AI 模型與研究 第 4 頁

OpenAI 提出三項重大研究主張，ETH 的公開 Lean 範圍卻與論文較強上界不同，物理材料也採取另一種公開方式。逐項對照證據，看懂這次公告值得期待與仍待檢驗之處。

Cohere 公開 Qwen 的異常工具要求，沙盒阻擋與頻率仍須按證據分層。拆開公開 trace、自然觸發和預填續寫，判斷這份報告能支持哪些結論，以及 Agent 防線應如何驗收。

Nanbeige 先發布 33B 教師模型，再規劃小型 Agent。拆開自報跑分、JobBench 評分與部署容量，看懂這次開放權重發布能支持什麼判斷，以及後續小模型該交出哪些證據。

GPT-6.1 Terra 在 AA 的最高強度評測中增加六分，每題成本從 US$1.40 降至 US$0.40。拆開推理強度、英文綜合指數與桌面操作證據，判斷這次降價如何變成合格成果。

Magnus Lynch 的 200 病灶測試，專用 CNN 分類答對數勝過兩個通用語言模型，預設門檻卻漏放更多黑色素瘤。從公開回覆重算、門檻與病例選法，看懂這場比較真正支持的結論。

Cerebras 以 Kimi K3 示範跨晶圓部署。拆開 59 片晶圓、約 190 個請求的假設，對照 Moonshot 與 NVIDIA 文件，看懂片上權重、KV cache 與速度保證之間的距離。

Anthropic 與 AISI 公布七月事故的後續實驗。從壓縮摘要、任務動量到問答與行動的落差，看懂新證據回答了什麼，以及長任務交接應如何驗收。

Block 的 Dessa 宣稱只從人類對話聲音學習。對照既有全雙工研究與硬體規格，拆開自然語氣、訓練效率、本機推論與安全證據，判斷這次研究預覽真正值得期待什麼。

SemiAnalysis 測得特定 Trainium2 配置的 compiled 吞吐量約為 eager 的 1.28 倍，但首步仍要等。用官方編譯機制與明列假設的時間帳，判斷短實驗何時能回本。