跳到正文
推理能力

技术方向

推理能力 最新动态

让大模型先想再答的能力:思维链、推理模型,数学与逻辑评测上的突破和争议。

8 条精选近 30 天 7 条共收录 70 条

更新

推理能力的精选

今天11月16日周一第 1–8 条
  1. 模型发布·Qwen (@Alibaba_Qwen)官方

    Qwen 发布 Qwen4-Max,新 MoE 架构配 1M-token 上下文

    阿里云 Qwen 发布 Qwen4-Max,基于新 MoE 架构,原生支持视觉,上下文窗口为 1M-token。官方内部评测显示其比 Qwen3.8-Max 最多少用约 50% token,单任务平均成本下降超 60%。API 已在 QwenCloud 上线,输入 $1.5/M tokens、输出 $4.5/M tokens、隐式缓存 $0.075/M tokens,隐式缓存价格较 Qwen3.8-Max 降 70%。

  2. 模型发布·Qwen (@Alibaba_Qwen)官方

    阿里发布Qwen4 Max,智能指数43分超Qwen3.8 Max 9分

    阿里发布Qwen4 Max,在Artificial Analysis智能指数(xhigh推理档)得43分,比Qwen3.8 Max高9分,比Kimi K3.1 Pro低3分。每任务成本$3.27,约为Qwen3.8 Max($10.02)的三分之一,比Kimi K3.1 Pro($3.68)低约11%,每任务输出token约105k,比Qwen3.8 Max少39%。模型支持1M tokens上下文和文本、图像输入,首方API定价$1.50/$4.50每1M输入输出tokens,缓存命中$0.075。

11月14日周六
  1. 智能体·Google Research Blog官方

    Google 在 Antigravity 开放 /teamwork 多智能体工具

    Google 在 Antigravity 中向外部研究者与开发者开放 /teamwork 多智能体工具,可与 Gemini 4 Argon、Carbon、Hydrogen 及 /boost、Deep Review 配合使用。官方称该工具已在信息论、形式化验证、分子结构解析和内核优化上产出成果,例如 /teamwork-LEAP 自主生成约 180 万行 Lean 的 Weil 猜想形式化。Google 同时开放 1 万名学术研究者六个月的免费高用量档申请,并称后续会把形式化证明模式等更多工作流带入 Antigravity。

11月10日周二
  1. 模型发布·Simon Willison

    Meta AI 发布小模型 Muse Ember,主打智能体重复任务

    Meta AI 发布 Muse Ember,称其为自家最小、最高效的模型,面向复杂推理执行和智能体重复工作,包括工具调用、编码子任务、路由、抽取和长文档解析。短提示词下它与 GPT-6 Luna、Claude Haiku 5.5 同价,均为每百万输入 token $0.10、输出 $0.50;超过 200k 输入 token 后涨至 $0.30/$1.50,介于另外两家之间。Simon Willison 用六档推理级别各生成一张骑自行车鹈鹕 SVG,发现 high 档未返回完整 SVG,且推理级别与画面质量没有清晰对应。

  2. 模型发布·Latent Space

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,重夺模型榜首

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,称两者在多数评测能力上超过 Opus 5.5,并重夺世界第一模型位置。Fable 5.2 定价为每百万输入 token $8、输出 token $40,比 Fable 5.1 的 $10/$50 低 20%,但 SemiAnalysis 的 GDPx 基准上单任务成本从 $67.16 升至 $88.15,因其会生成数百到数千个测试用例并调用子智能体自查。Artificial Analysis 智能指数 v5 中 Fable 5.2 以 65 分居首,Gemini 4 Carbon 60 分、Opus 5.5 59 分;多个评测显示 max 档表现反而不如 high 档。

  3. 产品与应用·Hugging Face Blog官方

    Hugging Face 介绍决策模型及 Transformers 的 DecisionPipeline 支持

    Hugging Face 发文介绍决策模型,并说明 Transformers 已支持 DecisionPipeline、AutoModelForDecision 和 DecisionConfig,模型接收 state 与 questions,直接返回 choice、score、noul 三类带概率的结构化决策,不生成文本。llama.cpp 也支持同一 /v1/systemone 接口,Hub 新增专用标签用于发现这类模型。作者称 TRL 的一等训练支持仍在 PR 阶段,Unsloth 已给出用 LoRA 加决策打分头把生成式 LLM 改造成决策模型的方案。

10月22日周四
  1. 论文与研究·Microsoft Research官方

    微软研究员证明31年悬置的KLS猜想

    微软研究院张新智与合著者证明悬置31年的KLS猜想,给出与维度无关的固定界。此前2026年7月的最好结果中该界仍随维度缓慢增长。证明来自人类引导的智能体流程,探索超100条候选路径,AI负责推导与内部校验,研究者决定方向并验证;同日另有团队独立给出完整证明,随后发布Lean 4形式化验证。

9月9日周三
  1. 论文与研究·Ahead of AI

    Raschka 解读 GPT-6 Astra 与循环 Transformer 的推理争议

    Sebastian Raschka 结合 GPT-6 Astra 的基准表现,梳理循环 Transformer 的复用机制,并回应其隐藏思维链的传闻。他指出 Astra 在 ARC-AGI-3 达 99.9%,但 Artificial Analysis 综合指数上并未大幅领先;The Information 所称的循环深度尚无官方确认,OpenAI 首席科学家称前沿模型计算图深度在 GPT-4 的两倍以内。他认为更短的推理轨迹更可能来自模型能力提升,而非循环架构刻意遮蔽。