arXiv 论文：小语言模型多智能体辩论的收益被归为集成采样效应
一项 arXiv 论文在来自 11 个厂商家族的 23 个小模型、5 项任务、5500 多次辩论与控制运行中检验多智能体辩论（MAD）的收益来源，认知多样性假设在人格、采样温度和模型身份三个维度上均被否定。
推荐理由：23 个模型与 5500 多次运行的对照显示，多智能体辩论的收益可被同预算采样复现，为后续辩论机制给出了比较基线。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 1–14 条 · 共 14 条arXiv cs.AI精选AI 评分6666
Simon Willison精选AI 评分8484 Claude Opus 5.5、GPT-6 Sol 与 GPT-6 Luna 发布，新一轮模型价格战开打
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，Simon Willison 记录了自己对这些新模型的定价观察与实测表现。
推荐理由：文章给出 Claude Opus 5.5、GPT-6 Sol 与 Luna 的最新定价和实测表现，可以看清这轮模型降价对调用成本的直接影响。
AWS Machine Learning Blog精选AI 评分6767 GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 在 Amazon Bedrock 正式可用，API 定价显著低于 GPT-5.6 前代。GPT-6 Sol 面向开发与运维中反复出现的复杂任务，GPT-6 Luna 面向大批量重复任务，两者都支持显式提示词缓存。OpenAI 的内部事实性评测显示，GPT-6 Sol 的事实性错误约为 GPT-5.6 Sol 的一半。
推荐理由：两款模型按复杂任务与高频任务分层，API 定价低于 GPT-5.6 前代，可据此判断日常负载的选型。
OpenAI：官网动态精选AI 评分8787 OpenAI 分享 AI 生成的纳维-斯托克斯千禧年难题解答与 Lean 形式化证明
OpenAI 表示正在分享一份由 AI 生成的纳维-斯托克斯千禧年难题解答，包含一份说明文档和一份 Lean 形式化证明。该条目目前只有这一句简要描述，未提供更多细节。
推荐理由：AI 生成的纳维-斯托克斯千禧年难题解答以 Lean 形式化证明一并公开，读者可关注机器产出数学证明的呈现方式。
HuggingFace Blog精选AI 评分6363 IBM 详解 Granite 4.2 系列 3B、8B、30B 推理模型的构建过程
IBM Granite 团队发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个 dense、decoder-only 规模，全部以 Apache 2.0 许可开放。
推荐理由：原文公开了从五阶段预训练到多阶段 RL 的完整构建配方，可对照其他推理模型的开源训练路径。
Google AI：DEV 作者专属精选AI 评分6969 Gemini 3.7 Flash API 实测：$0.75 定价、minimal 档位返回 400
Gemini 3.7 Flash 于 2026-08-13 上线，输入每百万 token $0.75、输出 $3.75，介绍价 2026-12-31 到期后翻倍为 $1.50 / $7.50，且与 Gemini 3.6 Flash 现价完全相同。
推荐理由：作者在同一路由上对比三档思考级别的实测 token 与首 token 延迟，可帮助开发者估算迁移后的成本变化。
HuggingFace Blog精选AI 评分7979 Thinking Machines 发布开源多模态模型 Inkling 及 Inkling-Small
Thinking Machines 发布开源多模态模型 Inkling，总参数 975B、激活 41B，支持 1M 上下文并原生接收图像、音频和文本输入。同期推出 Inkling-Small（总参数 276B、激活 12B），采用与 Inkling 相同的架构。
推荐理由：约 1T 参数的开源多模态模型，文章给出多个推理引擎的部署配置和基准对比，便于判断它能否落到现有工作流。
HuggingFace Blog精选AI 评分6767 vLLM 的 transformers 建模后端实现原生推理速度
Hugging Face 表示 vLLM 的 transformers 建模后端现已在多个 LLM 架构上达到甚至超过 vLLM 手写原生实现的吞吐。对比覆盖 Qwen3 4B 单卡、32B 张量并行、235B FP8 MoE 数据加专家并行三种部署，模型只需加 --model-impl transformers 即可启用，且仍可用于训练。
推荐理由：文章给出 transformers 后端与 vLLM 原生实现在三种 Qwen3 模型上的吞吐对比，便于了解免移植推理的实现路径。
Mistral AI精选AI 评分6363 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数与 6B 激活参数的形式化验证模型，在 miniF2F 验证集和测试集上均达到 100%。
推荐理由：可对照 Leanstral 1.5 在 PutnamBench 的解题数与约 4 美元单题成本，比较形式化证明模型的性价比。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemma 4 开源模型家族，含 26B MoE 与 31B Dense 四种尺寸
Google DeepMind 发布 Gemma 4 开源模型家族，提供 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：原文列出四档尺寸、Arena 排名与 Apache 2.0 许可，便于判断本地部署和微调的硬件与授权取舍。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，称其是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力统一进单一模型的 Mistral 模型，以 Apache 2.0 许可开源。
推荐理由：Mistral Small 4 把推理、多模态与编码能力合进一个开源模型，读者可据此评估单模型替代多模型组合的部署取舍。
Google Research精选AI 评分6565 Google Research 与 BIDMC 开展 AMIE 对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作，在真实门诊流程中开展 AMIE 对话式诊断 AI 的前瞻性单中心可行性研究，100 名成年患者就诊前通过安全网页链接与 AMIE 进行文本问诊，全程由医生视频监督，未触发任何安全中止。
推荐理由：研究以盲评方式对比 AMIE 与初级保健医生的鉴别诊断和管理计划质量，为对话式医疗 AI 的真实落地提供参照。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral 3 系列模型，全部以 Apache 2.0 开源
Mistral 发布 Mistral 3 模型家族，包含稀疏 MoE 的 Mistral Large 3（41B 激活、675B 总参数）与三款密集小模型 Ministral 3（3B、8B、14B），全部以 Apache 2.0 开源。
推荐理由：Mistral 3 一并公布参数规模、开源许可与硬件适配方案，读者可据此对照自身部署条件判断选型。
Mistral AI精选AI 评分6363 Mistral AI 发布首个推理模型 Magistral，Small 版 24B 开源
Mistral AI 发布首个推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：原文列出两档模型的 AIME2024 分数、开源许可与部署渠道，便于比较开源推理模型的落地方式。