The Decoder 发布 Frontier Radar #5，分析了在 GPT-6 Astra 发布后，Ilya Sutskever、Yann LeCun 等顶尖人才离开大厂创立新实验室的现象。文章将 27 家新实验室分为六类，分别押注持续学习、非语言模态、私有数据、计算效率、自动化科研及垂直应用，并指出这些实验室正通过巨额融资填补大厂未覆盖的研究空白。
推荐理由：文章梳理了27家新实验室的技术押注与融资现状，为理解大模型之后的研究分化提供了具体参照。
OpenAI CEO Sam Altman 在 Cheeky Pint 播客中回应了外界对 OpenAI 密集发布数学成果的批评，表示理解数学家的困扰但不会停止。他透露 OpenAI 在数学问题上已投入数亿美元，其中仅 Navier-Stokes 方程解法就花费约 1000 万美元，并暗示公司手中还握有更多未公开的数学发现。
推荐理由：原文披露了 OpenAI 在数学研究上的巨额投入及内部探索机制，读者可据此理解 AI 实验室对基础科学发现节奏的影响。
Anthropic 的 S-1 文件显示其未来 20 年面临约 8500 亿美元的计算与基础设施承诺，分析师模型显示 2027 至 2030 年每年需约 900 亿美元支出。文章指出，为维持这一成本结构，Anthropic 必须依赖递归自我改进带来的指数级增长，其风险因素也承认利用 AI 开发 AI 可能导致模型能力超越安全对齐措施的发展速度。
推荐理由：文章拆解了 Anthropic S-1 中约 8500 亿美元的计算承诺，指出其商业模式高度依赖递归自我改进带来的指数级增长。
OpenAI 宣布在数学、计算机科学和物理领域取得突破性进展，但研究人员对其限制访问的发布策略感到不满。OpenAI 称正与专家合作决定如何分享成果，其中数学结果已发布，计算机科学结果将由外部团队解释，物理结果则暂缓发布。多位专家指出，尽管成果令人印象深刻，但 OpenAI 应公开所有材料以供社区审查，而非仅由少数指定专家先行查看。
推荐理由：文章梳理了 OpenAI 在数学、物理和计算机科学领域的最新突破，并呈现了学术界对其发布策略的批评与分歧。