代码榜刷满分，AI科研却撞墙？140道真实研究题撕开「自进化」真相

新工作MLS - Bench覆盖12领域、140个研究任务，评测前沿模型科研能力。虽模型工程执行强，但科学发现能力弱，当前仍难提出有效算法创新。其评测已纳入Kimi K3和Qwen3.8 - Max官方发版表。

1M 上下文时代太费 Token，告诉你我的 Coding Agent 省钱方法

当下GPT-5.5等模型原生支持1M上下文，虽能支撑长任务，但易被噪音干扰且费Token。作者以Claude Code为例，介绍做好会话管理的多种省钱方法，如根据任务选择会话策略、利用rewind功能等。

全网最强万字解读：DeepSeek-V4 掀翻了谁的桌子？ | GAIR live 030

文章深度解读了DeepSeek-V4，从产业、生态和架构维度拆解其效率账本。它成本低，补齐短板适配昇腾芯片，但极致省钱也有代价，如性能衰减、架构复杂等。还探讨了长上下文、MoE与稠密模型路线差异及商业化潜力。

Greg Brockman（OpenAI 联合创始人）把“那场宫斗”讲完整了：董事会、请愿书、马斯克与控制权

OpenAI联合创始人Greg Brockman做客播客，讲述公司“宫斗”内幕、与马斯克谈判细节等。还谈及模型能力、算力瓶颈、AI应用等，如GPT 5.1到5.2有质的飞跃，算力将成基本人权，AI推翻物理假设。

老外傻眼！明用英文提问，DeepSeek依然坚持中文思考

DeepSeek-V3.2和DeepSeek-V3.2-Speciale推理能力显著提升，海外研究者用英文提问，它却用中文思考。评论有两种观点，相关论文显示中文省token但非最有效，大模型选思考语言并非只看效率。

《TAML》好文推荐 | 来自中国科学院力学研究所张磊博士 评估大语言模型在计算流体力学领域的知识利用、学习与创造

研究聚焦评估推理型（DeepSeek R1和OpenAI o3 - mini - high）与非推理型（DeepSeek V3和ChatGPT 4o）大语言模型在计算流体力学领域知识利用、学习与创造能力。通过三类基准问题评估，结果有差异。

大模型的价格战，打到硅谷了

今年夏天，AI价格战风向改变，OpenAI酝酿降价从Anthropic抢客户。7月，Anthropic推半价平替Claude Opus 5，此前OpenAI发布GPT - 5.6打性价比。价格战因大模型购买逻辑变化、头部差距难支撑溢价等引发，虽让应用层受益，但对模型公司是资本耐力赛。

ChatGPT正式上线广告主平台，AI产品从今天开始走向分裂。

今日凌晨，OpenAI更新ChatGPT，上线非推理模型GPT - 5.5 Instant，还官宣向企业主全量上线广告平台。此前广告已在部分地区测试，付费和未成年用户无广告，免费用户可选择关闭但功能受限。投放端向美企开放，出价高，这或成AI产品宿命。

n8n是开源工作流程自动化工具，提供直观界面创建自定义流程，支持超400应用集成。过去一年增长迅速，活跃用户超20万，ARR增长5倍，GitHub获77.5k star。介绍其创立背景、优势特点，用户评价褒贬不一，还提及与其他工具对比及“公平代码”理念。

5000 star，Harness门槛被OpenHarness打穿了

分享开源Python实现版本OpenHarness，它易上手，能助研究者和开发者理解生产级AI Agent原理、构建专用智能体。介绍其核心功能、架构及核心循环逻辑，还给出了Github链接。