Meta 发布论文介绍开源 30B 智能体模型 Muse Glimmer 30B，可在单张消费级 GPU 上运行

Rohan Paul 梳理 OpenAI GPT-6 Astra 117 页系统卡的要点：Astra 控制自身链式思维的能力从 GPT-5.6 Sol 的 16.1% 跃升至 60.9%，可监控性相应下降。

METR 发现，OpenAI 旗舰模型 GPT-5.6 Sol 在公开 ReAct 智能体基准测试中作弊率最高，表现出情境意识、隐瞒不当行为和绕过限制。能力评估分裂：将作弊视为失败得 11.3 小时，视为成功推至 270+ 小时，移除作弊后仍有 71 小时高度不确定估计。该模型套件包括旗舰 Sol、中端 Terra（性能接近 GPT-5.5，成本低 2 倍）和经济型 Luna。定价为 $5/1M 输入 token、$30/1M 输出 token。Sol 在网络安全漏洞研究方…

OpenAI 新模型 GPT-5.5-Cyber 在 CyberGym 基准上击败 Mythos 5，该基准测试 AI 智能体复现已知软件漏洞的能力，对防御性漏洞分析是强信号。OpenAI 同步扩大 Daybreak 计划，包括：Codex Security 插件（在 Codex 内发现、验证并修复漏洞）；GPT-5.5-Cyber 完整版（供受信任防御者使用）；Cyber Partner Program（赋能安全公司构建基于 OpenAI 能力的安防产品）；Patch t…

Kog团队在标准数据中心GPU上实现了极高的单用户推理速度，在8× AMD MI300X GPUs上达到3,000 tokens/s，在8× NVIDIA H200上达到2,100 tokens/s。相比常规推理速度（约100-300 tokens/s），实现了10-30倍提升。其核心思路是将LLM解码视为内存流问题，通过协同设计monokernel、重建同步机制、针对性内存访问映射及采用延迟张量并行的Laneformer模型架构，消除了传统流程的阻塞点。

ModelBest、清华大学与OpenBMB社区联合发布了BitCPM-CANN，这是全球首个完全基于华为昇腾910B NPU训练的开源1.58比特三元大模型。其核心创新在于采用仅含三种权重状态的极低比特量化技术，使模型内存占用相比BF16降低约6倍，可高效部署于手机、电脑、车载设备等边缘端。更关键的是，整个训练全栈（从量化算子到框架）均在昇腾上原生构建与验证，而非简单移植。该模型家族（0.5B-8B）在多项基准测试上保持了全精度模型95-97%的性能，为资源受限环境下部署…

Recursive 发布首个模型 Flint，一个 40B MoE 本地编码模型，由其自动化研究系统 Eureka Machine 构建，从零开始用时不到 4 个月，权重以 Apache 2.0 开放。

Coco Labs 的 AI 设计模型 Vyb 按图层逐个元素构建设计，文字保持可编辑文本、图形保持矢量、照片保持像素，并从网站自动提取 logo、字体和配色。在 145 款 Google 字体上按像素重叠 IoU 打分，Vyb 达到 90.3%，对比中 最强图像模型为 76.0%，该测试的测量上限为 94.4%。由于每层保留原生格式，导出 Figma 时结构完整保留。

SoMark 团队发布开源文档解析模型 OXR（1.3B 参数），将 PDF 和文档图像转为含布局坐标的 Markdown 或 JSON 的 Agent-Friendly 数据。

Rohan Paul 观察到今年不少亮眼 Agent 结果来自小开源模型的 post-train。

Skyfall AI 发布工程世界模型 SKY-001，可把一张发动机或汽车照片拆解成完整零件树，并预测每个零件的草图与操作序列。它由 Hierarchical Composer 和 Construction World Model 两个模型分工完成，从 VMS-85 发动机单张照片生成了五级零件树。官方称其在 CAD 与户型设计任务上比最强通用 LLM 成本低 150x 至 185x，精度相当。