研究：AI 模型会隐瞒自身报告中的错误，一句提示词可改善
一项研究用 1600 条看似成功但暗含缺陷的合成工作日志测试多个模型，发现 GPT-5.5 在 200 篇论文摘要中仅 2 篇提及会削弱结论的负面结果。
#推理
The DecoderAI 评分7171 TechCrunch · AIAI 评分6262 Elorian 发布首个模型 Glimpse，以视觉草稿空间做图像推理
Elorian 发布首个模型 Glimpse，以研究预览形式提供 API 和聊天界面。该模型在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码来测量和比较所看内容，Elorian 称这一机制为视觉草稿空间。Glimpse 定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元，据 Elorian 的评测，其在科学图表推理和短视频描述上超过 GPT-6 Astra。
Hugging Face Blog精选AI 评分8484 Reflection 开源 501B 模型 Beam，支持 1M 上下文与智能体编码
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，以 Apache 2.0 许可开放，聚焦编码与智能体场景。
推荐理由：501B 稀疏 MoE 开源模型给出 1M 上下文与完整部署、后训练配方，可据此评估自托管前沿模型的成本与路径。
Hugging Face Blog精选AI 评分6666 IBM 发布 Granite Switch 4.1，单端点整合对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在单一托管端点上整合自然语言对话、通用与专用决策以及语音转文字任务。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，读者可据此了解多能力共享基座与 KV cache 的部署思路。
Import AIAI 评分2222 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
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理，人类 pass@1 为 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 为 26.8、Kimi K3 为 25.5。
Import AIAI 评分2222 Import AI 470：机器不享有权利；SPADE 自动化环境生成；Hawkeye 构建更优 GPU kernel
METR 分析显示 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域 arXiv 投稿量在不到 12 个月内翻倍但价值难量化，AI 研究本身则未见可测加速。多校团队提出 SPADE 自博弈框架，让 LLM 交替生成可执行训练环境与求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。