BottleCap AI 发布 ThinkingCap 系列第二个模型 ThinkingCap-Qwen3.8-27B，基于 Qwen3.8-27B 微调，目标只有一个：缩短推理链。在 12 个基准上平均少用 37.2% 思考 token，宏平均准确率从 86.65% 降至 85.79%，下降 0.86pp。各基准缩减幅度 10.7% 至 65.5%，MMLU 类任务降幅最大，MMLU 从 1656 降至 571 token（-65.5%）；长文本检索 AA-LCR 准确率反升 2.25pp 至 84.00%；AI…
推荐理由推理成本可降约三分之一，长文本检索反而更准，vLLM/SGLang 可直接替换部署
Epoch AI 测算，在固定基准分数下 AI 推理价格自 2023 年以来平均每季度下降约 47%，约合每年 13 倍，称没有其他变革性技术降得这么快。以 OpenAI o3 为例，2025 年初在 GPQA Diamond 上得 75 分约需每题 30 美分，18 个月后 GPT-5.6 系列模型达到同分只需 0.04 美分，约为原价的 1/725。MIT 研究者用 Artificial Analysis 数据得出年降 5 至 10 倍，剔除硬件降价和竞争因素后，纯算法效率提升约每年 3 倍。两组数据口径不同：…
推荐理由记住 13 倍/年这个降本速度，以及 o3 同分价格 18 个月降到 1/725，可用来判断模型选型时机。
物理学家兼科普作者 Matt von Hippel 向 AI 公司发起挑战：用学术机构可获得的算力，解决理论粒子物理中散射振幅领域的计算难题——N=8 超引力到七圈，或 N=4 超杨-米尔斯到九圈。他原本想验证 LLM 是否只能靠新想法而非纯算力突破，结果挑战发出一个月后即被完成。原文为 Anthropic 研究博客的客座文章，具体由哪个模型、如何完成等细节原文信息有限。
推荐理由看一个具体案例：LLM 在纯计算密集型物理难题上一个月内被攻克，可据此判断模型能力边界。
TypeSafe AI 推出首个 System One 模型 Jev，不生成任何文本，而是接收程序状态和一组类型化问题，返回选项、分数和是/否概率，供代码直接分支。官方 Python SDK 为 typesafe-sdk 0.7.0，输入 token 定价 0.042 美元/百万，输出 token 免费。教程演示了置信度门控路由、代码内保留权重的复合评分、类型化函数调用，以及用 Pydantic 响应模型、asyncio 异步扇出、重试策略和成本账本构建生产形态。
推荐理由输入 0.042 美元/百万、输出免费，做置信度路由和类型化决策可直接照抄代码
TypeSafe AI 发布新模型 Jev，官方称在分类任务上推理速度最高快 200 倍、成本低 400 倍。Jev 不是传统 LLM，不生成文本，而是所谓 System One 模型：接收一个 state 和若干问题，返回带类型的答案与概率，用强化学习做校准决策（RLCD）训练。支持三类问题：Choice（多选一，返回各选项概率）、Score（按低中高打分，返回连续分数与分布）、Noul（是/否，返回为真的概率）。同一请求可并行问多个问题，增加问题几乎不增加响应时间。LangChain 发文介绍其如何嵌入 Age…
推荐理由Agent 循环里每次决策都调 LLM 又慢又贵，Jev 用概率化分类替代，官方称快 200 倍、便宜 400 倍。