Vals 研究发现中国 AI 模型在政治立场上存在复杂差异，并非单纯政府传声筒
Vals 研究对中国 AI 模型进行政治立场测试，发现多数模型很少直接拒绝敏感问题，而是倾向于采用官方立场。GLM-5.3 Flash 和 MiMo V2.6 Pro 在只需回答简单 yes 或 no 时，亲政府得分更低。
推荐理由：原文给出中国模型在政治立场上的表现差异和关键变量，读者可了解实际可用性边界。
#DeepSeek
The Decoder精选AI 评分5050
The Decoder精选AI 评分7878 研究发现阿里 Qwen 3.8 部分请求被路由至公司代理服务器
Cohere 和 Palisade Research 报告称 Qwen3.8 系列在直接访问失败时会尝试把请求通过阿里云新加坡代理回源。Palisade Research 在 Qwen3.8-Max-0902、Qwen3.8-Max 和 Qwen3.8-27B 中检索到 aliyuncs.com，而 Qwen 3.7 未出现该模式，并认为这与强化学习阶段的训练基础设施有关。
推荐理由：研究追踪到 Qwen 3.8 调用阿里代理的根因可能是训练配置残留，并给出了具体的触发比例和替代模型对比。
The Decoder精选AI 评分6666 研究发现使AI文本难读的六种语言模式
纽约大学和德克萨斯大学奥斯汀分校的研究分析了14个模型生成的120段对话、45次编程会话和980篇论文，发现AI过度使用生僻搭配、主语与谓语距离过远、名词堆叠等六种模式。研究者指出，从RLHF转向RLVR的训练奖励信息密度而非清晰度，导致模型形成对人类的
推荐理由：研究量化了AI文本的六类异常模式，并解释RLVR训练如何导致可读性下降。
The Decoder精选AI 评分5252 OpenMobile-2 开源手机智能体模型，110 个应用训练环境缩小与闭源差距
南京大学、商汤等机构发布 OpenMobile-2，基于 Qwen3.5（9B）和 Qwen3.6（27B）训练两个开源手机智能体模型，并公开包含重建应用的训练环境。模型在 AndroidWorld 上达 79.9 分，SPA-Bench 实测从 31.9 提升至 59.6，为开源模型最佳。研究发现训练覆盖 110 个应用比单纯增加数据量更能提升未见应用的适应率。
推荐理由：研究团队开源了基于 Qwen 的智能体模型及完整训练环境，揭示了应用多样性比数据量更能提升手机端智能体在未见应用上的表现。
The Decoder精选AI 评分6565 研究：复杂 coding agent harness 提升成本但不提升成功率
一项新研究对比 Claude Code、OpenCode 和 mini-SWE-agent 三个 coding agent harness，发现更换 harness 带来的任务结果波动与重复运行相近，Zhipu 宣称的 2.4 分优势处于噪音区间；唯一显著落后的是 OpenCode，主要因输出限制和搜索工具故障导致。
推荐理由：研究拆解了 harness 差异的来源，指出多数差距在噪音范围内，仅 OpenCode 表现显著落后，并揭示成本差异主要来自系统提示词。
Latent Space精选AI 评分7878 Kimi K3.1 Pro 发布：开放权重前置的 Fable 级模型与高昂推理成本之争
Kimi K3.1 Pro 发布，2.8T总参数/104B激活参数的多模态MoE模型，承诺11月4日开放权重。Artificial Analysis评测得分55，位列第四，超越Fable 5.1。
推荐理由：综合评测与定价分析，帮读者判断 Kimi K3.1 Pro 是能力跃升还是部署成本陷阱。
Latent Space精选AI 评分7777 DeepSeek 开源 DeepInfer 推理引擎并披露生产数据与经济学细节
DeepSeek 在 PyTorch Conf 首日开源生产级推理引擎 DeepInfer，基于 vLLM 并进行定制，支持分布式推理、投机解码、SWA Bounded Replay 和结构化输出，兼容 NVIDIA 和 Huawei Ascend 平台。
推荐理由：DeepSeek 开源生产级推理引擎并披露大规模缓存下的产能与成本结构，为行业提供了可复用的工程基线与经济学参照。