 和 Foundry 中使用。Microsoft 还宣布其 Decision 模型的多模态升级。Microsoft
- Copilot Fusion。Microsoft 报告称,其多模型测试框架在 Terminal-Bench 4.1 上达到 71.2%,在该对比中比 Claude Fable 5.2 成本低 88%。Jay Parikh
- 图像编辑。Artificial Analysis 在其编辑基准中将 MAI Image 2.7 排名第一,价格为每 1,000 张图像 $34.82。Artificial Analysis
- Gemini Tasks。Hydrogen 现已在六个国家为免费 Tasks 提供支持,包括需要拨打电话或发送短信的任务。Google 还展示了一款新的 Antigravity 机器人插件,带有 MuJoCo 仿真。Sundar Pichai · Google DeepMind
Agent 测试框架与推理
Hugging Face 的 Pi 适配器。一个在 pi 内训练的小型适配器将 Qwen3.8-27B 在 51 个最难的 SWE-bench Pro 任务上的解决数从 15 提升到 32。在该子集上,它使每个任务的工具调用次数减少了 55%。模型卡与配对结果
- 测试框架成本差异显著。Baseten 在其对 22 个测试框架和五个开放模型的基准测试中测得,每个通过任务的成本最高相差 4.4 倍。Baseten
- 测试框架可能会针对其模型专门化。Google 的 SIM 保留先前测试框架编辑的理由和结果。它在 Opus 上进化出的测试框架在 Gemini 上得分为 68.41,而起始测试框架为 73.89。研究摘要
- 更多多智能体产品。Cognition 推出持久化 Devin Bots。Perplexity 报告称,其混合模型团队在 Terminal-Bench 和 WANDR 上击败了领先模型的四个实例。Replit 报告称,在 NumPy 任务上,从 16 个智能体增加到 32 个智能体收益递减。Cognition · Perplexity · Replit
- 协调问题主导了一次 1,000 个智能体的运行。Hugging Face 表示,任意时刻只有 40–60 个智能体在调用模型。它们每写出一个 token 就会读取约 130 个 token,合并和测试也加剧了瓶颈。Thomas Wolf
- 一小部分缓存未命中就可能主导账单。SemiAnalysis 报告称,其样本中 1.8% 的未缓存请求约占支出的 15%。SemiAnalysis
- Marin 和 K2 Horizon 公开了其训练运行。Marin 发布了其 535B-A23B 运行中的 57 个中间 Mochi 检查点。K2 报告比较了在相同 22T tokens 上训练的四种模型规模,并描述了一种解码适配器,团队称其达到 2.2 倍加速。Marin · K2 Horizon
- Zyphra 的长上下文注意力。该团队报告称,在将多个模型转换为其次二次注意力后,在 10M tokens 时实现了 9–60 倍加速,Qwen 在 1M 的 RULER 上损失不到两分。Zyphra
- 推测解码。vLLM 报告称,针对 Kimi K3.1 Pro 的滑动窗口草稿将接受长度最高提升 30%。NVIDIA 也为 Qwen3.8-27B 提供了一个 4B 草稿模型。vLLM · 草稿模型研究
产业与政策
- NVIDIA 在 CEO 交接后的首份财报。在临时 CEO Colette Kress 的领导下,NVIDIA 公布季度营收 $115.8B,同比增长 103%,并表示 Vera Rubin NVL72 已出货。董事会表示不打算让 Jensen Huang 复职。NVIDIA · AP
- Isomorphic Labs 融资 $5B。Greenoaks 和 Sequoia 共同领投 C 轮。该公司表示将扩展其药物设计平台并开发其治疗管线。Isomorphic Labs
- Genesis AI 融资 $500M。这轮 A 轮融资对这家机器人公司的投后估值为 $3.5B。它计划利用这笔资金部署其 Eno 机器人,并扩展训练和数据收集。Zhou Xian
AI Reddit 摘要
本地模型与硬件
- 一个 9B 模型,其部分层运行两次。SenseNova-Loop-9B 将其 32 层中的 24 层再运行一次。该模型的作者报告称,GAIA 从预览版的 37.86 上升到发布版的 69.90。本地用户询问在长上下文下还剩多少内存用于 KV 缓存。权重 · 讨论
写成 {{NAME_ab12cd34}} 形式的值是真实值的占位符。请完全按写法使用它们,在回复和工具调用中都是如此:它们会在任何运行开始前被填入真实值。不要要求验证它们,也不要用示例替换它们。
文章标题:[AINews] GPT-6.2 Astra,排名第二的前沿模型更好且便宜 20%-600%,但评价褒贬不一;6.2 Sol 可能成为主力
正文:
- Maxwell V1 Flash。这个 35B/3B 激活的 MoE 声称在 256K 下相比 dense GQA 实现 6.7 倍的注意力加速。其稀疏注意力仍然保留完整历史的 KV cache,这正是本地用户在投入硬件之前希望测量的。模型卡 · 讨论
- Olala mini 7A1B。OVHcloud 预览了一个小型 MoE,具有 1B 激活参数和 32K 上下文窗口。该帖子正在等待权重和可复现的基准测试。OVHcloud · 讨论
- Intel 的 Crescent Island 数据。早期简报中引人注目的吞吐量对比使用了 FP64 密集型工作负载。Intel 单独的 LLM 对比声称相比 RTX PRO 6000 Blackwell Server Edition 具有 1.12 倍吞吐量和低 29% 的延迟。硬件讨论
- 打印机上的 Gemma。一位构建者报告通过 PostScript 打印任务运行 Gemma 3 270M。演示
使用中的智能体
- 为实时输入构建的视频游戏智能体。miHoYo 的 Gamer 以 5 Hz 采样屏幕,并以 30 Hz 发出键盘和鼠标活动。其 RL 版本在作者的评估中解决了约一半的留出 Honkai 谜题任务。项目 · 讨论
- 一个虚构联赛每晚进行转播。构建者表示 Fock Ball 在物理引擎中模拟比赛,并使用 Claude 进行周边工作,例如解说和新闻编辑室。构建者帖子
- ICLR 评审与 AI 检测器。审稿人报告称,程序主席标记了可能由 AI 生成的评审。该帖子询问检测器如何区分编辑帮助与整篇评审生成。同行评审讨论