推理能力

AI 导读研究者发布 Game2Real-Bench 基准，覆盖细粒度感知、空间推理、约束推理与序列规划四类能力，包含 1000 个可执行验证的程序化游戏样本和 400 个按推理需求对齐的真实样本。评测 25 个 VLM 后发现游戏与真实任务表现高度一致（相关系数 0.935）；one-shot 游戏中，部分模型的约束推理提升，但细粒度感知下降。团队还构建了含约 24K 样本、18 类任务、65 个 QA 家族的 Game2Real-Dataset。

AI 选稿理由该基准首次系统验证游戏任务与真实视觉推理的对应关系，并给出可执行验证的数据集，可供 VLM 评测与训练选择数据来源时参考。

AI 导读本期头条是微软发布第三代自研 AI 加速器 Maia 300，称每兆瓦性能提升 40%，计划 2027 年起大规模部署；Meta 发布首批前沿级模型 Muse Wonder 与 Wonder Full，强化编码、基准表现和记忆用户信息能力。深度内容涉及 AI 生成软件的责任归属、Anthropic 测试模型自主复制能力、以及昂贵闭环任务为何难以训练。研究方面介绍了以不到 1% 预训练成本改造 Transformer 架构的 Priming 技术，以及 GLM-Legal 在 Harvey LAB 上 19.2% 全通过率。快讯还提到 Claude Opus 5.5 灰度测试、智谱 GLM-5.3-Highspeed 灰度上线约 490 tokens/s 等。

AI 选稿理由微软 Maia 300 给出每兆瓦性能提升 40% 并计划 2027 年大规模部署，Meta 首批前沿模型与 Anthropic 自我复制研究同期刊出，均属可能改变算力成本与模型能力边界的关键动向。

AI 导读本期介绍 TasteVal 对 AI 科研能力的评测、HSS 视觉推理基准，以及 Reflection 和 Mistral 的模型进展；作者进一步讨论科研自动化、政府跨实验室训练与 AI 太空工业化的可能性。

AI 选稿理由把模型成绩、训练成本与科研自动化联系起来，适合追踪下一阶段能力变化；自我改进与太空部分提供作者的长期视角。

AI 导读xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，通过 bedrock-runtime 端点的跨区域推理配置文件提供服务，支持 Responses、Chat Completions 和 Converse API。

AI 选稿理由文章给出 Grok 4.7 在 Bedrock 上的接入方式、四档推理强度与跨区域路由选择，便于评估长任务智能体的成本与延迟取舍。