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。

173 条精选近 30 天 89 条共收录 5,666 条

更新

精选归档 · 第 8 页

9月24日周四第 141–160 条
  1. Hugging Face Blog67

    Liquid AI 发布 LFM2.5-VL-DSpark 视觉语言模型加速草案

    Liquid AI 为 LFM2.5-VL-3B 发布 DSpark 推测解码草案,在端侧实现最高 3.13 倍解码加速,端到端提速最高 2.62 倍。该草案增加 280M 参数(约为目标模型的 8.9%),支持 llama.cpp、MLX-VLM 和 SGLang,适用于 CPU 和 GPU 部署。

    推荐理由:该Drafter将LFM2.5-VL-3B端侧解码提速至多3.13倍且输出无损,为视觉模型在资源受限设备上提供了可复现的加速方案。

9月23日周三
  1. 爱诗科技 AIsphere78

    爱诗科技发布 PixVerse R2 实时世界模型,以双引擎架构实现通用实时扩展

    爱诗科技正式发布具备 Scaling 能力的通用实时世界模型 PixVerse R2,开放游戏、互动影视及数字人等体验。模型基于 Omni Causal AR 与 Real-Time Acceleration 双引擎架构,将模型能力扩展与实时推理加速解耦,在生成质量、长程一致性和多模态控制方面实现提升。用户可通过 Prompt 和键盘操作实时生成并交互,PixVerse R2 已开放使用。

    推荐理由:实时与通用解耦的双引擎架构,为持续扩展的实时世界模型提供了可验证路径。

  2. 百灵大模型80

    Ming-Image-0.1-Design 系列开源,支持UI生成与图层拆解

    百灵大模型开源Ming-Image-0.1-Design系列,包含6B参数的Design和Layer模型,支持从文字生成UI及将设计图拆成可编辑透明图层。该模型在Artificial Analysis UI/UX Design榜单位列开源第1,Layer在Crello-Test 12项指标中全部排名第一。

    推荐理由:6B模型将设计生成与图层编辑打通,读者可评估其在UI、海报等场景替代高参数量模型的可行性。

9月22日周二
  1. 阿里云85

    阿里云2026云栖大会:发布Qwen3.8-Max与真武V900,迈向机器智能时代

    阿里巴巴集团CEO吴泳铭在2026云栖大会演讲中提出机器思考总量未来将超过人类1000倍,并公布Qwen3.8-Max模型与真武V900 AI芯片。Qwen3.8-Max通过自主迭代完成33轮训练优化,在未知GPU上实现推理吞吐量提升96%;真武V900性能为前代3倍,支持扩展至50万卡的集群规模。

    推荐理由:吴泳铭提出机器思考总量将达人类1000倍,并同步发布Qwen3.8-Max与真武V900芯片,展示阿里在模型、芯片及云侧的全栈布局。

9月18日周五
  1. 阿里云百炼85

    阿里云百炼上线 Qwen3.8 Omni Flash 原生全模态模型

    阿里云百炼正式上线新一代原生全模态模型 Qwen3.8-Omni-Flash,该模型输入不再区分模态,全模态统一售价为 0.8 元/百万 Token。官方数据显示,新模型在 29 项音视频与 Agent 评测中平均性能较上一代提升超过 25%,并具备从音视频素材中主动定位关键片段、执行工具调用及沉淀可复用 Agent Skill 等完整任务流能力。

    推荐理由:原文明确列出全模态同价 0.8 元/百万 Token 的成本优势及主动取证和工具执行的 Agent 能力变化。

9月8日周二
  1. 阶跃星辰开放平台63

    阶跃星辰:智能路由实践与思考,Step Router V1 实现约15%能力提升

    阶跃星辰产品负责人陶炳哲在 AGNTCon + MCPCon China 2026 分享智能路由实践,指出路由对象应是“模型 + harness”组合。在自建 Benchmark 上,Step Router V1 带来约 15% 能力提升,开发者可通过 Step Plan 接入以平衡能力与成本。

    推荐理由:作者以产品负责人身份解析智能路由,通过成本分析与路径对比,为工程落地提供决策参考。

9月5日周六
  1. Anthropic (X)84

    Anthropic 宣布 Claude 完成费马大定理的首个形式化证明

    Anthropic 宣布 Claude 完成了费马大定理的首个形式化证明,这是有史以来最大的 Lean 证明,代码总量超过 1300 万行。该证明不仅验证了费马大定理本身,还确立了 29000 多个此前未被形式化的相关定理。完整证明已开源至 GitHub。

    推荐理由:原文宣布 Claude 完成了费马大定理的首个形式化证明,并给出代码行数等关键数据,展示了 AI 在数学验证领域的前沿应用。

9月4日周五
  1. 百灵大模型70

    蚂蚁集团开源金融增强模型 Ling-3.0-flash-Fin 与评测基准 FinFIRST

    蚂蚁集团正式开源金融增强模型 Ling-3.0-flash-Fin 及评测基准 FinFIRST。Ling-3.0-flash-Fin 采用混合专家架构,支持 256K 上下文,可部署于本地或私有云,支持工具调用。FinFIRST 基准包含 123 道由金融专家编写的任务,通过原子化评分核验信源与推导过程。

    推荐理由:提供了面向机构的本地化部署方案,以及可诊断推导过程的可追溯评测方法。

9月3日周四
  1. Google DeepMind73

    Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型

    Google DeepMind 发布 WeatherNext 3 模型,实现每小时更新、5 公里分辨率的全球天气预报。模型直接使用实时卫星数据,降水预报准确率提升最高 60%,并全面接入 Google Search、Gemini、Maps 及 Cloud 平台。

    推荐理由:模型在独立评测中显著提升了降水预报精度,并接入 Google 核心产品,提供高时空分辨率的每小时刷新数据。

9月1日周二
8月13日周四
  1. DeepSeek91

    DeepSeek V4 Pro 正式版上线

    DeepSeek V4 Pro 正式版上线,同步开放 APP、网页端与 API。Agent 能力显著提升,生产环境表现尤为突出。API 新增原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 与 V4-Flash 支持 low、high、max 三档思考强度。

    推荐理由:正式版的Agent能力增强和三档思考强度控制,让开发者在简单日常和高复杂度任务间有了更细的切换空间。

8月11日周二
6月9日周二
5月22日周五
  1. 智谱73

    智谱发布 GLM-5.1高速版API,输出速度达400 tokens/s

    智谱面向部分企业客户开放 GLM-5.1高速版API“GLM-5.1-highspeed”,模型输出速度达到400 tokens/s,在完整保留GLM-5.1旗舰能力的基础上实现了低延迟响应。

    推荐理由:原文通过实测对比展示了旗舰模型在保持能力前提下实现400 tokens/s低延迟的工程路径,为速度敏感场景提供了可参考的落地方案。

4月24日周五
  1. DeepSeek94

    DeepSeek-V4 预览版上线并开源,迈入百万上下文普惠时代

    DeepSeek-V4 预览版模型正式上线并同步开源,包含 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 两个版本。即日起登录官网或官方 App 即可使用 1M 超长上下文,API 服务同步更新,需将 model_name 修改为 deepseek-v4-pro 或 deepseek-v4-flash。

    推荐理由:预览版模型同步开源,给出了 API 调用入口和 1M 上下文标配说明,读者可以据此判断它在 Agent 场景中的具体部署方式。

12月3日周三
  1. Ahead of AI78

    DeepSeek V3.2 技术详解:架构、稀疏注意力与强化学习更新

    DeepSeek 发布开源旗舰模型 DeepSeek V3.2,架构基于 Multi-Head Latent Attention(MLA)并引入 DeepSeek Sparse Attention(DSA),将注意力计算复杂度从 O(L²) 降至 O(Lk)。

    推荐理由:详细拆解 DeepSeek V3.2 及 Math V2 的稀疏注意力与自验证训练技术,读者可据此理解其架构效率与性能提升机制。

12月1日周一
  1. DeepSeek93

    DeepSeek V3.2 正式版:强化 Agent 能力,融入思考推理

    DeepSeek 官方发布正式版 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 模型。官方网页端、App 和 API 均已更新为正式版 DeepSeek-V3.2;DeepSeek-V3.2 在公开的推理类 Benchmark 测试中达到了 GPT-5 的水平,并推出了首个将思考融入工具使用的模型。

    推荐理由:V3.2 将深度思考与工具调用结合并开源,Speciale 达到国际顶级竞赛人类前列水平。

8月7日周四
  1. Hugging Face Blog62

    Hugging Face TRL 新增视觉语言模型多模态对齐方法 MPO、GRPO 和 GSPO

    Hugging Face 在 TRL 中新增了针对视觉语言模型(VLM)的多模态对齐方法,包括混合偏好优化(MPO)、群组相对策略优化(GRPO)和群组序列策略优化(GSPO)。这些方法扩展了成对 DPO 的信号提取能力,并支持 RLOO 和 Online DPO。TRL 还集成了 vLLM 以支持在线对齐训练,并提供了原生 SFT 支持及演示笔记本。

    推荐理由:原文提供了MPO、GRPO和GSPO在视觉语言模型对齐中的具体实现方法,并给出了训练脚本与vLLM集成支持。

8月5日周二
  1. Hugging Face Blog86

    OpenAI 发布 GPT OSS 开源模型:117B 与 21B 两款 MoE 模型

    OpenAI 发布 GPT OSS 系列开源模型,包括 gpt-oss-120b(117B 参数)和 gpt-oss-20b(21B 参数)。两款均为 MoE 架构,采用 MXFP4 4-bit 量化;120B 模型可运行在单张 80GB H100 上,20B 模型仅需 16GB 显存。

    推荐理由:两个模型都采用 MoE 加 4-bit 量化,小模型 21B 可跑在 16GB 硬件上,Apache 2.0 许可让社区能直接复用与微调。