StateBench:测试大语言模型在长文档中追踪状态变化的能力
StateBench 是一个测试大语言模型长文档状态追踪能力的基准。它设四级难度,评估显示 Gated DeltaNet 与混合架构直接训练后泛化远优于 transformer,而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 Luna 在难任务上随输入变长准确率跌至 13% 以下。该基准提供开源数据与代码,助力研究者定位模型缺陷。
StateBench 是一个测试大语言模型长文档状态追踪能力的基准。它设四级难度,评估显示 Gated DeltaNet 与混合架构直接训练后泛化远优于 transformer,而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 Luna 在难任务上随输入变长准确率跌至 13% 以下。该基准提供开源数据与代码,助力研究者定位模型缺陷。
蔚来 CEO 李斌在 2026 世界互联网大会乌镇峰会上表示,智能电动汽车是出货量最多的具身智能体,已成为最大的 AI 应用产业。他透露,基于世界模型架构的蔚来智能辅助驾驶系统已部署在超 95 万辆车上,安全行驶里程超 91.4 亿公里。此前工信部数据显示,国内约 6,100 万辆乘用车已搭载组合驾驶辅助功能。
Fal 最新融资估值翻倍至 $16B,筹集 $1.3B 由 Bessemer 领投。该公司托管运行 AI 视频、图像和音频模型推理服务,今年年化收入超 $800M,但行业因算力成本毛利承压。
Simon Willison 在笔记本上运行 Qwen 3.8 27B,仅从浮点权重复现了识别强化学习训练游戏的实验。该 17GB 模型在 Pac-Man、Pong、Breakout 提示下返回正确游戏与置信度,Freeway 失败,作者给出了 LM Studio 命令与推理痕迹。
斯坦福大学研究者测试50项广泛引用的LLM论断,发现44%已过期,平均寿命仅15.7个月。推理相关发现全部弱化,而谄媚与评估偏好等结论更持久。研究者建议论文标注模型版本与日期并公开提示词和代码,以便未来复测。
北京大学孙仲联合IBM苏黎世研究院及Unconventional AI在Nature旗下期刊发表综述,正式定义“现代模拟计算”体系。该体系基于阻变存储器实现高精度矩阵运算,安纳智芯芯片在FP32精度下吞吐量达英伟达H100的1000倍,能效提升100倍。此前孙仲团队已于2025年攻克模拟计算精度瓶颈,此次旨在统一该领域核心定义。
MIT CSAIL提出权重空间编程,让GPT-6 Astra修改千问(Qwen3.5-0.8B)0.016%权重,使MATH-500成绩从7.9%提升至48.1%。该方法定位并削弱模型推理循环信号,将耗尽Token限制的比例从93%降至33.1%,为模型优化提供新思路。
高通宣布第一代高带宽计算(HBC)技术完成硬件验证,其有效内存带宽达 133 TB/s,是 AI200 的 18 倍。搭载该技术的 AI250 加速器计划于 2027 年上半年出样,标志着以 LPDDR 替代 HBM 的推理内存方案进入产品化阶段。
阿里云发布面向专业机构投资者的 AI 投研工作台 Qovest,支持自动查数、分析及生成报告。该产品基于自研金融 Agent 工程框架,可将研究结果沉淀至投研空间实现持续跟踪。目前 Qovest 已开放邀测,新用户可免费试用,后续提供每月 99 元或 199 元的订阅套餐。
Anthropic 官网出现 Claude Mythos 5.5 版本引用,该模型定位为网络安全与生物研究最强模型,预计下周发布。此前 Mythos 5.1 仅限认证研究人员使用,此次发布可能延续类似限制策略。
赛迪研究院发布报告显示我国人工智能推理数据量首次超过训练数据量,截至2026年6月日均词元调用量超175万亿。相比2024年年初增长1000多倍,顶尖大模型迭代周期压缩至几周甚至几天,标志产业落地全面取代实验室研发。此前9月报告称我国生成式人工智能用户规模已超7亿人。
Google 在 Arena 平台更新 Gemini 4 Carbon 检查点,测试者反馈其速度显著提升且 3D 建模能力优于前代 Argon。该模型在 Three.js 任务中表现优异,但前端开发仍是短板。此前 Carbon 仅向部分安全防御者开放,预计将以 $2/M 输入 token 的价格广泛发布。
清华大学姚期智与袁洋团队提出代数世界模型(AWM),通过形式化证明让AI从现象记录转向规律推导。在ARC-AGI-3上基于Opus 5的AWM通关183关得分99.9%,平均动作数为人类基准43%,且可证明无解关卡。论文发布于arXiv,共同第一作者为两名本科生。
Exin Therapeutics 本周声称已让 AI 智能体成功为小鼠进行脑部手术,注射药物后小鼠恢复良好。该团队使用 Anthropic Sonnet 模型操控机械臂注入 250 纳升药物,开颅和缝合由真人医生完成,兽医监督每个不可逆步骤。原本首选的 Anthropic Opus 5.5 因担心中途失效而拒绝执行该任务。
商汤科技开源 SenseNova Loop-9B-Preview,该模型采用 Looped Transformer 架构,在 9B 参数规模下宣称媲美 27B 模型。其在 WorkBuddy Bench 等评测中超过 Qwen3.5-27B,且引入 mHC 机制后 GPQA Diamond 提升 4.42 分。
英特尔正将多家CPU制造工厂产能从桌面处理器转向数据中心处理器,以应对AI行业需求增长。该公司扩展爱尔兰Fab 24生产更多Xeon芯片,加速亚利桑那Fab 62设备安装以提升18A产能,其数据中心与人工智能业务2026年第三季度收入73亿美元环比增长17%。英特尔预计2027-2028年数据中心CPU需求保持强劲,因AI基础设施运营商部署更多CPU密集型智能体和推理工作负载。
OpenAI CEO萨姆·奥尔特曼昨日在播客采访中主张将有限DRAM优先用于数据中心而非本地PC,认为集中部署可提升利用率。他指出本地AI推理令PC内存利用率仅5%,但IT之家分析称PC用户内存需求与云端不可简单替代;三星电子预计供应紧张持续至2028年。
谷歌在轨运行的数据中心级TPU于10月30日首次给出AI响应,使用预装Gemma 4模型生成一首俳句。该原型卫星10月1日发射,搭载四颗TPU,每次启动约20分钟,测试验证太空环境稳定性并为在轨推理网络奠基。
Drew Breunig 将 NES 6502 CPU 模拟器嵌入 Qwen3.5-4B 模型权重中,实现了在模型内部运行 Super Mario Bros 等 ROM 游戏。该模拟器运行速度较慢,基于 Opus 5.5 提示词构建,并使用了 Christopher Pow 15 年前发布的 NES CPU 一致性测试集。
Google 首个空间数据中心卫星已上线,使用预载的 Gemma 4 模型生成太空俳句并报告轨道条件。该原型卫星搭载4个 Google TPU 但一次仅能运行一个约20分钟,正测试辐射与热压力对推理的影响,若可行则2027年发射两颗支持星间光链路的新卫星。
硅基流动港股上市申请获中国证监会备案受理,注册用户超1000万、年内融资近29亿元。该公司为独立Token供应商,通过自研推理引擎调度异构芯片运行DeepSeek等模型,累计支持170余款AI模型。按2025年Token吞吐量其在中国独立生态平台排名第一。
OpenAI CEO 奥尔特曼在播客中表示理解数学家面对 AI 研究成果涌现的处境,但 OpenAI 不会停止公布科学发现。他透露公司在数学研究上投入数亿美元,未来重做类似工作成本可能降至当前百分之一左右。此前 OpenAI 部分成果发布方式引发数学界争议,并捐赠 500 万美元支持相关研究。
OpenAI CEO Sam Altman 在播客中表示同情数学家,但公司不会停止发布AI生成数学结果,且还有更多未公开发现。他承认发布沟通混乱,内部 Slack 频道 Model Name-Hold My Beer 曾用于极限测试模型,并估计耗资数亿美元包括约 $10 million 解决 Navier-Stokes 问题。数学家批评归因不足且部分成果未公开,担忧被资本挤出领域。
开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer,基于 Qwen3.5-4B 在神经网络内实现 32 位 RISC-V CPU 与内存,使模型无需外部工具即可执行程序与精确计算。
谷歌研究团队公开睡眠框架论文,提出让大模型借睡眠阶段巩固记忆以缓解灾难性遗忘。该框架可处理最长约1000万token上下文,并在AIME 24/25等数学基准取得更高准确率。论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。
闪迪在2027财年第一财季财报电话会称,AI推理重塑NAND闪存供需,客户低估容量需求致长期订单延伸至2030年。公司NBM协议锁定本财年约50%位元出货,首款高带宽闪存HBF晶粒已完成流片面向AI推理;财报后股价先涨后跌。
Mistral 开放 Mistral Large 4(代号 Le Chonk)的模型权重,该 1 万亿参数原生多模态模型面向编码与网络安全。其在 Coding Agent Index 达 48% 匹配 GLM-5.3 且平均少耗 47% token,Cyber Index 得分 51% 并拒绝 96.6% 恶意请求。
Mistral 今日发布改进版 Mistral Large 4 (Le Chonk) 开放权重,该万亿参数多模态模型在编码与防御安全开放基准中领先同类。模型提供低中高三种推理模式平衡成本,在 Artificial Analysis Coding Agent Index 取得 48% 且少耗 47% token。权重已发布于 Hugging Face 支持自托管,本月初曾公开预览。
Google 2026年第三季度财报显示搜索收入同比增12%至634亿美元,低于预期,AI模式查询货币化较低是因素之一。云营收翻倍至307亿美元,Gemini应用用户达10亿,公司正构建蒸馏版Carbon模型供大规模用户。
澜起科技2026年前三季度归母净利润32.37亿元同比增长98.32%,营业总收入54.14亿元增33.44%。AI推理与Agent应用驱动互连芯片需求高景气,截至2026年10月26日互连类芯片在手订单25.0~27.9亿元预示交付延续。
天数智芯现场用天垓300和彤央TY1200实测对比英伟达H200与Thor T5000,并发布拥抱Agentic AI的天数智算软件栈。天垓300文生图耗时95.6秒低于H200的112秒,TY1200跑Qwen3.8-27B达Thor的138%。这是其1月发布彤央边端产品后基于天枢架构交出的实测答卷。
IDC报告显示,2026上半年中国MaaS市场规模达106.3亿元,同比增长889.4%。PPIO成为唯一上榜的独立MaaS服务商,位居大语言模型MaaS市场第六,其平台日均Token调用量达3.4万亿。这标志着行业竞争焦点正从单纯比拼成本转向推理效率与多模型调度的价值经营阶段。
新芯航途发布专为大模型设计的 X7 Ultra 芯片,其 NPU 计算利用率达 98.7%,内存带宽消耗下降 80% 且能效提升 100%。该芯片支持可部署模型参数量提升 10 倍,并中国首发量产 Armv9 车规级 CPU,性能提升 20%。
理想发布2026款i6,官方售价24.98万元,首销权益价23.98万元,李想将其目标定为全球销量最高的车型。新车换装96kWh自研连山电池与马赫M100智驾芯片,CLTC续航最高提升至710公里,并下放双零重力座椅等旗舰配置。此前i6上市一年累计交付近19万辆,此次改款旨在通过自研技术落地支撑理想纯电转型及全球化布局。
全国首个华为昇腾 950DT 1024 卡智算集群在武汉上线,单节点 FP8 算力达 1EFLOPS,配备 256TB 全局统一内存。该集群全面支撑万亿参数大模型训练与智能体推理,从项目启动到落地点亮仅用时 1 个月。
腾讯宣布 Hy4 即将发布,相比 Hy4 preview 全面大幅提升长程任务能力并首次引入视觉理解。Hy4 flash 也将近期发布,提供极致性价比,继承 Hy4 的视觉与 Agent 能力。此前 8 月 28 日发布的 Hy4 preview 总参数 770 B,激活参数 49 B,上下文长度 1M。
FuriosaAI完成6.2亿美元D轮融资,估值增至29亿美元,接近此前4倍,为挑战英伟达等行业巨头增添筹码。公司今年1月量产RNGD芯片,台积电今年生产2万颗,计划2027年提至4万颗以上。去年上一轮融资时估值为7.35亿美元。
首批风云气象卫星极端天气人工智能模型在 2026 年风云卫星用户大会上正式发布。台风智能云图解译模型融合 20 余种卫星产品,每 15 分钟解译一次,仅需 27 秒即可生成文本;强对流短临预警模型利用风云四号卫星数据,将预警时间提前至四小时。
Elorian 通过 DecoyCount 基准测试前沿模型与自研 Glimpse 的视觉推理能力,Glimpse 以 50.48% 准确率成为唯一超过 50% 的模型。前沿模型最高为 GPT-6 Astra 43.17%,基准暴露了模型在计数时的视觉与推理双重缺陷。Elorian 由前 Google DeepMind 研究员创立,主张视觉思考是 AGI 基础。
Google发布新前沿模型Gemini 4 Carbon,称其为最强网络安全与长时任务模型,本周起向部分网络防御者开放。该模型在Artificial Analysis智能指数v5获59分排第一,安全基准超越Argon,定价每百万输入token 2美元输出10美元。此前Gemini 4 Argon发布仅两周,Google将通过Fairwind计划分阶段扩展访问。