模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 与 Codex 用户中可用，基于 NVIDIA Blackwell GPU 推理优化，token 生成速度较 Astra Standard 模式最高提升 8 倍。
推荐理由：GPT-6 Astra Ultrafast 在 Blackwell 上比标准模式快最多8倍，可缩短编码智能体在工具调用间的等待，提升交互流畅度。
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划的政府用户与可信网络防御者中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的实际差距。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，为编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 表示该模型在 DeepSWE v1.1 上性能匹配 GPT-6 Astra，但单任务成本约为其五分之一，且比 GPT-6 Sol 最佳成绩高 6.4 个百分点。
推荐理由：GPT-6.1 Sol 在 Amazon Bedrock 正式可用，以约五分之一成本实现接近 GPT-6 Astra 的推理能力，降低智能体工作流成本。
NVIDIA 在 MLPerf Inference v6.1 首次提交 Vera Rubin NVL72 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高 2.5 倍。
推荐理由：MLPerf v6.1 首次提交数据给出 Vera Rubin 相对 GB300 的吞吐倍数与 99% 扩展效率，可据此判断推理成本走向。
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，旨在提升实时语音对话的智能与并行推理能力。
推荐理由：原文给出了两款实时语音模型在推理与工具调用上的具体基准表现，读者可据此评估其在生产级语音智能体中的适用性。
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个尺寸，均以 Apache 2.0 许可开源。
推荐理由：IBM 公开了 Granite 4.2 从预训练到多阶段 RL 的完整构建流程，可对照其分阶段课程与奖励设计理解推理模型如何训练。
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：对结构压缩并量化的模型，直接从压缩前的原始全精度模型蒸馏，而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由：论文给出压缩加量化后从原始教师蒸馏的恢复配方，并附与 QAT 的稳定性对比数据。
Liquid AI 为 LFM2.5 家族的 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：官方给出三个模型在 H100 与 MacBook 上的实测加速比和调用方式，可据此判断端侧推理的可用性。
Thinking Machines 在 Hugging Face 发布 Inkling，一个约 1T 参数、支持 1M 上下文并原生接收图像、文本和音频输入的开源多模态 MoE 模型，同时推出 276B 总参数、12B 激活参数的 Inkling-Small。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。
Mistral 发布 Leanstral 1.5，一个 Apache-2.0 许可、119B 总参数 6B 激活参数的形式化验证模型，在 miniF2F 上达到 100%，解出 PutnamBench 672 题中的 587 题，并在 FATE-H 取得 87%、FATE-X 取得 34%。
推荐理由：原文给出 Leanstral 1.5 在形式化验证基准上的具体成绩与每道题成本对比，读者可据此判断开源证明模型的性价比。
Google Research 发布一种新架构，把多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧推理。
推荐理由：Google 把 MTP 头接到冻结的 Gemini Nano v3 上，给出端侧推理在内存与能耗约束下的具体优化路径。
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上最高实现 4 倍推理加速，单张 NVIDIA H100 上超过 1000 tokens/秒、RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 4x 加速的实测数字与硬件门槛，读者可据此判断本地低并发场景是否值得换用扩散式生成。
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的模型，采用 Apache 2.0 许可。
推荐理由：Mistral 首次把推理、多模态与编码智能体能力合并进单一开源模型，并给出可切换的推理强度参数。
Mistral 为 Le Chat 上线一批新功能，包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言推理、用于整理对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：官方一次性放出深度研究、语音、推理与图像编辑多项能力，可据此判断 Le Chat 的助手定位走向。
Mistral AI 发布首款推理模型 Magistral，分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由：Mistral 首款推理模型同时给出开源权重与企业版，并公开训练论文，可对照其多语言推理与速度主张。