跳到正文
#推理
  1. Simon Willison82

    Kimi K3.1 Pro 上线 Kimi API，承诺 11 月 4 日前开放完整权重

    Kimi K3.1 Pro 今日上线 Kimi API，目前尚未开放权重，Moonshot 承诺 2026 年 11 月 4 日前发布完整模型权重。

    推荐理由：Kimi K3.1 Pro 以 API 形式上线，价格与部分前沿模型持平，作者实测了三个推理档位的输出。

  1. Latent Space78

    AI 为何越来越擅长数学：从提示序列与分支因子看模型解题方式

    作者梳理 OpenAI 与 Anthropic 今年在数学开放问题上的多项成果，提出用提示序列长度 k 和分支因子 b 解释模型为何擅长数学。模型以深度优先方式并行尝试大量路径，配合自动验证器剪枝，把失败尝试当作负向提示写回下一轮。作者认为人类仍擅长压缩分支，在 k 和 b 都很大的问题上直觉依然关键。

    推荐理由：文章用提示序列长度和分支因子解释模型为何擅长数学证明，并指出人类直觉仍占优的问题类型。

  1. Microsoft Research76

    微软研究院等证明悬置31年的KLS猜想

    微软研究院研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了1995年提出的 KLS 猜想，确认对一大类高维概率分布，最佳平面切割与任意形状最佳切割的差距不超过一个与维度无关的固定常数。

    推荐理由：这篇论文证明了一个悬置31年的几何猜想，并展示了研究者如何通过筛选和引导智能体搜索来推进数学证明。

  1. Microsoft Research72

    微软研究院推出基于证明的通用计算系统 Magnetar

    微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在笔记本上每秒证明 720 万至 870 万条 RISC-V 指令。在 15 个基准程序上，它平均比现有最快的同类 zkVM 快 10 至 39 倍，证明验证耗时约 12 毫秒。其安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，无需椭圆曲线、格假设或可信设置。

    推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在通用性、速度与标准哈希安全之间同时取舍。

  1. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

    推荐理由：官方给出定价、基准排名与多个内部落地案例，可据此判断前沿模型在编码与科研工作流中的实际位置。

  1. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展至开发者、企业和消费者。

    推荐理由：官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例，可据此判断前沿模型的能力边界。

已经到底了