月之暗面 Kimi K3.1 Pro 上线 API，权重将于 11 月 4 日前开放
月之暗面 Kimi K3.1 Pro 今日上线 Kimi API，暂未开放权重，官方承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens，与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半，另提供速度提升 2-3 倍、价格翻倍的 Highspeed 版本。
#推理
Simon WillisonAI 评分8080
Latent SpaceAI 评分7575 AI 为何突然擅长数学证明：从提示序列与分支因子看模型解题方式
作者分析 OpenAI 与 Anthropic 今年在数学开放问题上的多项成果，提出用提示序列长度 k 与分支因子 b 判断哪些问题对 LLM 可解。他认为人类广度优先、靠直觉剪枝，模型深度优先、靠验证器剪掉已完成路径，失败尝试会作为负向提示进入下一轮。Navier-Stokes 证明据称动用 10000 个智能体、88 小时消耗 300B token。
MIT Technology Review · AIAI 评分2020 EXL 解读如何设计可持续的 AI 服务框架
EXL 研究人员在 "Engineering the Harness" 系列中探讨企业 AI 的服务框架设计，指出生产环境的竞争关键已从模型能力转向围绕模型的工程系统。
Hugging Face Blog精选AI 评分6060 VocabX 如何通过特化 SLM 词表将推理成本降低 77%
Dharma-AI 在 Hugging Face 博客中预览即将发布的 VocabX 论文，介绍按 token 成本而非出现频率重建小模型词表的方法，在基于 Qwen3-4B 的葡语作文评分器上将实测推理成本降低 77.0%，平均回复长度从 350 个 token 降至 101 个。
推荐理由：以生产环境葡语作文评分器为例，展示词表特化如何在不改基座模型的前提下降低推理成本，并给出压缩与质量取舍的教训。
Hugging Face BlogAI 评分3232 TorchNeuron 性能剖析（上）：在 AWS Trainium 上做系统级性能分析
Hugging Face 博客发布 TorchNeuron 性能剖析系列第一篇，讲解如何在 AWS Trainium 上用 torch.profiler 系统分析推理性能。
Microsoft Research精选AI 评分7474 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，确认高维对数凹分布的最优超平面切割与任意形状切割之差不超过一个与维度无关的固定常数。
推荐理由：读者可了解 KLS 猜想如何被证明，以及人类主导、AI 智能体并行探索并筛选的研究流程如何运作。
Microsoft ResearchAI 评分5858 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约需 12 毫秒。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral，最大 209M 参数
Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M、209M 四个尺寸，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中排名第一，参数量约为此前 SOTA 的三分之二。
推荐理由：原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于判断时间序列基础模型的选型边界。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。
推荐理由：原文给出 ERQA 87% 的成绩与四类机器人工作流示例，可据此判断该模型在具身任务中的能力边界。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用和搜索 AI Mode 提供。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务上的进展。
Import AIAI 评分4242 Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Import AI 476 期介绍了 Elorian 与 Scale AI 发布的 Humanity's Sixth Sense 基准，用 522 道题测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，表现最好的 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Import AIAI 评分4242 Import AI 475：群体扩展、Google DeepMind 为生物设计加水印与 AI 科学经济
Import AI 475 期讨论了群体（swarm）扩展作为新型推理扩展方式：4 智能体群体完成任务所需 token 总量约为单智能体的两倍，但每个智能体只需一半 token，并行运行理论上可将耗时减半。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展到开发者、企业和消费者。
推荐理由：官方披露 Gemini 4 Argon 的评测成绩、内部落地案例与分阶段开放策略，可据此判断前沿模型在编码与网络安全上的能力边界。
Berkeley AI ResearchAI 评分5858 K-Search 从 CUDA 迁移到 MLX：把内核优化经验带到 Apple Silicon
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架扩展出 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。文章对比了 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型梯度脆弱等问题，使基于梯度的长时程规划更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中驱动输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。