跳到正文

技术方向

推理能力 最新动态

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。

59 条精选近 30 天 16 条共收录 439 条

更新

推理能力的精选

今天11月18日周三
  1. AWS Machine Learning Blog61

    ArisGlobal 如何在 Amazon Bedrock 上扩展生成式 AI 推理

    ArisGlobal 在 Amazon Bedrock 上通过前置并缓存共享提示词前缀,在不让成本按比例增长的情况下扩展多租户生成式 AI 推理。实现使用 Anthropic Claude Sonnet 4.5,此前共享前缀 6 个月增长约 150%,每案例推理成本增加超过 200%;调整后典型请求 65% 的输入 token 由缓存提供。

    推荐理由:原文用生产指标说明调整缓存对象能降低输入成本,并提供多租户场景下可迁移的请求排序和缓存监控经验。

11月17日周二
11月15日周日
  1. IT之家85

    黄仁勋辞任英伟达CEO,AI初创企业融资面临变局

    黄仁勋辞任英伟达CEO,继任者预计收紧对AI初创企业的投资。过去一年英伟达参与105轮融资且常任最大投资方,其策略转向将令依赖资金与背书的新兴公司面临融资与估值压力。黄仁勋执掌这家芯片巨头33年后离开。

    推荐理由:黄仁勋辞任英伟达CEO后,继任者预计收紧对AI初创企业投资,许多依赖其资金与背书的新兴公司面临融资与估值双重压力。

11月14日周六
11月13日周五
  1. Google DeepMind85

    Google DeepMind 发布 Gemini 4 Hydrogen

    Google DeepMind 今日发布 Gemini 4 Hydrogen 模型,面向 Google AI Studio、Gemini API、Gemini app、Search 等全员开放,默认高思考层级在 Artificial Analysis Intelligence Index 获 51 分超越 Argon 的 50 分。

    推荐理由:Gemini 4 Hydrogen以统一价格和四档思考层级面向全员开放,开发团队可据此权衡不同智能体任务的成本与延迟。

11月11日周三
  1. Google DeepMind83

    Gemini 4 Carbon 现已开放

    Google DeepMind 今日开放 Gemini 4 Carbon 模型,提供前沿网络安全与长程代理工作流能力。该模型在 CursorBench 4.0、WANDR 等基准排名第一且任务成本低于次优外部模型一半以上,通过 AI Studio API 以与 Gemini 4 Argon 相同价格($2/$10 per M tokens)开放。

    推荐理由:Gemini 4 Carbon定价与Gemini 4 Argon一致,但面向更复杂编程与科研任务,开发者可对比二者选型。

11月10日周二
  1. AWS Machine Learning Blog69

    AWS 上线 Claude Fable 5.2 与 Mythos 5.2 模型

    今日,AWS 宣布在 Amazon Bedrock 和 Claude Platform on AWS 上提供 Claude Fable 5.2 与 Claude Mythos 5.2 模型可用。

    推荐理由:本文介绍Claude Fable 5.2在Bedrock上的可用性与拒绝重试缓存计费方式,并给出迁移技能,便于开发者降本和升级。

10月29日周四
  1. Google DeepMind68

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型,这是其当前最强模型,在网络安全与长程智能体任务上达到 SOTA。模型在 SEC-bench Pro 获 88.2%、ExploitGym 54.8%、CWE-bench 71.0%,定价与 Argon 相同为每百万输入 token $2、输出 $10,本周起向部分网络防御者开放。

    推荐理由:相较两周前发布的 Argon,Carbon 在网络安全与对齐基准上显著提升,读者可关注其通过 Fairwind 计划逐步开放的节奏。

10月27日周二
  1. The Decoder77

    OpenAI 邀请诺奖得主等外部专家核查其 AI 生成的数学、计算机科学与物理证明

    OpenAI 邀请包括一名诺奖得主在内的外部专家核查其 AI 产生的数学、计算机科学和物理证明。公司按领域分派专家审阅并将部分证明转译 Lean 供机器校验,涉及 ETH 假设可能被推翻及量子场论存在性证明。此为 OpenAI 在 Navier-Stokes 证明公关争议后推出的审查流程,专家小组强调参与不代表认可主张。

    推荐理由:OpenAI邀请诺奖得主等外部专家审查AI生成的数学与物理证明,读者可了解学界对AI科研产出的独立验证机制。

  2. Testing Catalog88

    OpenAI 发布 GPT-6.1 Terra 用于精准计算机操作

    OpenAI 发布 GPT-6.1 Terra,一款融合视觉推理、精准计算机操作和自然写作的高效模型。其在 Agents' Last Exam 上中等推理得分超 GPT-5.6 Terra 15 个百分点且成本约三分之一,匹配 GPT-6 Astra 但 token 价格仅十分之一,任务速度快 3 倍以上。

    推荐理由:OpenAI称GPT-6.1 Terra在代理基准Agents' Last Exam上匹配GPT-6 Astra,但token价格仅其十分之一,为成本敏感的计算机任务提供新选择。

  3. IT之家82

    OpenAI 宣布 AI 模型取得三项重大科学突破,涉及数学猜想、计算机算法及千禧年难题

    OpenAI 宣布其 AI 模型取得三项科学突破,证明局部光滑猜想、推翻指数时间假设并提出量子色动力学存在性证明。数学与计算机成果已通过 Lean 验证并公开至 GitHub,物理学成果由诺奖得主等审查,仍需学界独立确认。

    推荐理由:OpenAI模型完成三项基础科学证明并公开Lean验证材料,显示AI已能参与复杂理论发现,学界可据此评估其可靠性。

10月24日周六
  1. Simon Willison80

    Kimi K3.1 Pro 发布

    Moonshot 在 2026 年 10 月 23 日于 Kimi API 发布 Kimi K3.1 Pro,承诺 2026 年 11 月 4 日前开放完整模型权重。

    推荐理由:原文列出了Kimi K3.1 Pro的API定价、加速版本与基准得分,读者可将其与GPT和Claude等前沿模型做直接对比。

10月21日周三
  1. NVIDIA Blog70

    NVIDIA 发布多款开放模型推进欧洲跨行业主权智能

    NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等多款开放模型推进欧洲跨行业主权智能,覆盖语言、机器人与量子等领域。企业可用本地数据定制并部署在自有设施,模型已在 Hugging Face 等平台提供。此为 NVIDIA 欧洲公告的一部分。

    推荐理由:NVIDIA发布一系列覆盖语言机器人生物量子等领域的开放模型,企业可用本地数据定制并部署在自有基础设施上。

  2. Latent Space77

    DeepSeek 开源 DeepInfer 推理栈:单集群日处理 155T token,81 天回本

    DeepSeek 开源生产推理框架 DeepInfer,单集群日处理 155T token 且加速卡小时收入 38 美元。框架支持 NVIDIA SM100 与华为昇腾 950,vLLM 复现其解码吞吐差距在 6% 内;此次发布恰逢 PyTorch Conf,是闭源推理进展后的开源回应。

    推荐理由:本文汇总 DeepSeek 开源 DeepInfer 的推理架构与成本披露,并对照 vLLM 复现结果帮助读者理解开源推理栈的生产实现。

  3. Hugging Face Blog69

    FairStress:更深入评估大语言模型决策公平性

    Ai2 发布 FairStress 基准,用于衡量大语言模型在影响人的决策中超越最终选择的群体公平性。该基准包含 300 个双候选决策场景,结合对抗前缀扩展至超过 13 million 测试案例,实验显示模型受挑战时放弃正确决策存在群体不对称,这是 Ai2 开放评估工作的一部分。

    推荐理由:该基准通过引入对抗前缀与身份变量测试决策稳定性,揭示标准公平性评测忽略的隐藏不对称,为干预提供新评估工具。

10月18日周日
10月16日周五
10月15日周四
  1. Hugging Face Blog67

    Apertus 1.5 发布:8B 与 70B 开源模型新增图像音频理解、思考模式与 262k 上下文

    Apertus 项目发布 1.5 版 8B 和 70B 开源模型,新增图像音频理解、思考模式、262,144 token 上下文及更强工具调用。模型权重于2026年7月24日以 Apache 2.0 许可发布在 Hugging Face,全程开放训练数据与细节。

    推荐理由:Apertus 1.5以早期融合将图像音频转为离散token,训练细节全开放,研究者可复现各阶段对多模态能力影响。

10月14日周三
  1. Google DeepMind76

    Google DeepMind 负责任地安全开发 Gemini 4 Argon

    Google DeepMind 介绍了 Gemini 4 Argon 的负责任安全开发措施,该模型今日开始广泛推出并扩展 Fairwind Program。其安全防御涵盖误用预防、实时错位监控与提示词注入抵抗,端到端网络攻击模拟解决12个场景,IPI基准攻击成功率降至0.7%。这些是 Google 前沿模型能力落地构建的多层防护实践。

    推荐理由:原文给出了Gemini 4 Argon在误用与错位监控上的具体防御方案,读者可了解前沿模型安全部署的实操路径。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有