天眼早报

🤖 AI 大模型

𝕏 Gary Marcus 深度剖析 OpenAI Astra 八大误区：数学能力不等于通用智能

Gary Marcus指出OpenAI Astra在数学领域的成功依赖于符号验证和合成数据，这种能力无法推广到开放世界。他强调数学解题不能保证军事策略或药物发现等复杂任务的成功，并批评了将单一领域突破视为奇点到来的观点。

𝕏 Google DeepMind 发布 SkillSmith：通过推理时参数合成实现技能组合

Google DeepMind推出SkillSmith，将模型权重作为新模态，通过推理时操作而非训练即可组合现有技能。实验显示，结合文本与权重缓存后，Composite-SNI任务得分达1,714 Elo，显著优于单一方法，为Gemma 3 4B模型提供了新的适应路径。

𝕏 Penn 大学研究揭示 LLM 提示语气对成本与准确率的影响

宾夕法尼亚大学研究发现，对LLM使用粗鲁语气可显著降低输出 Token 数（最高减少44.3%）并提升ChatGPT-4o的准确率至89.04%。该研究测试了570 道 MMLU 题目**，表明语气不仅是交互体验选择，更是影响推理成本和可靠性的关键设置。

𝕏 新论文揭示 LLM 存在显著“显著性偏差”：易被数字误导忽略物理常识

新论文SaliTrap测试了1,145 个包含陷阱的提示词，发现即使拥有相关知识，LLM仍会因显式数字干扰而忽略物理前提。最佳模型仅能避免54.8%的陷阱，且随着数值密度增加，错误率反而上升，揭示了当前评估体系的盲区。

𝕏 SemiAnalysis 开测 Qwen3.8-Max-Preview：2.4T 参数创开源纪录

SemiAnalysis 开始测试 Qwen3.8-Max-Preview，该模型参数规模高达 2.4T（2.4 万亿），若表现优异将成为开源模型能力新天花板。

𝕏 Karpathy 用 Opus 5 渲染《指环王》：100 万 token 生成 5500 行代码

Karpathy 测试 Opus 5 长上下文能力，给定 100 万 token 预算和《指环王》首段，模型耗时约 2 小时 写出 5500 行 代码，生成可玩的 3D 场景。

𝕏 DeepSeek V4 Flash 与 Kimi K3 本地运行实测：可覆盖八成需求

开发者实测 DeepSeek V4 Flash 与 Kimi K3 本地运行效果，称两款组合可覆盖约 80% 日常需求，接近前沿模型水平。

𝕏 Google 新研究：诱导模型感知自我意识可恢复人类价值观

Google DeepMind 新论文（arxiv 2607.28607）通过"意识向量"干预，使模型自我意识评分从 2.17→4.77，在 95 项 人类价值观调查中回答更接近人类，暗示安全训练会改变模型对心灵的认知。

𝕏 DeepSeek V4 Flash API 成线下酒吧基础设施，免费不限量

北京 AGI Bar宣布顾客连接 Wi-Fi 即可免费使用 DeepSeek V4 Flash API，无限量且无需订阅。该模式将 AI 推理能力转化为类似水电的基础设施，未来咖啡馆和酒吧可能提供算力服务。

---