选择AI模型：同一个提示，11个模型，结果各异
Netlify 与 OpenRouter 达成合作，在其 AI Gateway 和 Agent Runners 中接入大量第三方大模型，并用同一提示测试了 11 个模型。结果显示不同模型生成的网站差别明显，这提醒开发者：选择哪个模型，正在成为 AI 编码工具里最实际的工程决策之一。
标签： GPT-4
Tokenomics：AI有损益表，该读一读了
亚马逊、谷歌、Meta、微软等巨头今年将在AI基础设施上合计投入超过5000亿美元，但真正的成本大头可能不是训练模型，而是模型日常运行时的“推理”开销。业界正在用“Tokenomics”（代币经济）重新审视AI的真实账单。
Mathematicians say a neurosurgery resident used ChatGPT, powered by GPT-5.6, to solve Crouzeix’s conjecture, a major open problem in numerical linear algebra (Alex Townsend)
一位神经外科住院医师被指借助 ChatGPT（GPT-5.6）解决了 Crouzeix 猜想——一个长期悬而未决的数值线性代数开放问题。这一事件值得关注，因为它展示了前沿大模型在数学研究中的实际价值，但结果尚待严谨核查。
性能狂飙！Grok 4.6正式发布，实力比肩GPT-5.6 Sol
SpaceX AI 于 8 月 13 日发布旗舰模型 Grok 4.6，重点强化长期复杂智能体任务，综合基准得分追平 OpenAI 的 GPT-5.6 Sol，并延续了高速度、低定价的策略，直接冲击闭源大模型第一梯队。
Launch HN: 新发现的材料（YC P26）——用于发现新材料的人工智能代理
YC 孵化的 Discovered Materials 发布了一个名为 Material Discovery Bench 的材料发现基准，测试多个前沿大模型能否独立设计出可用于 3D 芯片的新材料。结果显示大模型确实能批量“发现”新材料，却几乎给不出可行的实验室合成方案——500 多种材料中只有 1 种具备可…
Launch HN: 新发现的材料（YC P26）——用于发现新材料的人工智能代理
YC 孵化的 Discovered Materials 发布了一个名为 Material Discovery Bench 的材料发现基准，测试多个前沿大模型能否独立设计出可用于 3D 芯片的新材料。结果显示大模型确实能批量“发现”新材料，却几乎给不出可行的实验室合成方案——500 多种材料中只有 1 种具备可…
Qwen3.8-2.4T
阿里通义团队正式发布 Qwen3.8 开源模型家族，旗舰版本总参数 2.4T、激活参数 95B，并同时放出 FP8 量化权重，首次将 Qwen-Max 级能力开放给开源社区，推理成本与部署门槛显著降低。
空货架还是丢钥匙？Google 研究：Recall 是参数化事实性的瓶颈
Google Research 的一项新研究发现，前沿大模型（如 Gemini 3 和 GPT-5）的许多事实性错误，并非因为模型"没学过"这些知识，而是因为它"想不起来"——即编码没有问题，问题出在回忆环节。这为理解和改善大模型幻觉问题提供了新的诊断思路。
研究人员现可从输出文本近乎完美地逆向还原 LLM 提示词
印度理工学院孟买分校与 Adobe Research 的研究人员提出了一种名为“Previous-Token Prediction”（PTP）的方法，仅凭大语言模型生成的输出文本，就能以近乎完美的准确率逆向还原原始提示词，整个过程无需访问模型权重，甚至对第三方模型也有效。这项研究把“提示词泄露”从理论风险变成…
Grok 4.6
xAI 今日发布 Grok 4.6，重点强化长时段自主代理（Agent）能力与交互式视觉项目执行，综合基准评分追平 GPT-5.6 Sol，并已在 Cursor、Grok Build 及 API 渠道开放使用。