Command LineCommand Line · 微软发布面向快速决策评分的模型 Microsoft-Decision-1，已在 Microsoft Foundry 上线并可通过 OpenRouter 调用。该模型由 Qwen3.5-9B 后训练而来，为固定选项输出校准概率分数，在 36 项基准比较中准确率最高，P50 延迟约为 GPT-6 Sol 的 35 倍快。在 11 项基准的 5,250 条请求中，它拒绝有害行为并保持效用，8 种扰动下平均决策翻转率 1.3%。
epoch.ai、Epoch AI 等 3 个来源epoch.ai 等 3 个来源 · 4篇报道 · Epoch AI 发布 InnovationEval 基准，测试前沿 AI 能否独立发现对其而言全新的机器学习算法创新，对标人类论文提出的 Self-Distillation Policy Optimization（SDPO）。任务要求智能体从 GRPO 出发开发新的后训练改进方法，在 Qwen3-8B 上提升短答与编程任务表现，预算为 3,000 GPU 小时。结果显示 GPT-5.6 Sol 与 Claude Fable 5 均未接近 SDPO：Sol 的方法按相同墙钟时间调整后仅达 SDPO 增益的 15%，宽松评分下约为 35%；Fable 5 无可测量改进。两者都只是复用已知技术。Epoch AI 另估算，按 2027 年前出货的 AI 芯片计算，若运行廉价模型，全球可支撑近 20 亿个并发 AI 智能体，运行前沿模型则约为 3000 万至 1.7 亿个；达到固定 AI 性能水平的成本过去三年约每季度下降 47%。
