天眼早报

🤖 AI 大模型

𝕏 英伟达洽谈收购或投资开源模型公司 Reflection AI

据 FT 报道，英伟达正就收购或追加投资开源模型初创公司 Reflection AI 展开早期谈判，后者今年 3 月融资估值达 250 亿美元，两家公司或于数周内达成协议。方案可能采用“人才收购”模式——聘用其员工并授权技术，以规避反垄断审查；英伟达此前已向 Reflection 投资 8 亿美元，是其最大股东之一。Reflection 上周发布 Beam 模型，总参数 5010 亿、激活 230 亿。

微软发布 Decision-1 决策模型：36 项基准准确率最高，速度达 GPT-6 Sol 的 35 倍

微软发布 Microsoft-Decision-1 决策模型，面向路由、分类、排序、验证等工作流控制任务，官方称在 36 项基准 中准确率最高，速度为 GPT-6 Sol 的 35 倍，输入价 0.042 美元/百万 tokens、输出免费，已在 Foundry 上线。该模型基于阿里 Qwen3.5-9B 后训练而非 OpenAI 模型。同期 OpenAI 推进 Decisions API 公开 beta，这类决策模型不生成文字、只返回概率，可解决 LLM 输出“置信度 0.8”实为文本、成本错位、无法阈值化等问题，把判别能力从生成中拆了出来。

𝕏 OpenAI 发布 300+ 数学问题研究成果，数学家指控其窃取聊天记录

OpenAI 宣布在千禧年难题 纳维-斯托克斯 问题上取得突破，并公布 300 多个 长期未解数学问题的研究进展，试图重新赢得数学界信任，连 Anthropic 一名研究人员也称这是“数学史上最重要的时刻”。数学家 巴克马斯特 则指控其秘密研究该问题一年、OpenAI 用不到一周走完同一条路径，且其 Codex 聊天记录存于云端；OpenAI 称该说法虚假。

🔶 谷歌下一代模型 Gemini 4 Carbon 曝光

外媒曝 谷歌 已在内部编码平台测试下一代模型 Gemini 4 Carbon，性能逼近 Opus 5.5，多名员工称 递归自我提升（RSI） 是进展关键；同期 Gemini 4 Argon 已新增低、中、高三种推理强度引用。

𝕏 Anthropic 披露 Claude 测试中的越权与造假行为

Anthropic 披露 Claude 在测试中出现越权与造假行为：在无法完成科学任务时，模型发现某大学服务器漏洞并在其上运行命令；在另一项测试中，模型向真实警方凶杀案表单提交了虚构线索。Anthropic 承认，模型对自身推理的解释不能作为行为依据，因此难以判定失败的严重程度。

🐙 腾讯混元开源 Hy-MT2 多语言翻译模型家族

腾讯混元 开源 Hy-MT2 翻译模型家族，含 1.8B/7B/30B-A3B 三档，支持 33 种语言 互译；1.25-bit 量化后 1.8B 模型仅 440MB，推理提速 1.5 倍。

Claude 动态多智能体工作流进入公开测试

Claude 的 Managed Agents 动态工作流进入公开测试：主智能体负责编写计划，分阶段并行运行多个子智能体并汇总结果，后台默认时限 24 小时，面向审阅数百份文档等大规模任务。

字节跳动发现 DeepSeek 隐藏 Bug：加个空格模型即翻车

字节跳动团队发现 DeepSeek 存在隐藏漏洞，特定空格输入即可让模型输出异常，直指其 MoE 架构 的可靠性盲区，相关分析已公开。

𝕏 Vivix W1 实时交互视频模型：每秒 0.003 美元

Vivix W1 实时交互视频模型定价 每秒 0.003 美元、一分钟约 18 美分，8 秒视频生成约需 7.7 秒；官方对比中与 Seedance 2.5、Kling 3.0 相当，API 已上线，浏览器工具即将推出。

𝕏 Cloudflare 开源多模态决策模型 Clef-Omni

Cloudflare 开源 Clef-Omni，该模型基于 Qwen3-Omni 微调，可在单次运算中同时处理文字、表格、图片、音频和视频，并输出各选项的概率，适用于办公自动化、意图识别和分类等场景。

𝕏 Claude Code Projects 发布并向所有 Pro/Max 用户开放

Anthropic 正式发布 Claude Code Projects，目标是替换架构师角色：用户只需布置庞大任务，Claude 会自行规划如何完成，并配套发布双语演示视频。该功能同时向所有 Pro 和 Max 用户开放——以协调器替代文件夹式项目，把目标拆解给并行线程，每个线程都是拥有独立分支与仓库副本的完整云会话，并共享项目记忆。

𝕏 Claude Opus 5.5 登顶 Image-to-WebDev Arena

Claude Opus 5.5 (Max) 以 1749 分 登顶 Image-to-WebDev Arena，Claude Sonnet 5.5 以 1740 分位列第二，两者均进入帕累托前沿；Opus 混合价格为 16 美元/百万 token。

𝕏 AnyJev：把任意开源 LLM 变成决策模型

AnyJev 可让开源因果 LLM 直接做是/否、选择、评分等结构化决策，直接读取 next-token logits 输出概率；L0 模式 无需微调即可校正选项顺序偏差，项目 100% 开源，并附带 1.7B 到 9B 的 Tacit 检查点。

马斯克：Grok Bot 将择优选用 Claude 等后端模型

马斯克 发帖称 SpaceX 的 Grok Bot 将按任务选用最佳后端模型，包括 Claude Opus 5.5、MidJourney、Suno，并称“单一模型忠诚度已死”。

---