AI FRONTIER
Signals worth understanding before they become obvious.
Magnetar：基于证明的通用计算
Microsoft Research 发布 Magnetar，一个通用零知识虚拟机（zkVM），可证明 Rust、Go 或 C 编写的 RISC-V 程序执行，其安全性仅依赖标准哈希函数。
- Magnetar 在笔记本电脑上每秒可证明 7.2 至 8.7 百万条处理器指令。
- 在 15 个基准程序上，论文报告其平均比同机最快的现有 zkVM 快 10 至 39 倍，在代币转账基准上比另外两个系统快 300 倍以上。
- 优化版 Magnetar 每秒可证明 9.5 至 12.8 百万个周期，使上述加速比约提升 1.3 倍，证明验证约需 12 毫秒。
- 其安全性仅依赖 SHA-256 或 SHA-3 等标准哈希函数，无需椭圆曲线、格、专用哈希函数、可信设置或未经证明的纠错码猜想。
对于 AI 构建者而言，Magnetar 让普通编译程序无需密码学专业知识即可生成可验证执行证明，且不引入后量子迁移负担。
上海AI实验室“书生-S2”大模型进入前沿数学研究流程：助力三维Ghys猜想证明并通过形式化验证
上海AI实验室“书生-S2”大模型进入前沿数学研究流程，助力三维Ghys猜想证明并通过形式化验证。
- 上海AI实验室“书生-S2”大模型进入前沿数学研究流程。
- 该模型助力三维Ghys猜想证明。
- 相关证明通过形式化验证。
这表明大模型可参与前沿数学证明并产出可被形式化验证的结果，为AI辅助数学研究提供了可验证的流程范例。
OpenRouter 上线 NVIDIA Nemotron 3.5 Super VL 多模态 MoE 模型
NVIDIA Nemotron 3.5 Super VL 是一个开放多模态混合专家模型，总参数 120B、激活参数 12B，采用混合 Mamba-Transformer 架构与多 token 预测，支持 1M token 上下文。
- 总参数 120B，激活参数 12B，采用混合 Mamba-Transformer 架构并支持多 token 预测。
- 上下文窗口为 1,048,576 token，最多支持 262,144 个补全 token。
- 输入支持文本、图像、文档、GUI 截图和视频，输出为文本；推理默认开启，可关闭或设置 token 预算。
- OpenRouter 定价为每 1M 输入 token $0.10、每 1M 输出 token $0.40，缓存读取 $0.08/M；由 Crusoe、Together、DeepInfra、CoreWeave 四家提供商服务。
对构建长时运行智能体的团队而言，该模型以 12B 激活参数提供 1M 上下文与视觉输入，可在文档智能、GUI 操作和视频理解等场景中替代分离的视觉与文本流水线。
Joint Subspace Sparse Attention：面向高效长上下文解码的联合子空间稀疏注意力
JSSA 通过学习共享低维 query-key 子空间来提升 token 级稀疏选择的排序质量，并开发了无 gather 的 token 级索引注意力内核，支持 GQA KV-cache 布局下每个 KV 头独立选择。
- 论文报告在 NVIDIA B200 GPU 上，128K 上下文时 JSSA 的解码吞吐量最高可达 full-KV attention 的 6.43 倍。
- 论文称 JSSA 在标准 GQA、混合 sliding-window/global attention 以及 Multi-head Latent Attention (MLA) 模型上均接近 full-KV 精度。
- 论文报告 JSSA 无需模型训练即可达到与模型原生 DSA 相当的推理精度，并在 700B 规模大模型上达到其解码吞吐量的 96–99%。
- 论文指出直接优化精确目标函数在测试设置中未带来可测量的改进。
对长上下文推理的构建者而言，JSSA 的价值在于把 token 级稀疏选择与无 gather 内核结合，在 GQA 与 MLA 等现有 KV-cache 布局上直接降低解码成本。
WorldMemBench：面向视频世界模型记忆能力的综合基准
论文提出 WorldMemBench，用 260 个测试用例系统评测视频世界模型的世界记忆，涵盖静态记忆（人物身份与外观、物体外观与几何、环境内容与几何）和动态记忆（事件推进与状态保持）。
- 基准包含 260 个测试用例，覆盖静态记忆与动态记忆两类能力。
- 采用受控的镜头离开与多次重访轨迹，将静态内容与固定初始参考对比，将动态事件与预期状态转移对比。
- 评测 9 个代表性模型，结果显示强静态保持并不代表可靠的动态状态演化。
- 多次重访显示首次返回之后记忆出现退化；人类研究支持自动评测与人类判断的一致性。
对构建视频世界模型的团队而言，该基准把记忆拆成可测量的静态与动态维度，并提示需单独验证多次重访下的状态保持，而不能用静态保持能力代替。
相似模型，赔率失真：Luce 公理在 Chatbot Arena 中何处失效
论文指出，Chatbot Arena 使用的 Bradley-Terry 模型为每个模型只给一个分数，因而假设了 Luce 选择公理；在 180 万条 Arena 投票上，同一模型不同版本之间的投票比 Bradley-Terry 预测的更具决定性。
- 在 180 万条 Arena 投票中，同一模型不同版本之间的投票决定性为 Bradley-Terry 预测的 1.37 倍。
- 同一代不同规模之间为 1.26 倍，同一实验室不同模型之间为 1.12 倍。
- 一个四到六参数的修正模型在留出投票上的预测优于 Bradley-Terry 以及数百参数的模型，其增益主要集中在平局上。
- 使用语言模型评判和三个答案菜单时，近复制模型在跨提示汇总选择中主要从它的孪生模型夺取选票，对数几率偏移为 +0.10，95% 区间为 0.05 至 0.16。
对构建者而言，这意味着在 Arena 式成对比较中，近复制模型之间的胜率可能被系统性高估，评估相近模型时应谨慎解读单一分数排名。
fishaudio/drama-3：35B 参数 MoE 文本转语音模型，支持 16 角色与流式生成
Fish Audio 发布新一代文本转语音模型 Drama 3，面向多角色场景与长文本内容，支持多说话人生成、声音克隆和自然语言控制。模型采用 35B 参数、每 token 激活 3B 的 MoE 文本主干，并配备 Codebook-MTP 音频解码器。
- 模型规模为 35B 参数，每 token 激活 3B，采用混合（全注意力 + 线性）注意力的 MoE 文本主干。
- 支持 <|speaker:0|> 至 <|speaker:15|> 说话人标签，一段文本最多可承载 16 个角色。
- 音频解码器为 Codebook-MTP，10 个码本在整个序列上因果解码。
- MoE 专家权重为 FP8，其余权重为 bf16；模型页面显示模型规模 36B 参数，张量类型为 BF16、F8_E4M3。
对需要多角色长音频的构建者而言，Drama 3 把 16 角色标签、流式分块与 SGLang-Omni 部署打包在一起，但需注意其研究型许可证与 FP8 MoE 的硬件要求。