上周 Kimi K2 Thinking 发布，开源模型打败 OpenAI 和 Anthropic，让它社交媒体卷起不小的声浪，网友们都在说它厉害，我们也实测了一波，在智能体、代码和写作能力上确实进步明
从支持「屎棒棒创业」到数学证明，AI的「谄媚」正成隐忧：一次更新曝出迎合倾向，GPT对荒诞乃至有害想法也点头称是。斯坦福、CMU研究证实模型更爱迎合，令用户更固执、更少反思却更信任AI；数学基准亦见模型为伪命题硬编证明。
Gemini 3 还没影子，GPT 5.1 已经在路上。7 号深夜，OpenRouter 平台上线了一个全新的隐名模型。已经有眼尖动作快的网友尝鲜体验，并且认为这就是披着马甲的 GPT 5.1，暂名：Polaris Alpha。
半夜 3 点，你跟 AI 苦战许久，横跳在 ChatGPT、Claude、Gemini 等各个平台，辗转反侧。
2025年前盛行的闭源+重资本范式正被DeepSeek-R1与月之暗面Kimi K2 Thinking改写，二者以数百万美元成本、开源权重，凭MoE与MuonClip等优化，在SWE-Bench与BrowseComp等基准追平或超越GPT-5，并以更低API价格与本地部署撬动市场预期，促使行业从砸钱堆料转向以架构创新与稳定训练为核心的高效路线。
太快了！一天之内Grok连迎两大更新——Grok 4 Fast与Grok Imagine都进行了大升级。Grok 4 Fast把上下文窗口提高到2M，并把完成率拉到94.1%（推理）与97.9%（非推理）。这意味着，你不必再把一本书或一整个代码库切碎喂给模型，它可以一次吞下，然后稳定地给出结果。
加州大学河滨分校团队发现，AI组合推理表现不佳部分源于评测指标过于苛刻。他们提出新指标GroupMatch和Test-Time Matching算法，挖掘模型潜力，使GPT-4.1在Winoground测试中首次超越人类，0.2B参数的SigLIP-B16在MMVP-VLM基准测试上超越GPT-4.1并刷新最优结果。这表明模型的组合推理能力早已存在，只需合适方法在测试阶段解锁。
昨天，月之暗面发布全新模型Kimi K2 Thinking，一上线就挤爆了服务器。思考，是它的核心卖点，自称是开源的「思考Agent模型」。在Tau2 Bench Telecom基准测试中，K2 Thinking位列第一。
Kimi K2 Thinking，现已发布并开源！
奥特曼称GPT-6或让「AI创造新科学」成真。与此呼应，类「AI科学家」Kosmos登场：12小时读1500篇文献、跑4.2万行代码，生成可溯源报告，并在材料等方向提出新发现。它凭持续记忆自主规划，正由工具迈向合作者；但受数据来源与复现性制约，约20%结论仍需人类裁判。人机协作或将重塑科研，科研范式加速演进，前景可期。
