OpenRouter 上 deepseek/deepseek-v4.1-flash-1017 價格差距達 16.08 倍
STCI 方法 2.0.0 首次測量發現,OpenRouter 上 deepseek/deepseek-v4.1-flash-1017 的 50 個端點,混合單價相差 16.08 倍。
STCI 方法 2.0.0 首次測量發現,OpenRouter 上 deepseek/deepseek-v4.1-flash-1017 的 50 個端點,混合單價相差 16.08 倍。
一項追蹤 733 個 GitHub 或 Hugging Face AI 專案的分析發現,23 個專案變得無法使用,67 個則因 90 天沒有提交而被列為停止維護,後者近三倍於前者。無法使用的專案中有 5 個後來恢復;分析建議分開記錄連結失效與停止維護,並在引用的儲存庫網址旁附上 DOI 或封存連結。
作者為大眾開展失智症開源項目,研究以 EEG 區分 Alzheimer's 與 FTD,最佳方案準確率為 63.3%,僅略高於猜測。項目採用巢狀交叉驗證,但目前樣本量小且來自單一地點,成果屬研究基準,並非診斷工具。項目徵求更多開放失智症 EEG 數據集、預訓練 EEG 基礎模型及獨立數據集測試方面的協助。
M3OPD-Reasoner提出一套完全開放的多模態推理後訓練方案,涵蓋圖像 STEM、圖像感知及影片三個領域。評測 21 個基準後,研究發現從 Qwen3.5-9B 直接以 GSPO 訓練各領域教師,再用 MOPD 蒸餾的方案表現最佳;接續 MixRL 仍可提升學生模型,形成 M3OPD-Reasoner-9B。
K2-Horizon 論文提出六款全開放語言模型,規模由 0.9B dense 至 375B-A23B MoE,面向數學、科學、軟件工程、深度研究及辦公自動化等推理與智能體工作。
南洋理工大學 S-Lab、商湯研究院與 Ropedia 研究團隊發布 NEO‑VLA,一款不設獨立視覺編碼器、將像素直接輸入視覺—語言主幹的機械人策略模型。模型主幹為 2B 參數,在 LIBERO 完整微調後平均成功率為 95.3%;LIBERO-Plus 分佈偏移測試加權總分為 89.7%,RoboTwin 2.0 隨機場景成功率為 69.4%。
研究團隊提出 CONGA,透過辨識條件高斯區塊並按其結構和計算成本選擇實作,為後驗推理構建傳輸映射。在 Stock-Watson 通脹模型上,CONGA 將 NUTS 的每秒最低有效樣本量(ESS)提升 12.5x。它亦在原始目標無法收斂的情況下恢復收斂,包括同一模型上的 WALNUTS,以及將 6760 維電力負載模型縮減至 34 個核心座標後使用 NUTS。
研究發現,AI 將 Ansible 角色改寫成一般 Python 程式時,常失去多主機同步執行、預演及變更回報等運維保障,主因是缺少對應的組態管理框架。實驗以開源 Python 套件 Reemote 作為轉換目標,Apache 和 DataDog 角色的轉換程式均在模擬主機測試中通過冪等性檢查。評估只涵蓋兩個角色各自預設路徑中的單一作業系統系列,驗證環境並非實際伺服器羣組。
研究檢視 40 份開放權重大語言模型技術報告,評估其新穎性主張是否有消融研究支持,以及報告的可重現性與透明度。73 項架構或訓練新穎性主張中,19 項有受控對照;40 份報告中,4 份披露多於一次訓練,只有 1 份同時披露數據混合、token 數量及計算資源。研究提出 7 項技術報告撰寫規則,並指出不評判模型質素,未經測試的主張仍可能成立。
GlyphAtlas 是一個建基於 FLUX.1-Fill-dev 的場景文字合成模型,透過分離文字版面配置與筆畫繪製,改善小字、密集多行文字及複雜文字系統的合成效果。模型以中文和英文訓練,並可零樣本泛化至日文、韓文和阿拉伯文。團隊開源程式碼、權重及包含 1.5M 張場景文字圖片的 GlyphAtlas-Data-1.5M。
清華大學江瑞課題組發布單細胞蛋白組基礎模型 ProtCell,並在摩爾線程 MTT S5000 上完成全流程預訓練復現。模型以約3.8億個細胞及98個公開數據集進行預訓練與評估,雙平台主要定量評測指標差異約0.2%。ProtCell 程式碼已在 GitHub 開源,官方倉庫整合 MUSA 預訓練啟動入口。
LlamaIndex 推出 ParseBench-2 文件解析基準,以按錯誤嚴重程度校準的確定性指標,令評分更貼近人工判斷。資料集由 2.1k 擴至 4.3k 個案例,涵蓋文字、表格、格式、圖表、版面及表單六個維度,並納入 330 多種錯誤類型。資料集、評測程式碼及評分準則已公開;在 41 組配置中,LlamaParse Agentic Plus 以 89.8 分排名第一。
Imperial College London、Duke 等機構的研究者提出開源框架 GEAR,將 RSI 演算法拆成可替換模組,方便構建、比較和重用 Agent 自我改進方法。
蘋果研究團隊於11月4日將 HALO 機械人控制系統及全部程式碼上載至 arXiv(2611.06908),並以宇樹 G1 和本地運行的千問(Qwen)進行實機驗證。
Elith 與 NVIDIA 發佈 Nemotron-Personas-Finance-Japan,這是一個以日本官方統計及家庭金融資訊為基礎、供金融 AI 開發使用的合成人物資料集。資料集共包含 9M 個人物設定,每筆記錄涵蓋 50 個欄位,並以 CC BY 4.0 授權提供商業及非商業使用。它可用於建立客服智能體、評估銷售對話和市場推廣、進行用戶模擬,以及紅隊測試面向客戶的 AI。
推薦理由:資料集把日本官方人口與勞動統計、家庭財務及金融素養欄位結合,並列出客服智能體、用戶模擬和公平性測試等具體用途。
Y Combinator 與 Olam Labs 將 50 個 GPT-6.1 Sol 智能體放進 Minecraft,要求它們在三小時內建立繁榮文明,實驗最終失敗。
Vals AI 的 CyberOffense 基準顯示,開放權重模型 Deepseek V4.1 Flash 1017 取得 72.8%,接近 GPT-6 Sol Daybreak 的 80.8%。
清華團隊研發的星衍(ASTERIS)算法處理韋布望遠鏡 JADES 深場數據,找到162個早期星系候選體,較傳統方法找到的約50個為多。其中75%此前未被報告;在90%完備度下,算法將探測極限提升約1.0個星等,在90%純度下則提升超過1.5個星等。這套開源算法不要求升級硬件或佔用觀測時間,亦可用於地面及空間望遠鏡。
研究者分析 macOS 26 內置的個人知識圖譜,指出系統會從聯絡人、日曆、照片、訊息等資料推斷用戶及身邊人士的關係。兩個背景服務會結閤家庭共享、位置與行為信號;家庭關係分類器使用 144 項特徵,主要涵蓋通訊模式及照片共同出現資料。作者開源 iKnow 本機儀錶板供用戶唯讀檢視圖譜;相關 SQLite 數據庫以明文儲存在受 TCC Full Disk Access 權限保護的目錄。
推薦理由:文章逐層追查資料來源與家庭關係分類依據,並以 iKnow 展示通訊、照片和行為信號如何形成個人知識圖譜。
WorldFoundry 提供開源基礎設施,支援影片、3D/4D、具身動作及互動世界系統的可重現推理與評估。其目錄收錄 270 個模型項目、74 項基準測試及 62 項已登記指標,並分開記錄就緒狀態與執行證據。明確的清單、持久化工件規範及證據導向評分卡,讓評估結果可追溯至支持它的工件。
Anthropic 表示,Claude Science 優化了 30 多個開源生物分子結構預測與設計模型,平均提速約 4 倍,精度損失極小。FlashPairformer kernels 在基準測試中提速 2.7 至 3.2 倍;新推出的低記憶體 Big mode 可在單張 NVIDIA GPU 上準確建模超過 10,000 tokens 的分子系統。
MIT 團隊開發的 CheMeleon 預訓練模型,在目標分子性質數據有限時,篩選候選分子的表現優於其他現有方法。模型以 PubChem 中 100 萬種分子的數據及約 1,600 項分子描述符預訓練,並可按特定任務微調;研究在 58 個測試案例中將其與其他基礎模型及專家設計的傳統模型比較,CheMeleon 表現居首。這個開源模型可透過 ChemProp 下載和微調。
InstantHMR 是一系列開源的單張圖片人體網格恢復模型,針對手機推理而設,採用 Momentum Human Rig(MHR)參數模型,並只以 SAM 3D Body 數據集的公開標註訓練。
中國科學技術大學周少華、熊鵬團隊發布開源 RNA 序列基礎模型 structRFM,將結構知識融入序列預訓練,在多項結構與功能推斷任務中達到國際前沿水平。模型只需輸入序列,便可提取多層級特徵,支援結構預測及多種功能推斷。團隊已開放配對數據、模型權重和源代碼。
Anthropic 開源 FlashProve 原型,讓任何人核實 AI 回覆是否由服務供應商聲稱使用的模型生成。
Google Research 推出 Agile Deliberation,協助用戶為主觀概念建立圖像分類器,並找出概念邊界。測試涵蓋 2 個概念及 18 場實時測試,F1 平均較零樣本 Gemini 2.5 Flash 高 10.5 分。程式碼以 Apache 2.0 授權於 GitHub 公開,並提供 Gemini API 示範筆記本,毋須微調。
研究團隊指出,靜態基序支架評測不足以判斷蛋白質設計的動態穩定性:55 組靜態評測成功的設計與問題配對中,只有 31 組通過分子動力學驗證,僅 8 組通過所有檢查。團隊推出開放研究資源 BILBY,包括 220 項基於 PROSITE 連結實驗結構的 BILBY-PRO 基準,以及評估結構漂移、基序接觸保留和構象系綜保真度的 BILBY-MD 框架。
中國科大發布開源 RNA 序列基礎模型 structRFM,相關研究成果刊於 Nature。模型以約 2100 萬條經計算註釋的序列—二級結構配對數據進行預訓練,僅輸入序列便可提取序列級、核苷酸級及核苷酸對級特徵。模型支援剪接位點預測、內部核糖體進入位點識別及非編碼 RNA 分類;研究團隊已開放配對數據、模型權重和源代碼。
Simon Willison表示,他在手提電腦上運行免費模型 Qwen 3.8 27B,約花45分鐘設定,便重現了讀取另一模型原始權重的部分做法。相關論文稱,GPT-6 Astra 修改了 Qwen3.5-0.8B 的 0.016% 權重,並將 MATH-500 分數由 7.9% 提升至 48.1%。這次測試未能證明論文的所有主張,但降低了外界重現及檢視這項技術的門檻。
Anthropic 發佈開源研究原型 FlashProve,利用 zkSNARK 證明 AI 回應由所聲稱的模型生成,而不披露模型權重。
Anthropic 正在開發開源系統 FlashProve,透過密碼學證明驗證 AI 輸出是否來自指定模型,並已公開技術規範及各組件的可運行程式碼。模型指紋可與特定輸出匹配,驗證來源時不會洩露模型權重,用戶亦可在本地裝置完成驗證。相關研究仍在進行,Anthropic 尚未計劃在自家或其他 AI 實驗室部署 FlashProve。
MIT CSAIL 的 Weight-Space Programming 方法讓 GPT-6 Astra 直接讀寫 Qwen3.5-0.8B 權重,僅修改 131,072 個參數(0.016%),並提升三項基準的成績。
Anthropic 發表研究項目 FlashProve,利用 zkSNARK 證明回應由指定模型權重生成,同時不公開權重。
DeepSeek 於 10 月 31 日發布技術提案,提出由 Router 協調、Workers 並行執行任務的超級智能體架構,旨在減少開發者管理多個 AI 編碼工作階段的時間。
Anthropic 發佈 FlashProve,一個用於大型混合專家語言模型可證明推理的開源原型。以 4-bit 量化的 Llama 4 Maverick(400B 參數)測試時,單張 H100 每秒可生成約 110 tokens,每個 1,024-token 請求的證明約 19 MB;驗證在 24 條執行緒下需 17 秒。
Y Combinator 與 Olam Labs 研究人員在《我的世界》中測試多智能體,涵蓋 Civ50 協作任務、起牀戰爭 PvP 對抗及 Mindustry 塔防對戰,涉及 GPT-6.1 Sol 和 Claude Opus 5.5。
來自 DeepMind 的研究者與電腦科學、神經科學及哲學領域學者合著《Assessing AI Consciousness: From Cacophony to Hierarchy》,提出以層級框架和貝葉斯模型評估 AI 意識。
Dory1.0-4B 是具彈性深度的 4-billion-parameter 循環式語言模型,透過重複使用共享區塊調整推理計算量,以 6 trillion tokens 預訓練,並將上下文長度延伸至 256K tokens。
Axion 1.0 是一款採用簡潔三階段訓練流程的開放式智能體基礎模型,在多項智能體基準測試中表現強勁,並在其中數項與領先商業模型具競爭力。訓練流程由兩個輕量監督式微調階段及其後的強化學習組成,沒有專門的中期訓練、DPO 或 OPD。除模型權重外,團隊亦公開完整方案,包括數據構建、生成、篩選、驗證、提示詞及訓練程式碼。
飛捷科思與復旦大學團隊提出 Fysiverse-UniWAM,並在 24 項真機測試中取得導航及移動操作領先結果。其中 UniWAM-Scaled 在 13 項導航任務的位置誤差均排名第一,4 項移動操作任務成功率亦全部第一,平均為 80.0%,較 π₀.₅ 高 17.5 個百分點。