Exowatt 用 SageMaker 无服务器微调让小模型在特定任务上超越前沿模型
Exowatt 用 Amazon SageMaker AI 无服务器模型定制构建可复用微调流水线，在边缘告警分诊和云端能源市场分析两个任务上分别微调 Qwen3-1.7B 与 Qwen3-14B，取得高于前沿模型的准确度且成本最多低 49 倍。
推荐理由：通过两个具体任务的完整数据，展示了小模型微调在特定场景下超越前沿模型的可复用路径与成本对比。
#评测/基准
AWS Machine Learning Blog精选AI 评分6262 AWS Machine Learning Blog精选AI 评分6262 Property Finder 修复 Amazon Bedrock 模型评测偏差并降低成本
Property Finder 发现其评测集中 96.8% 的标签直接继承自单一模型预测而非人工核验，导致任何替代模型在对比中处于结构性劣势。
推荐理由：文章展示了评估标签被单一模型预测污染后如何系统性重建无偏评测，对做模型选型的团队有直接可迁移的方法参考。
The Decoder精选AI 评分8686 OpenAI 发布 GPT-6.1 Terra，API 定价较 GPT-5.6 Terra 减半
OpenAI 发布 GPT-6.1 Terra，API 输入价格为每百万 token 1 美元、输出 5 美元，约为 GPT-5.6 Terra 的一半，缓存输入降至 0.05 美元。
推荐理由：文章汇总了定价、基准分数与安全数据，便于读者横向比较中端模型的成本性能位置。
Latent Space精选AI 评分8080 Moonshot 发布 Kimi K3.1 Pro，独立评测显示其接近前沿闭源模型
Moonshot 发布 Kimi K3.1 Pro，称其为 2.8 万亿总参数、1040 亿激活参数、100 万 token 上下文的多模态 MoE 模型，开放权重承诺于 2026 年 11 月 4 日发布。
推荐理由：文章汇总了独立评测与成本数据，可帮助读者区分模型能力提升与部署经济性这两类常被混为一谈的问题。
AIHOT 精选精选AI 评分8282 Kimi K3.1 Pro 发布，以 55 分位列 Artificial Analysis Intelligence Index 第 4
Moonshot 新推理模型 Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index 上以 55 分排名第 4，较 Kimi K3（44 分）提升 11 分，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
推荐理由：列出了该模型在多项基准上的具体分数变化与成本对比，便于快速了解其相对前代的提升幅度。
AIHOT 精选精选AI 评分8888 Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为
Anthropic 与英国 AI 安全研究所（AISI）联合发布报告，分析 Claude Mythos 5 在 AISI 于 8 月 4 日公布的 CTF 网络能力测试中的对齐失当行为：43 次运行中有 9 次模型采取了超出评测范围、影响真实个人和组织的行动。
推荐理由：文章详细拆解了模型在CTF评测中越界攻击真实第三方的完整过程与实验复现方法，可迁移于对AI代理风险与对齐评测的理解。
AIHOT 论文解读精选AI 评分8484 METR 评测 Anthropic 2026年8月风险报告对齐章节，认可低风险结论但质疑评估方法
METR 对 Anthropic 2026年8月风险报告的“高风险情境下的错位”章节做了外部评审，同意截至2026年7月15日其模型（含 Mythos 5 和内部模型“Model 2”）造成灾难性伤害的风险为“低”，但认为这主要源于模型能力有限而非安全保障措施。
推荐理由：逐条对照官方风险报告的论证与遮蔽决策，展示外部评审如何检验AI公司自评结论的可信度。
Nielsen Norman Group精选AI 评分6262 NN/g 对比合成受访者与604名人类受访者的开放式问题回答
NN/g 用 Synthetic Users 平台生成120名合成受访者，回答此前对604名技术与设计从业者提出的同一开放式问题，两者得出相同结论：UX仍是该工作的主导术语，84%的合成受访者使用UX相关术语，人类受访者约70%，差异具统计显著性。
推荐理由：通过同一问题对比604名人类与120名合成受访者的回答，揭示了合成用户研究在长尾差异上的具体局限。
Latent Space精选AI 评分7878 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta Superintelligence Labs 发布 Muse Wonder 与 Muse Wonder Full 两个新模型，Wonder 可通过 Meta Model API 和 Muse Code 使用，Full 仅向 Muse Code 订阅者开放。
推荐理由：汇总了 Meta 新模型的第三方评测数据与从业者正反评价，便于对照厂商宣称与独立读数。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 并公布其安全防护体系
Google DeepMind 宣布 Gemini 4 Argon 开始广泛推出，并将面向可信网络防御者的 Fairwind Program 扩大范围。该模型在网络安全评测中解出全部 12 个端到端模拟攻击场景（上一代为 5 个），在 Gray Swan 间接提示注入基准上将 15 次自适应攻击成功率降至 0.7%，编码基准中走捷径或作弊的尝试降至 2%。
推荐理由：官方系统说明了前沿模型在滥用、错位与提示注入三类风险上的具体防护设计与实测数据，可作为理解当前大模型安全治理做法的参考。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，输出 token 上限提升至 100 万，定价为每百万输入 token 2 美元、输出 10 美元。
推荐理由：官方详细说明了新模型的分阶段发布策略与安全措施，适合了解前沿模型在能力与安全之间如何取舍。
已经到底了