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

精选归档 · 第 2 页

10月14日周三
  1. Hugging Face Blog65

    LFM2.5-24B-A2B发布:24B参数MoE仅2B活跃,支持端侧私有智能体

    LFM2.5-24B-A2B发布,一个24B参数MoE推理模型,仅2B活跃参数,专为端侧快速私有智能体设计。该模型在LiveClaw智能体基准得分48.09,高于Qwen3.6-35B-A3B的38.19,并在Apple M5 Max上实现184 tok/s解码速度。它基于LFM2-24B-A2B架构,将上下文窗口从32K扩展至131K tokens,今日起在Hugging Face开放权重。

    推荐理由:该24B参数MoE模型仅2B活跃参数,在智能体任务上接近参数多50%的Qwen3.6-35B-A3B,并支持端侧184 tok/s运行。

  2. AWS Machine Learning Blog65

    在Amazon Bedrock上用Grok 4.7构建长周期智能体

    AWS教程在Amazon Bedrock上用Grok 4.7构建长周期工具调用智能体,三个搜索任务72次运行答对67次。xhigh级别18次全对,low级别以约八分之一输出token答对15/18,文章给出了按请求设置推理努力与监控token用量的实践方法。

    推荐理由:原文给出了在Amazon Bedrock上构建Grok 4.7工具调用智能体并评测推理努力级别的方法,读者可迁移到自有任务做成本与质量调优。

  3. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon 前沿模型,今起全球开放用于编码金融法律等复杂任务,每百万输入 token $2、输出 $10。该模型在 Vals Index 经济领域基准排名第一,内部使用将智能体代码提交提升超 35%。此为 Gemini 4 家族首款发布的模型。

    推荐理由:原文给出Gemini 4 Argon的全球可用入口与定价,读者可对比其在多项基准对经济领域的领先表现。

10月12日周一
  1. The Decoder80

    Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审

    Google DeepMind 的 AlphaProof Nexus 基于 Gemini 3.1 Pro 在 Lean 中起草并验证证明,解决数十个开放数学问题并通过 Science 同行评审。

    推荐理由:在AI数学证明陷入期刊提交争议的背景下,该研究经同行评审确认了基于Gemini 3.1 Pro的形式化证明路线,为同类工作提供可比照案例。

10月9日周五
  1. IT之家83

    陶哲轩质疑 OpenAI:719 篇 AI 数学证明,人类真的理解了吗?

    陶哲轩质疑 OpenAI 发布 719 份 AI 数学证明,认为高速生成但人类来不及验证理解会破坏数学研究生态。OpenAI 仅 10 份手稿附推理链,约 42% 未经形式化处理。此事延续自 10 月 6 日 GitHub 发布 722 份后撤回 3 份的公开目录。

    推荐理由:陶哲轩质疑OpenAI批量发布719份AI数学证明,认为以速度数量衡量理解会破坏数学研究的理解与合作生态。

10月8日周四
  1. Hacker News · AI 热帖83

    Erdosproblems.com 在 AI 冲击下屈服

    Thomas Bloom 于 2026年10月6日宣布对 erdosproblems.com 网站实施变更,暂停问题评论与证明提交并移除问题状态展示,以应对 AI 生成证明泛滥侵蚀人类数学讨论。该网站自2023年5月28日上线以来已收录1221个问题,近期因 AI 能力跃迁导致社区活跃度下降。这一调整反映了数学领域在 AI 冲击下维护人类协作空间的尝试。

    推荐理由:AI 能力跃迁使数学问题网站暂停证明提交,折射出人机协作中人类讨论空间被挤压的现象。读者可观察数学领域应对冲击的思路。

  2. The Decoder77

    Anthropic 发布 Claude Haiku 5.5,大幅降价印证 AI 价格战远未结束

    Anthropic 发布 Claude Haiku 5.5,价格较前代最多降 90% 且基准性能大幅跃升,适用于高量低成本任务。在提示最长 10 万 token 时每百万 token 输入价 0.10 美元,超长提示贵 5 倍;Terminal-Bench 4.0 代理编码得分从 0 升至 39.2%,OSWorld-2.1 计算机使用达 72.4%。

    推荐理由:Claude Haiku 5.5价格最多降九成且代理编码基准从零到39.2%,为低成本自动化提供新选项。

10月7日周三
  1. Hugging Face Blog72

    Nemotron 3 微调后在 IOI 2026 与 IMO 2026 均达金牌水平

    Nemotron 3 经 SFT 与 RL 微调后在 IOI 2026 和 IMO 2026 均超过金牌阈值。IOI 2026 中 Nemotron-3-Ultra-CC 获 535.4/600,IMO 2026 系统得 30/42,模型、数据集与 NeMo-Skills 推理管线已在 Hugging Face 开放。

    推荐理由:原文给出了从 Nemotron 3 通过 SFT、RL 与推理循环微调至竞赛金牌水平的复用配方,读者可参照适配其他专业领域。

  2. IT之家77

    OpenAI 发布又一批 AI 数学研究成果,攻破数百个悬而未决难题

    OpenAI 公布一批包含722份手稿与372个结果家族的文件,展示未发布前沿模型解决数百个长期数学难题。文稿含模型推理摘要与算力估算,单成果耗算力约等同 ChatGPT Pro 连续思考三小时。

    推荐理由:OpenAI 公开未发布模型解决数百数学难题的手稿与算力估算,延续 AI 实验室进入数学领域引发的伦理讨论。

10月6日周二
  1. Mistral AI77

    Mistral 发布 Mistral Large 4 公开预览版

    Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。

    推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。

10月2日周五
  1. Kimi 研究博客81

    月之暗面(Kimi)发布开源思考模型 K2 Thinking

    月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。

    推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。

  2. DeepSeek 官方动态79

    DeepSeek 发布实验版 V3.2-Exp,引入稀疏注意力并下调 API 价格

    DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp,在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention 稀疏注意力机制,针对长文本训练和推理效率做优化,在公开评测集上表现与 V3.1-Terminus 基本持平。

    推荐理由:稀疏注意力在公开评测表现基本持平的前提下降低长文本推理成本,API 价格随之下降五成以上。

  3. DeepSeek 官方动态81

    DeepSeek 发布 V3.2 与 V3.2-Speciale 正式版,V3.2 强化 Agent 与思考推理

    DeepSeek 同时发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两个正式版模型,网页端、App 和 API 已由 DeepSeek-V3.2-Exp 升级为正式版 V3.2。

    推荐理由:DeepSeek 同时发布 V3.2 与 V3.2-Speciale 两个正式版模型,并把思考模式接入工具调用,读者可据此比较开源与闭源模型在 Agent 评测上的差距。

  4. NVIDIA Blog63

    NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast

    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。

9月30日周三
  1. Testing Catalog78

    OpenAI 发布 GPT-6.1 Sol,价格仅为 Astra 的五分之一

    OpenAI 发布 GPT-6.1 Sol,以 Astra 五分之一输入输出 token 价格提供接近 GPT-6 Astra 的性能。该模型在 DeepSWE v1.1 等基准以更低成本匹配 Astra,已通过 API 以 gpt-6.1-sol 开放,定价每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元,并计划推出 Ultrafast 选项。

    推荐理由:GPT-6.1 Sol 以 Astra 五分之一价格实现接近性能,用户可对比它与前代及竞品在编码与办公任务上的成本差异。

  2. AWS Machine Learning Blog83

    GPT-6.1 Sol 在 Amazon Bedrock 正式可用

    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。

9月16日周三

© 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