OpenAI 发布 Decisions API，将复杂评估简化为是/否或单选
OpenAI 发布 Decisions API 公测版，可评估文本、图像或两者，速度约为 Responses API 的十倍，目前仅支持 gpt-6-luna，输入价格为 $0.10 per million tokens，输出 token 免费。
#推理
The DecoderAI 评分5454 The DecoderAI 评分7575 OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明结果
OpenAI 发布由内部前沿模型生成的 372 个数学结果，每个结果被认为解决或实质性推进一个开放问题，内容包括计算机算法改进和与黎曼猜想相关的进展。结果以 Lean 形式化验证发布在 GitHub 而非学术期刊，平均每个结果消耗约三小时 ChatGPT Pro Thinking 算力；数学界反应分化，25 位 Fields 得主在公开信中警告大规模产出真命题可能损害数学的概念理解与洞察。
The Verge · AI精选AI 评分7777 OpenAI 发布 722 份数学论文，称解决数百个开放问题
OpenAI 在 GitHub 仓库发布 722 份由未发布前沿模型产出的数学论文，覆盖 372 个结果族，据独立顾问组织 AGMAI 称包含对数百个开放问题的解答。发布内容含模型推理摘要、算力估算和尝试题目统计，OpenAI 称平均每个结果相当于三小时 ChatGPT Pro 思考量；此前 AI 实验室处理成果发布的方式已引发关于研究伦理和署名的激烈争论。
推荐理由：材料披露了发布规模、算力估算和学术界对发布方式的争议，有助于理解 AI 数学成果公开的规范之争。
MIT Technology Review · AIAI 评分6060 AlphaGo 核心成员 Thore Graepel 撰文：LLM 并不真正推理
AlphaGo 团队前核心成员、UCL 教授 Thore Graepel 撰文指出，LLM 的链式推理仍是 next-token 预测，并非真正的推理，并列举三大缺陷：无可检查的认知状态、知识与推理纠缠在权重中、思维链常是事后编造。他 recently 离开 Google DeepMind，主张借鉴 AlphaGo 的博弈树架构，让系统维护可审计的认知状态并按证据更新信念。
Microsoft Research精选AI 评分6060 Microsoft Research 发布生物学 AI 研究系统 Quine
Microsoft Research 推出 Quine，一个包含生物学世界模型和交互式 harness 的 AI 研究系统，可连接科学工具、文献和研究者。与 Broad Institute 合作中，Quine 用一个周末从数千化合物中筛选出候选药物，湿实验验证其能诱导胰腺癌细胞状态最大幅度转变，部分强效化合物具有意想不到的作用机制。
推荐理由：官方介绍了 Quine 的系统构成和在 PDAC 上的湿实验验证结果，读者可以据此了解 AI 驱动生物学研究的实际工作方式。
Berkeley AI ResearchAI 评分4444 Berkeley AI Research 提出 ABBEL：让 LLM 更新信念状态以高效应对长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要表示为自然语言信念状态，并用信念评分监督其信息内容，以替代传统递归摘要的完整交互历史。在 CollabBench 协作编程任务上，基于重构的信念评分（ABBEL-rec-BG）将与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度远低于全上下文的 14.08×10²。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 分析：自适应并行推理（Adaptive Parallel Reasoning）如何成为高效推理扩展的下一个范式
Berkeley AI Research 发布对并行推理领域的综述，核心观点是自适应并行推理：让推理模型自行决定何时分解任务、生成多少并发线程及如何协调。文章指出顺序推理随探索线性增长，会推高延迟并引发 context-rot 等上下文退化问题，并评述了自洽性投票、Best-of-N、Tree/MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分4242 GRASP：面向更长时域世界模型的梯度规划方法
Berkeley AI Research 提出 GRASP，一种针对学习型世界模型的梯度规划器，让长时域规划变得实用。其核心改进包括：将轨迹提升到虚拟状态使优化在时间上并行、在状态迭代中直接加入随机性以支持探索、重塑梯度以获得干净的动作信号。该方法旨在解决长时域 rollout 中雅可比矩阵条件数随时间指数级缩放导致的梯度爆炸/消失以及非贪心损失面局部极小等问题。