OpenAI 称 GPT-6 Astra 在一周内从零完成硬件设备设计
OpenAI 硬件团队使用 GPT-6 Astra 在不到一周内完成了一款 Codex 交互硬件的全流程设计,涵盖外壳、PCB 布局、固件与用户界面。代工厂在不到一个月内制造出小批量原型,但因模型未充分考虑公差与装配等制造约束而经历了数轮修改。基准测试显示 GPT-6 Astra 在 BenchCAD 2.0 上得分为 0.594,而另一款未公开细节的内部模型得分达 0.875。
OpenAI 硬件团队使用 GPT-6 Astra 在不到一周内完成了一款 Codex 交互硬件的全流程设计,涵盖外壳、PCB 布局、固件与用户界面。代工厂在不到一个月内制造出小批量原型,但因模型未充分考虑公差与装配等制造约束而经历了数轮修改。基准测试显示 GPT-6 Astra 在 BenchCAD 2.0 上得分为 0.594,而另一款未公开细节的内部模型得分达 0.875。
Elorian 与 Mercor 联合推出视觉推理基准 DecoyCount,测试模型能否排除视觉诱饵、正确计数。前沿模型准确率均低于50%,GPT-6 Astra 以43.17%居首,Glimpse 内部测试为50.48%。Glimpse 仅运行一次,论文中的其他模型则取三次运行均值,评测条件存在差异。
Google DeepMind 发布 Gemini 4 Carbon,优先通过 Fairwind Program 向可信网络防御人员开放,更广泛的开发者访问尚无明确时间。
Google DeepMind 发布前沿模型 Gemini 4 Carbon,主打网络安全防御能力与长流程工程任务。该模型在漏洞挖掘基准 SEC-bench Pro 取得 88.2%、漏洞修复 CWE-bench 取得 71.0%,并支持持续运行数天以排查和修复底层系统缺陷。
推荐理由:原文披露了模型在漏洞挖掘与补丁修复等环节的基准表现,读者能借此评估长流程智能体在软件防御中的可用程度。
Google Research 提出面向大语言模型持续学习的 Sleep 睡眠框架,通过清醒交互与离线记忆巩固的周期性交替,将短期上下文知识固化到长期参数中以克服灾难性遗忘。
推荐理由:该研究借鉴人脑睡眠机制交替进行清醒交互与离线巩固,为解决大模型灾难性遗忘与长期记忆保留提供了新路径。
Google 正式公开发布智能体 AI 系统 Deep Review,用于对学术论文、法律协议和财务报告等复杂技术文档提供深度逻辑校验与技术反馈。该系统采用文档切分、自适应计算预算分配、并行验证与全局综合的四阶段智能体架构,每周向用户免费提供两次文档审阅,并支持通过 Gemini API 进行程序化调用。
推荐理由:系统通过四阶段智能体工作流解决长文档逻辑校验难题,为学术论文与复杂方案提供了可自动分配推理预算的预审阅机制。
Google DeepMind 宣布 Gemini 4 Argon 即日起全球开放,面向开发者、企业及符合订阅条件的用户,主打复杂、多步骤的编码、专业与科研任务。
推荐理由:通过代码重构、推理加速和科研任务的具体案例,材料展示了模型从回答问题转向长时、多步骤工作的应用路径。
Berkeley AI Research(BAIR)撰文系统综述了自适应并行推理(APR)的研究进展,分析大语言模型如何自主决定子任务拆解与多线程并发以解决串行推理的高延迟和上下文退化问题。
推荐理由:文章系统拆解了自适应并行推理在系统架构与强化学习奖励设计上的路线差异,为长链条推理降延迟提供了系统级视角。
研究人员提出针对世界模型的新型基于梯度的规划器 GRASP,旨在解决长视界规划中的梯度病态与局部极小值等脆弱问题。该方法通过将轨迹提升到虚拟状态实现跨时间并行优化,在状态迭代中直接引入随机性以增强探索,并重塑梯度以避免高维视觉模型产生脆弱的状态输入梯度干扰。