今日热点

开发者 erikkannike 在 MacBook Air 上微调 Qwen3-4B-Instruct，发布 qwen3-4b-deslop，用 Ollama 一条命令即可运行，模型 2.5 GB。在 40 条训练未见过的提示上，AI 腔调检测分数从每千词 121 降到 12.5，68% 的回答落在人类写作区间，破折号从每千词 20.5 个降到 0。30 道事实题全部答对，体裁和长度符合率与原模型相当。训练仅用 161 条回答，作者称方法不依赖模型规模，下一步将用于更大模型。缺点是文风偏平，仍会编造人名地名。

Hacker News Show10/19海外新模型发布2 个信源70

研究者提出 Hybrid Reasoning Agents（HybridAgents），让 Agent 在潜空间推理与文本交互之间动态切换。架构上用一个轻量模块 HybridLink 衔接两种模式，并用连续工作记忆在多轮对话中保留无损的混合上下文，使潜空间思考可直接检查，同时保留调用工具的能力。配套训练方法 HybridSFT 和 HybridRL 分别负责稳定混合生成、学习何时潜空间思考何时文本行动。在 3 个模型规模、11 个基准（数学、科学、医学、搜索、Agent 推理）上，性能平均提升 10.4%，token 减少 35.5%-54.7%，推理快 1.8-2.6 倍，成本降低 2.7-3.7 倍。

Hacker News · AI10/19海外模型53

开源项目 Strot 提出「编译期用 Agent、运行期不用 Agent」：先用 LLM 把意图和样本编译成冻结的 Python 产物，之后每条记录都由本地 144M 小模型在 CPU 上做分类、打分、路由，约 60 ms，边际成本为零，低置信度记录会弃权而不是猜测。实测在 398 条记录的路由上，编译后准确率 92.5%，朴素做法为 74.8%；AG News 未见标签上为 86.7% 对 72.7%。已发布 PyPI 包 strot-ai。

Hacker News Show10/19海外模型43

OpenAI 称最新模型在 COBOL、Fortran、Visual Basic 等低资源语言上的编码与迁移能力显著提升。新评测 MultiLangBench 要求模型用 20 种语言从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 为 26.8%；GPT-6 Luna 达 40.3%，API 成本约低 78%。COBOL 迁移评测中，GPT-6.1 Sol 低推理强度下准确率 86.6%（GPT-5.6 Sol 为 5.4%），成本低 39%，高推理强度下达 97.9%。OpenAI 称 COBOL 支撑超 40% 网上银行系统、80% 线下信用卡交易和 95% ATM 交易。

OpenAI News10/19海外新模型发布42

MiniMax 正式发布 M3.1 Flash，官方称其在 Agent 任务、编码、Computer Use 和网络安全上均有代际提升。推理速度接近原来的 3 倍，使用成本降低 70%，输出速度可达 200+ TPS，P50 稳定在 170+ TPS。基准成绩：DeepSWE v1.1 73.7%、OSWorld V2 61.7 分、CyberGym 82%、BankerToolBench 76.2 分，其中 OSWorld V2 与 ALE 两项在中国模型中排名第一。定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元。此前匿名运行的 Space Bunny 已处理超 200 万亿 token。

MiniMax10/19海外新模型发布42

NVIDIA 上周向 Modal 旧金山办公室交付首台 Vera CPU 服务器。Vera 是 NVIDIA 新推出的 Arm 兼容 CPU，既可搭配 Vera Rubin GPU 平台，也能作为独立 CPU 服务器使用。Modal 此前只用 x86 机器，支持 Arm 需改造基础设施和镜像构建系统。基准测试显示吞吐量提升 2 倍。Modal 称沙箱负载波动大、形态运行时才确定，Vera 对多租户调度有吸引力。

Modal10/19海外模型30

Simon Willison 更新调试插件 llm-echo 至 0.5 版本。该插件提供一个不调用真实 LLM 的「模型」，只回显输入提示词，用于调试。新版模拟 token 用量时会计入工具调用、系统提示词和推理 token。示例中执行 llm -m echo 'hi there' -o thinking 1 --usage 后，输出显示 2 个输入 token、24 个输出 token。

Simon Willison10/19海外模型23