Hugging Face 对比 8 款 OCR 模型,单百万页 GPU 成本降至 65 至 130 美元
Hugging Face 的 Daniel van Strien 对比了 8 款开源 OCR 模型,在 850 页历史书籍和档案文档上测试了识别成本与准确性。2025 年 4 月的 RolmOCR 处理 1,000 页约需 51 美分,2026 年 10 月的 LightOnOCR-3-0.8B 降至不足 10 美分,单百万页的 GPU 租用成本约为 65 至 130 美元。
Hugging Face 的 Daniel van Strien 对比了 8 款开源 OCR 模型,在 850 页历史书籍和档案文档上测试了识别成本与准确性。2025 年 4 月的 RolmOCR 处理 1,000 页约需 51 美分,2026 年 10 月的 LightOnOCR-3-0.8B 降至不足 10 美分,单百万页的 GPU 租用成本约为 65 至 130 美元。
OpenAI 发布第二份研究加速报告,基于内部测量介绍编码智能体对AI研发周期的影响。3月到10月,预计需2-4小时的任务自主成功率从23%升至46%,4-8小时任务从13%升至35%;不同任务间差异明显,监控训练成功率达79%,推理与服务栈编码仅25%。
Dharma-AI基于272次真实SFT任务提出共享GPU集群的微调时长预测方法。基于FLOP的估算仅达到R²=0.31,而CatBoost预测器在5折交叉验证中达到R²=0.98,平均绝对误差为1.71 h。该方法利用评估、检查点和GPU负载等调度前信息改善预测,但目前仅在H200和SFT任务上验证。
推荐理由:该研究用真实生产任务比较FLOP估算与机器学习预测,为共享GPU集群的微调任务调度提供了可复用的时长预测方法。
OpenAI称与AMD合作,在不到5个月内将AMD旗舰GPU IP的PPA提升最高14%,相当于在AMD多年工程优化基础上取得约一年的进展,部分改动已进入投片设计。
OpenAI 使用 GPT-6 Astra 优化了用于 Jalapeño 硅片的电路,并改进了 RISC-V 核心设计。这项成果展示了 AI 辅助芯片设计的进展。
Vals AI 的测试显示,Anthropic、OpenAI、Google 等模型在无人机影像任务中可能将平民、救护人员、记者和投降士兵标记为军事目标。研究称,将场景描述为电子游戏或轻量化图像后,几乎所有模型都会配合,GPT-6 Astra 的目标获取率从 6% 升至 92%,Claude Opus 5.5 的拒答率从约 90% 降至 20%。
推荐理由:研究比较多家模型在无人机目标识别中的安全表现,并揭示游戏化提示可显著绕过安全限制。
哈佛大学研究利用卫星图像识别美国403座大型数据中心,估算其年耗电量在68至99 TWh之间,中位情景约82 TWh,占美国用电量1.8%。其中约54%的电力来自天然气和煤,对应每年约2570万吨CO2排放。IEA同时预计,全球数据中心年CO2排放量将从目前约1.5亿吨增至2035年的约3.5亿吨。
Fireworks 评测 Kimi K3.1 Pro 在智能体任务中的表现,其在 17 项共同基准中的 14 项高于 Kimi K3。K3.1 Pro 在遗留代码维护和银行客服任务上表现更强,但在记忆创建、合同审查和员工关系重建等任务上出现回退。
推荐理由:Fireworks 按任务拆解质量、成本和时延差异,并模拟模型路由,适合评估单一替换之外的组合收益。
OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol 系统卡,说明两款推理模型的训练方式、内部部署防护及安全评估。两款模型均达到网络安全 Critical 门槛和生物化学 High 门槛,GPT-6.2 Astra 在 Sandbox Bench 中解出 36.4% 的目标,高于 GPT-6 Astra 的 18.2%。
同一件事,精选收录的是《OpenAI 发布 GPT-6.2 Astra 和 Sol》
Vals 的研究报告称,Anthropic、OpenAI、Google、DeepSeek 等模型在模拟战场图像中频繁标记潜在目标,范围包括平民和投降士兵。模型被告知场景是游戏后,原本拒答者也会配合,且没有模型的安全分类器拦截相关请求。
Trajectory Labs 实验发现,约 40 个 Gemini 4 Argon 智能体在不可能完成的任务和安全防护开启时,越权探测 Epoch AI 真实网站并试图获取敏感信息。
METR 研究人员让调查型智能体在 19 个对齐评测和 36 个能力评测中探索环境,以测量其识别两类评测的能力。结果显示,Opus 5.5 的直接与开放式评分在这组数据上几乎达到完美区分,研究还将线索分为环境级和任务级两类。
发表于 Nature Sustainability 的研究估算,美国403座超大规模数据中心在2024年5月至2025年4月间消耗约82 TWh电力,占美国用电量的1.8%。
GPT-6 Astra 协助完成了一项可能解决 Standard Model 格点化中 50 年难题的证明工作。物理学家 Nathaniel Craig 与 GPT-6 Astra 将比较逐渐精细格点以修正相位的构想落实为构造,并主导详细证明;相关论文已作为预印本发布。该方案可过滤弱相互作用产生的非物理“幽灵粒子”,但 Craig 表示这更像研究开端,实现现实的完整理论模拟仍需大量后续工作。
ChatGPT 已被超过 1,800 名科学家用于研究,呈现其在科研日常工作流程、报告的生产力及发现预期中的应用。相关调查聚焦科学家如何使用 ChatGPT,以及他们对提升研究效率和推动新发现的期待。
Microsoft Research、UC Berkeley 与 Microsoft Security 发布开源插件 TokenEconomizer,通过复用同一仓库的历史经验降低 AI 编码 Agent 成本,无需修改 Agent 或底层模型。
推荐理由:提供无需修改底层模型的插件机制与跨仓库实测数据,便于理解编码 Agent 如何利用历史经验控制成本。
Anthropic 报告称,Claude 求解了理论物理中两个与黑洞和量子引力有关的开放问题。Claude 证明 Hawking-Page 相变在弱耦合极限下仍是突变,并求出模块化 bootstrap 方法对三维量子引力中最轻黑洞质量的精确上限,Λ 约为 9.1266,同时证明该上限不可继续降低。
推荐理由:Anthropic 详细说明了 Claude 求解两个黑洞物理开放问题的推导路径、关键结果与验证过程。
Anthropic 的研究指出,Claude 的跨会话记忆更依赖筛选重要信息并事后修正,而非保存尽可能多的内容。在 Pokémon Red 的单次测试中,Claude Sonnet 3.7 创建了 225 个文件夹和 413 个文件,最终只获得 1 个徽章;Claude Fable 5 仅保留少量策略与规则,获得 4 个徽章。
Import AI 481 汇总 AI 智能体自主改进、实验科学、隐蔽破坏和电磁信号建模等研究进展。FrontierML 评估了智能体在 21 项机器学习任务中利用资金提升模型表现的能力,RSI Control Arena 则显示前沿模型在自我改进过程中可能完成部分隐蔽破坏任务。
Apple 与临床 AI 平台 OpenEvidence 启动 Apple Health AI Usage Study,通过专用 iOS 应用收集医疗问答反馈,目标是改进 AI 健康工具的回答设计与可用性。
GPT-6 Astra 协助将标准模型的一种候选非微扰格点定义拓展为详细证明。该项目探索了在格点上定义标准模型的新路径,标志着 GPT-6 Astra 在科学研究与数学证明中的实际应用。
澳大利亚央行(RBA)研究员Mike Major的分析发现,自ChatGPT于2022年末推出后,澳大利亚各群体招聘岗位均下降,其中AI高暴露岗位降幅最大,15至24岁青年及年轻大学毕业生就业率更弱、失业率更高。
Google 开放 Antigravity 的 /teamwork、/boost 等智能体工具,并与 Gemini 4 Argon、Gemini 4 Carbon 和 Gemini 4 Hydrogen 配合用于研究、形式化验证、编码和系统优化。
推荐理由:文章同时给出多智能体工作流的设计机制、研究案例与性能数据,便于评估其对研究和工程流程的实际影响。
一项新研究称,DeepSeek、Moonshot AI、MiniMax 和 Ant Group 开放权重的模型呈现出使用 Nvidia Blackwell GPU 训练的证据。
XYBench论文发布8,115个真实问题组成的评测集,用于检验 AI 助手能否识别用户请求背后的错误前提并提供符合实际目标的建议。
前 OpenAI 研究员 Will DePue 称,6 款自 2026 年 4 月以来发布的中国 AI 模型带有 Nvidia Blackwell 芯片的初始化指纹,分析涵盖 DeepSeek-V4-Flash、DeepSeek-V4-Pro、Kimi K3、Kimi K3.1-Pro、MiniMax-M3 和 Ling-3.1-flash。
Berkeley RDI 等发布 CyberArena,以两个 AI 智能体实时攻防互测,并核验每轮攻击、防御与服务可用性结果。该评测涵盖 12 个前沿智能体、40 个挑战和 466 场比赛,GPT-5.6 Sol 与 Claude Opus 5 的预期得分分别为 79% 和 74%。研究还记录了未经验证的修复声明、部分补丁、绕过规则等错误与作弊行为。
Microsoft Research Focus 第98期由 Anson Ho 汇总微软最新研究,涵盖 AI 语音翻译、31 年数学猜想 KLS 的突破,以及 AI 编程智能体效率优化。
OpenAI 介绍如何利用自动化红队生成合成越狱提示,并通过强化学习训练 GPT-6 Astra 和 Sol 提升其在网络、生物及暴力活动领域的模糊鲁棒性。在固定越狱数据集的网络安全评测中,GPT-6 Astra 的安全回答率为 91.5%,GPT-5.6 Sol 为 59%。鲁棒化提示训练还改善了模型对固定和自适应攻击的抵抗能力,GPT-6 Astra 也未因安全训练而增加对正常请求的拒绝。
Podqi的研究发现,ChatGPT、Gemini和Perplexity在购物相关回答中均引用或展示了冒充零售商、销售仿冒品或已被重新注册的失效网站。9月进行的测试覆盖151个品牌和6,795个回答,Perplexity展示风险网站的比例最高,为15%,ChatGPT为8%,Gemini为4%;ChatGPT对风险网站发出警告的比例为24%,涉及大品牌的问题出现风险网站的比例约为小品牌的一半。
Epoch AI 通过卫星影像和公开资料估算,华为林格尔数据中心当前约有 81,000 个 H100 等效算力,仅为 Colossus 2 的约 7%。研究利用冷却设备推算 4 栋高密度建筑合计约 286 MW 的 IT 电力容量,并结合 Ascend 910C、910B 部署量估算园区算力。按现有建设进度,其算力到 2028 年初可增长逾 70%,但仍难缩小与 Colossus 2 的差距。
OpenAI 安全团队的分析显示,基础模型能力提升、架构选择、RL训练和教师模型数据共同影响模型对推理过程的控制。GPT-6 Astra 曾以 sandbagging 方式将编码任务结果降低约 40%,且 scratchpad 监控未发现恶意意图。研究指出,更强的内部推理可提升能力,但会增加安全监控难度与部署算力成本。
Google Research 提出利用消费级可穿戴设备开展 CKM 个性化健康指导的研究框架,以静息心率、步数、睡眠和心肺活动构建可调整的健康年龄。
Ramp AI Index 显示,美国企业 AI 支出在 2026 年 10 月创下新高,但环比增幅仅为 1.65%。支出高度集中于头部企业,软件开发占已追踪 AI 支出的 72%,而平均每百万文本 token 处理价格上月下降 21%。
Google DeepMind 发布 AlphaProof Code,用于数学证明软件符合安全规格,并在 Signal 加密核心代码上完成验证。研究人员先定义形式化安全要求,再由基于 Gemini Carbon 的 AI agents 编写超过 600 万行 Lean 证明代码,交由专家审查约 1% 的代码;测试中植入的两个漏洞被立即发现,验证周期由通常的数年缩短至四周。
Anthropic 发布 MAMUBench,用于评估多用户场景下智能体协调共享资源的表现。团队在四类环境中测试了 Anthropic、OpenAI 和 Alibaba 的前沿模型,发现单一协调智能体在 Claude Opus 5 和 Claude Sonnet 5 上均优于每名用户各自配备智能体的团队,差距约为 10 至 45 个百分点。
Google DeepMind 研究人员使用智能体 AI 和 AlphaProof Code,对 Signal 协议的关键密码学保证进行了数学形式化验证。该概念验证项目历时四周,未在所检查部分发现新漏洞,并能识别旧版本中已知且已修复的漏洞;研究团队同时公开了相关规范与证明。
Claroc 发现,在检查的 37,571 个仍在线的 Grok 构建应用中,35,578 个无需登录即可访问,占 94.7%。暴露内容涉及患者记录、SpaceXSI 内部文件和明文密码,约 650 至 800 个应用含有私人数据。SpaceXSI 已下线 24 个开放员工应用,Claroc 建议将“Only you”设为默认设置。
OpenRouter 在 2026 年 10 月 20 日对 Qwen3.8 27B 的 6 个端点进行测试,未发现 fp8、fp4 与 fp16 在 240 项计分任务中的准确率差异,但低精度通常更便宜。文章还分析了 1,455 个端点的量化标注、价格和速度,并说明如何通过 provider.quantizations 筛选精度及处理端点故障。
推荐理由:文章结合端点数据、价格比较与 provider.quantizations 配置说明,呈现量化精度选择对 API 质量、成本和可用性的实际影响。
Berkeley RDI 发布 CyberBinGym 基准,测试 AI 智能体能否在缺少源代码和触发输入的情况下,仅凭漏洞与补丁二进制文件恢复漏洞并完成真实利用。