先是彭博社等多家媒体爆料，对标ChatGPT、Gemini，阿里即将对通义APP进行全面改革，而且计划第一步就是将“通义”更名为“Qwen”。谷歌也在今日出手，直接把战火烧到了阿里的电商主场。谷歌宣布推出全新AI购物功能，允许用户直接使用AI浏览商品、拨打电话咨询店铺，甚至完成一键结账。
虎嗅独家获悉，9月后，从北京、广东等地“调”来的超过百位核心工程师，汇聚到了阿里巴巴杭州西溪园区C4楼。此后，C4楼封闭了两层办公楼层，员工需要刷工牌及特殊的安保审批，方能进入。
这一次带来如此新SOTA效果的，是全球首个实现项目级开发的AI IDE——Vinsoo。刚刚，Vinsoo上新Beta 3.0版本，仅用国产大模型（Qwen），就超越了搭载Claude的Cursor、Codex、Claude Code等一众流行AI编程产品。Vinsoo是芸思智能推出的全球首个搭载云端安全Agent编程团队的AI IDE，主打从需求确认到交付验收，AI全流程自动推进项目开发。
新乐子来了。 10个AI大模型，券商账户实时交易，勇闯美股。 除了老面孔GPT、Claude、Gemini、Grok、Qwen、DeepSeek，这次四个国产新玩家，豆包、Minimax、Kimi、文心也加入战场。昨晚，首战正式开赛，豆包已经一马当先，开始了开门红。
半成品模型，已经刷下高难度数学推理测试AIME 25满分战绩。
大模型推理到底要不要「长篇大论」？过去一年，OpenAI o 系列、DeepSeek-R1、Qwen 等一系列推理模型，把「长链思维」玩到极致：答案更准了，但代价是推理链越来越长、Token 消耗爆炸、响应速度骤降。
Qwen 团队终于在周日的晚上， 兑现了本周会更新Qwen3-Max thinking 的承诺。 而这个更新， 基本也是上周所有更新中为数不多非常期待的了。 毕竟Qwen3-Max也是Qwen整个家族里最大、最强的模型，
今天要讲的On-Policy Distillation（同策略/在线策略蒸馏）。这是一个Thinking Machines整的新活，这个新策略既有强化学习等在线策略方法的相关性和可靠性；又具备离线策略（Off-policy）方法的数据效率。
今天推荐一个 Dense Image Captioning 的最新技术 —— CapRL (Captioning Reinforcement Learning)。CapRL 首次成功将 DeepSeek-R1 的强化学习方法应用到 image captioning 这种开放视觉任务，创新的以实用性重新定义 image captioning 的 reward。
刚刚，不发论文、爱发博客的 Thinking Machines Lab （以下简称 TML）再次更新，发布了一篇题为《在策略蒸馏》的博客。在策略蒸馏（on-policy distillation）是一种将强化学习 (RL) 的纠错相关性与 SFT 的奖励密度相结合的训练方法。在将其用于数学推理和内部聊天助手时，TML 发现在策略蒸馏可以极低的成本超越其他方法。
