周回顾
周回顾 · 10 月 5 日 – 10 月 11 日
10 月 5 日 – 10 月 11 日（周一–周日）已发布的技术信号，按优先级汇总。纯派生自已发布信号，无编辑撰写、无 AI。
立即关注
1 条本周编辑标为关键、或标为重要且发布不满 30 天的信号。
何恺明团队 VISTA：让模型回看原始画面，打满 ARC-AGI-3
MIT 何恺明团队的 VISTA 是一套视觉原生的智能体外壳：环境返回的每一帧都原样存档，模型推理时可以按需调回、放大、并排对比，基础模型不用重新训练。配上 Claude Opus 5.0，ARC-AGI-3 的 25 个公开游戏全部通关，相对人类动作效率得满分 100，比人类首次游玩的基线少用 57.4% 的动作。
值得跟踪
7 条本周值得持续留意、等待更多验证的变化。
MiMo-V2.6 技术报告：小米花 260 万美元跑一次强化学习
小米 MiMo 团队 10 月 8 日发布 MiMo-V2.6 技术报告：Pro（1.02T 总参数、激活 42B）与 Flash（310B、激活 15B）两款 MoE 模型，强化学习同时扩大批量、任务环境与评分算力。每步约 2.5 万条轨迹、27 亿至 37 亿 token，Pro 的强化学习花费约 260 万美元，其中评分器占 12.7%。训练全程冻结 MoE 路由，作弊轨迹控制在 2% 以下；训练动态、强化学习环境与框架开源。
DeepSeek-V4 的周期性盲点：信息换个位置，检索准确率差 40 个百分点
字节跳动 Seed 发现，采用分块 KV 缓存压缩的模型，检索准确率会随信息相对压缩窗口边界的位置周期性起伏。128K 上下文里，DeepSeek-V4-Flash-Base 在不同位置之间最多差 40.2 个百分点，后训练过的 V4.1-Flash 仍差 6.1 个百分点。起伏的周期正好等于压缩步长：V4 是 4 个 token，V4.1 是 2 个。平均分会把这种弱点藏起来。
Agent Lightning：线上 harness 直接参与强化学习
微软亚洲研究院开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式：不改动部署时的智能体 harness，只把模型端点指向框架的代理，即可让真实 harness 参与强化学习。框架约 3500 行代码，原生支持 Kubernetes，在 SWE-bench Verified 上把 Qwen3.5-9B 从 41.8% 提升到 56.4%，仅用约 6000 条训练样本。
Claude Haiku 5.5：标价降了九成，token 却多用两成五
Anthropic 10 月 7 日发布 Claude Haiku 5.5，10 万 token 以内每百万输入 0.10 美元、输出 0.50 美元，是 Haiku 4.5 的十分之一。它在 OSWorld 2.1 上从 15.7% 升到 72.4%，Terminal-Bench 4.0 从 0 升到 39.2%，但仍明显低于 Sonnet 5.5。Simon Willison 实测新分词器对同一段提示多用约 1.25 倍 token，而且推理无法关闭。
Nemotron 竞赛模型：IMO 金牌官方评定，IOI 金牌自测
NVIDIA 用同一模型家族的微调版参加 2026 年 IMO 与 IOI。IMO 拿到 30 分（金牌线 29），由 IMO 官方评分员打分，纯自然语言、不用证明器与工具。IOI 自测 535.4 分（金牌线 361.12），按比赛限制自己跑，不进官方排名。550B 总参数、55B 激活的模型权重与训练数据已开放，训练算力未披露。
谷歌开放新嵌入模型：图片音频文字同一个空间
Google 10 月 6 日发布开放权重的 EmbeddingGemma 2：基于 Gemma 4，共 740M 参数，文字、图片、音频、视频与代码嵌入同一个空间，视觉与音频编码器可选，只处理文字时只需 270M。上下文 8K，是上一代的 4 倍。代码检索 MTEB 从 68.76 升到 78.68，多语言文本几乎持平。
OpenAI 公开 719 篇数学结果：四成有 Lean 证明，第二天就撤回三篇
OpenAI 10 月 6 日在 GitHub 公开 openai/math：一个未发布的内部模型针对约 4000 个问题写出的 719 篇稿件，平均每个结果约 3 小时思考算力。其中 300 篇有 Lean 形式化证明，约占 42%；OpenAI 自己说其余的可能有问题。仓库记录显示，第二天就因符号错误撤回 3 篇、修订 14 篇。