NVIDIA Dory 模型揭示:增加推理时间并不让 AI 更聪明
NVIDIA 的 4B 参数 Dory 循环 Transformer 模型通过 4 次循环将 36 层扩展为 96 层,在 12 个基准测试中优于部分更大的模型。作者指出增加循环只是增加了计算量而非信息量,并提到 27B 模型在增加 35% 延迟的情况下仅提升 0.56 分。
NVIDIA 的 4B 参数 Dory 循环 Transformer 模型通过 4 次循环将 36 层扩展为 96 层,在 12 个基准测试中优于部分更大的模型。作者指出增加循环只是增加了计算量而非信息量,并提到 27B 模型在增加 35% 延迟的情况下仅提升 0.56 分。
Google DeepMind 发布 Gemini 4 Neon,定价为 $3/M 输入、$0.15/M 缓存输入、$15/M 输出,支持 1M token 上下文。
推荐理由:把 Gemini 4 各型号的价格、上下文窗口和发布节奏放在一起对照,读者可以判断 Neon 在现有工作流中的位置。
Google 推出新模型 Gemini 4 Neon,定价和层级混乱,使得原有的 Gemini 4 产品矩阵(Carbon, Neon, Hydrogen)更加难以理解。作者指出 Neon 目前最贵($3/$15 每百万 token),但其定位介于 Carbon 和 Hydrogen 之间。作者使用 Yonkers 变机甲的 3D 动画提示词,对比了 Neon 在不同推理力度下的生成质量。
GPT-6.2 Astra 在 TASTE 基准测试中同意研究者判断的频率显著低于随机猜测,具体准确率为 35%。 GPT-6 Astra 的准确率为 41%,Fable 5.2 为 53%;鉴于测试包含 92 个配对,这两者均处于 40% 至 60% 的随机猜测预期区间内。 TASTE 基准发布于 2026 年 8 月,旨在评估 AI 模型在安全研究提案选择上与研究人员的共识程度。
OpenAI 优化了 Jalapeño 芯片电路并改进 RISC-V 核心设计,展示了 GPT-6 Astra 在 AI 辅助芯片设计上的进展。 GPT-6 Astra 直接应用于具体芯片流片与核心架构优化环节,验证了大模型在半导体工程领域的落地能力。 此举标志着 AI 从代码生成向底层硬件设计的延伸,加速芯片研发流程。
微软于11月17日正式推出决策AI模型 Microsoft-Decision-1.1,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,前者提升专业工作与编程能力,后者优化日常任务效率。GPT-6.2 Astra 在 Agents' Last Exam 中比 Claude Fable 5.2 高 5.5 分且成本仅为其 5%,API 价格输入输出均较上代降低 20%。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
OpenAI 发布了 GPT-6.2 Astra 和 Sol 两款语言模型,API 价格更低且部分基准测试有进步。Astra 面向专业场景,首次达到 OpenAI“高”AI 自改进阈值;Sol 面向日常使用,在多项任务上以极低价格接近 Astra 的性能。第三方评测显示两者在科学和 3D 设计等任务上得分较高,但法律类基准排名靠后,且编码能力相比前代基本停滞。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
商汤科技正式发布 SenseNova Loop-9B 模型。该模型通过循环结构复用参数,4bit量化后权重仅约4.9GB,部署显存需求低至10GB内。其上下文长度最高达512K tokens,在Agent与数据分析评测中性能与Qwen3.8-27B相当。官方提供模型权重与AWQ量化版本供开发者下载部署。
欧洲云服务企业 OVHcloud 宣布推出首个 AI 模型家族 Olala,并同步开源 Olala mini 7A1B。该模型总参数 70 亿、激活参数 10 亿,采用 Differential-TPA 和 Mamba-3 混合注意力机制,以 Apache 2.0 协议发布在 Hugging Face 上,支持在 8GB 显存 GPU 上运行。
论文介绍 3200 亿参数的混合专家模型 Sage S1.5 Flash,专为科学证据推理与交互式环境行动设计。 模型采用专用编码器处理分子图谱与生物序列,并构建可验证环境以提升 Agent 能力。 在 33 个基准中,该模型在 OfficeQA Pro 和 MLE-bench Lite 等任务上表现领先。
K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。
推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。
NVIDIA 发布了 Nemotron 3.5 Bolt E4B 4GB,这是一个基于 Gemma-4-E4B-it 后训练优化的开放高效小语言模型,专为快速本地语音助手、交互角色及嵌入式端侧场景设计。
推荐理由:展示了该小模型在21项基准中取得最高平均准确率及最低输出token数,并量化了推理加速指标。
研究团队发布 Decision 1.0,这是一个开放权重模型家族,将文本状态和运行时定义的问题转化为类型化概率分布。 其 Choice、Noul 和 Score 接口允许应用在推理时指定结果;六个模型涵盖双向编码器和因果解码器架构。Lux-9B 在常见决策基准测试中,显式决策得 84.17%,推理得 91.25%,加权总体得 77.22%。
Anthropic 发布 Claude Fable 5.2,其生成输出速度比 Fable 5.1 和 Mythos 5.1 快 30%,若接受双倍价格可再提速 2.5 倍。定价调整为每百万输入 token $8、输出 token $40,较 Fable 5.1 更便宜。Ethan Mollick 称其为“接近 AGI”或“参差不齐的 AGI”,该模型在网络安全工程领域表现最为出色。
作者让 Opus 5.5 撰写关于 2030 年底前美中 AI 协议概率的预测分析。 该分析由 Opus 5.5 独立完成,作者仅通过具体建议进行指导,且不完全同意模型的所有建模决策。 作者建议读者阅读该文章,并指出这是 Opus 5.5 能力下限的展示。
EmetInteractive 发布 Hy4 Flash,该模型总参数 224B(含 64B Engram 参数),每 token 仅激活 12B 参数,原生支持多模态与 1M token 上下文,API 定价显著低于 Hy4。
腾讯混元团队正式发布 Hy4 flash 模型,官方称其为迄今性价比最高的 Hy 模型。该模型总参 224B、单 token 激活 12B,支持多模态输入与 100 万 token 上下文,API 价格大幅低于 Hy4。
阿里发布Qwen4-Max,基于新MoE架构并原生支持视觉,拥有1M上下文窗口。该模型在内部评测中比Qwen3.8-Max性能更强且token消耗少约50%,单任务成本降低60%以上。输入价格$1.5/M,输出$4.5/M,隐式缓存$0.075/M,API已在QwenCloud上线,可用于3D建模、软件开发及金融等实际任务。
阿里通义千问团队发布新一代旗舰模型 Qwen4-Max,采用 2.4 万亿参数 MoE 架构,原生支持视觉理解并提供 100 万 Token 上下文窗口。该模型在 Work360 行业基准上得分 52.69,较前代提升显著,且同等性能下 Token 消耗减少约 24% 至 35%,单个任务平均费用从 26.58 元降至 11.16 元。
推荐理由:新旗舰模型在Work360基准上得分提升,任务成本降低近六成,展示了效率与能力的同步优化路径。
物理学家 Nathaniel Craig 分享了如何利用 GPT-6 Astra 开发标准模型的候选晶格定义。 这是我们的新科学博客的首篇文章: https://openai.com/index/step-toward-defining-the-standard-model
Anthropic 新语言模型 Claude Fable 5.2 通过代码模拟画布笔触生成复杂绘画。开发者 Jake Eaton 在 X 展示模型利用约 70 万条 Python 指令绘制停车车库,无需依赖外部图像模型。该路线将生成转化为包含物理纹理和错误覆盖的逐步执行过程。
Google 的 Gemini 4 Carbon 在 MathArena 数学评测中排名第一,得分 85.4% ±3.0%,超越了 GPT-6.1 Sol,后者得分 80.6% ±2.7%。
无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。
推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。
Google 昨日发布 Gemini 4 Hydrogen,其在 Artificial Analysis Intelligence Index 默认高思考级别下得分为 51,略高于 Gemini 4 Argon 的 50 分。定价为每百万输入 token 1.5 美元,输出 token 7.5 美元,在完整的 1M token 上下文窗口内价格保持恒定。
Google 发布 Gemini 4 Hydrogen,官方称其默认高配速度比 3.8 Flash 快 2.5 倍,提供 low、medium、high、xhigh 四个思考级别,上下文窗口为 1M,输入价格 $1.50、输出价格 $7.50 每百万 tokens。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google 发布新模型 Gemini 4 Hydrogen,能够拆分复杂提问、带有难辨认拼写错误或多层具体要求的请求,并分别回应各部分。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google 发布 Gemini 4 Hydrogen,立即取代 Gemini 3.8 Flash 且不再限制付费订阅层级。该模型支持 low、medium、high 和 xhigh 四种思考模式,其中 high 模式速度比 3.8 Flash 快 2.5 倍,幻觉率降低 5 倍以上。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
谷歌发布 Gemini 4 Hydrogen 模型,主打快速执行与高效运行,面向日常编码和智能体工作流场景。模型输入定价为每百万 Tokens 1.50 美元,输出 7.50 美元,支持 100 万 Token 原生输入与输出。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google DeepMind 推出 AlphaProof Code,验证 Signal 加密核心的安全性,该过程在四周内完成,而传统方式通常需要数年时间。AlphaProof Code 基于 Gemini 构建的 AI 代理在 Lean 证明语言中生成了超过 600 万行代码,并将约 1% 的代码库标记为需人工审查。
谷歌 DeepMind 发布了新 AI 模型 AlphaGenome 2,该模型能解析 DNA 变化对不同细胞的影响。基于超过 1 亿个细胞档案和 68 种组织进行训练,该模型在识别能改变基因表达的变异方面,表现几乎达到了其前身及先有技术的两倍水平。谷歌表示,AlphaGenome 2 现可通过 AlphaGenome API 用于非商业研究,商业化研究则提供有限的“私人预览”。
谷歌正式向开发者、企业和科研工作者开放其最新模型 Gemini 4 Carbon。在 CursorBench 4.0 等测试中排名第一,在 Artificial Analysis 测试中位居第二,主打网络安全与长程 Agent 工作流。API 输入价每百万 Token 暂定为 2 美元,输出 10 美元。
Google 宣布 Gemini 4 Carbon 正式可用。它定位于 Gemini 4 Argon 之上,通过消耗更多 token 的深层推理和验证循环来处理多步编码和开放式科学问题。
谷歌旗舰模型 Gemini 4 Carbon 正式面向全球开放,用户可通过 API、AI Studio 等渠道体验。该模型在 GraphWalks、CursorBench 4.0 等评测中跑出了前列成绩。实测表明,其多Agent蜂群模式配合 AlphaProof Code 框架在生成代码与工程还原方面显著降本。
Arm 推出基于 Armv8.1-M 架构的 Cortex-M42 处理器,相比 Cortex-M33 向量算力最高提升 3 倍,能效最高提升 2 倍。 该处理器集成 Helium 向量扩展技术与紧凑 AHB 总线设计,主要面向成本敏感的可穿戴设备及工业控制器,本地支持音频处理与传感器分析。
ChatGPT 成功疏散全部 48 人,DeepSeek 疏散 32 人,Claude 在辅助指令下疏散 34 人。 三个模型均执行了登人、电池管理和撤离的四项指令,并在首次移动后遭遇电池故障。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,具备更快的生成速度和更低的价格,并在编码、推理和视觉能力上有所提升。Meta 推出小型推理模型 Muse Ember,主要用于工具调用和文档解析,宣称性能对标 Claude Haiku 5.5。Google 发布 TPU 8i Max 以支持长上下文窗口,以及用于安全推理的 TPU 8tx。
Meta AI 发布了 Muse Ember,将其定位为最小、最高效的模型,适用于工具调用、编码、路由、信息提取和长文档解析。
推荐理由:原文明确了 Muse Ember 与 GPT-6 Luna 和 Claude Haiku 5.5 的分层定价差异,帮助读者判断该价位段的效率取舍。
美团正式以 MIT 协议开源 LongCat-2.5,该原生多模态模型总参数 1.6 万亿、每个 token 激活约 480 亿参数并支持一百万上下文,面向长程智能体任务在代码开发、Visual Coding 与专业办公场景中端到端交付能力明显提升。
推荐理由:原文详细披露了1.6万亿参数多模态模型在国产算力下的W4A4量化策略与训练细节,展示了在显存受限场景下落地万亿模型的具体工程路径。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两者在多份独立评测中超越 Gemini 4 Carbon 与 Opus 5.5,重回全球 LLM 榜首。