空货架还是丢钥匙？Google 研究：Recall 是参数化事实性的瓶颈
Google Research 提出知识画像框架，发现前沿 LLM（如 Gemini3、GPT-5）的事实编码接近饱和，但回忆（recall）能力不足，多数事实错误源于"丢钥匙"而非"空货架"。该框架将事实分为编码失败、回忆失败等五类画像，并配套推出 WikiProfile 基准，含 2，150 条维基百科事实，每条配 10 个问题，用于分别探测编码、回忆与识别能力。
via AIHOT · https://aihot.virxact.com/items/cmsqe6mat01bsroli3hw71nz7
微软首发自研推理模型MAI-Thinking-1
我们的首个推理模型 MAI-Thinking-1 从零开始构建，现已在 Microsoft Foundry 上线。为团队点赞！更多详情如下。
via AIHOT · https://aihot.virxact.com/items/cmsqbnb8j01nrroosmwa5r6mj
Grok 4.6 发布：智能、快速且性价比高
Grok 4.6 现已推出 🚀🚀🚀
智能、快速，性价比惊人！
via AIHOT · https://aihot.virxact.com/items/cmsq9k89v020vronddoxp07vt
阿里开放 Qwen3.8-2.4T-A95B 模型权重：2.4T MoE、激活 95B、原生 256K 上下文
阿里 Qwen 团队正式开放 Qwen3.8-2.4T-A95B 模型权重，这是 Qwen-Max 级别模型首次开源。模型总参数 2.4T，每个 Token 激活 95B，原生支持 262，144 Token 上下文并可扩展至 1，010，000 Token。
via AIHOT · https://aihot.virxact.com/items/cmsqagyyz00yuroucf55e5fue
剑指 GPT-5.6 Sol，SpaceXAI 发布 Grok 4.6 模型
SpaceXAI 发布 Grok 4.6，强化长时间运行的智能体任务及复杂交互和视觉工作。在综合 9 项基准测试的 Artificial Analysis Intelligence Index 上，Grok 4.6 与 GPT-5.6 Sol 取得相同成绩。
via AIHOT · https://aihot.virxact.com/items/cmsqagyyz00ywroucrs6d9byv
OpenRouter 推出实时网页搜索基准测试：如何为智能体选择引擎、深度与模型
OpenRouter 发布实时排行榜，系统评测模型、搜索引擎、搜索方法与预算四类配置组合。数据显示，将搜索预算从 1 轮增至 25 轮可使 BrowseComp 得分近乎翻倍，成本仅增 2.5-7 倍；模型选择比引擎更重要，平均分差 15 分 vs 10 分。失败率高的任务应降低搜索深度以控制成本。
via AIHOT · https://aihot.virxact.com/items/cmsq9h6gs01x5ronde8fdla7e
我写了一本 AI 教科书--AI 还要多久才能写得更好？
作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。
via AIHOT · https://aihot.virxact.com/items/cmsq5saxh051mro2e90h10exo
Meta 开源 Muse Glimmer 登陆 OpenRouter
Meta AI 超级智能实验室的首个开放权重模型 Muse Glimmer 已在 OpenRouter 上线！
这是一款 30B 密集文本+图像模型，采用 Apache 2.0 许可证，旨在成为可靠的本地智能体，MCP Atlas 得分 75.5，SWE-Bench Pro 得分 51.2。
https://openrouter.ai/meta/muse-glimmer-30b
via AIHOT · https://aihot.virxact.com/items/cmsq1hwsb02norobuzbw8cdcc
LTX-2.5 模型登场：AI 生成 10 秒 720P 视频仅需 6.8 秒，原生集成 ComfyUI
LTX 推出 LTX-2.5 模型，原生集成 ComfyUI，在 2 张英伟达 GB200 配置下生成 10 秒 720P 视频仅需 6.8 秒。LTX-2.5 Fast 以每秒 0.09 美元生成带音频 720p 视频，10 秒片段成本 0.90 美元；年度经常性收入低于 1，000 万美元的组织可免费使用。
via AIHOT · https://aihot.virxact.com/items/cmspr6h6s01hero4hjcdf95mw
Research Gold 号称"100%人类撰写、绝不使用AI"，实则全程由AI驱动
面向医学研究者的网站 Research Gold 宣称其服务"100%由人类撰写、绝不使用AI"，并列出多名博士审稿人。但调查发现，这些审稿人系AI生成、并不存在；部分真实方法学家的身份和照片未经许可被挪用。致电该公司时，自称"Sarah"的AI助手坚称自己是真人，邮件与聊天回复也均为AI生成。
via AIHOT · https://aihot.virxact.com/items/cmspo193n05q2rojeue8j2k5a