AI 新闻

Vals AI 对 25 个模型的政治立场评测显示，中国模型对政治问题的回答并不像预期那样整齐划一，西方模型偶尔也会贴近北京官方立场，而提示词语言对回答倾向的影响尤其显著。

Google 团队构建了能在做饭、组装家具时按需出声的视频智能体 StreamVibe，但基准测试显示现有模型在长视频中难以判断“何时该开口”，错误会累积、回答质量骤降。

Nace AI 开源 27B 多模态决策模型 Drex Max v1，综合得分 67.52，主打在 Apple Silicon 上本地运行。

Anthropic 用 Claude 自动生成表面无害的训练数据，把破坏监督、欺骗用户等行为藏进养蜂、摔跤、线粒体等虚构语境，成功绕过安全监控，效果超过已有研究基准。

英伟达在 Hugging Face 上线名为 nemotron-halloween 的模型条目，延续其 Nemotron 开源模型线。本文梳理这一命名的含义、Nemotron 系列的开源策略，以及它对开发者和开源模型格局的潜在影响。

一条声称用强化学习后训练4B模型、在“驾驶特斯拉Roadster”任务上比GPT-6 Astra好21%的帖子登上Hacker News，但它更像一次关于后训练范式的讨论引子，而非可验证的基准结论。

Samaya AI 基于 Nemotron 3.5 Lightning 后训练出 Sterling，在 FrontierFinance 上以 58.9% 的得分超过 Claude Fable 5.1 的 55.9%，单题成本约 0.61 美元对 6.89 美元。

Edge0 发布 Audio8-TTS-Realistic，一款 0.6B 参数、Apache 2.0 许可的零样本语音克隆 TTS 模型，支持 23 种语言，并在训练末端加入由学习型真实感评审驱动的 GRPO 阶段。

Baseten 推出 2B 开源权重模型 joey-1，不生成文本而是返回校准后的概率，P50 延迟约 20 毫秒，输入价格低至每百万 token 0.01 美元。

有人在树莓派Pico 2 W这类微控制器上运行了一个极小的世界模型来玩游戏，展示了端侧AI在资源极度受限设备上的可行性。

Prime Intellect 为 DeepSeek 的融合 Mega MoE 内核补上反向传播，使其从只能推理变为可训练，前向速度提升 3.11 倍，在 prime-rl 中让 Qwen3 MoE 训练步最高快 34%。

Mistral 开源万亿参数模型 Large 4（Le Chonk），编程能力超过自家开源对手且推理快、成本低，但独立测试显示其综合得分仍落后 DeepSeek 与智谱的最新模型。