技术方向
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。
11 条精选近 30 天 10 条共收录 33 条
Mistral AI 正式开源 1 万亿参数原生多模态旗舰模型 Mistral Large 4（Le Chonk）的模型权重。该版本强化了强化学习训练，在 FrontierCode 2.0 和 Terminal-Bench 4.0 等编码与终端基准测试中位居开源模型前列，并新增 Low、Medium、High 三种推理模式以平衡性能与推理成本。
推荐理由：原文提供了各推理模式与基准表现，开发者可据此评估其在高性价比编程智能体中的落地可行性。
OpenAI 与 Anthropic 相继宣布其前沿模型找到了推翻指数时间假说（ETH）的算法证明，表明特定计算难题可能在亚指数时间内求解。MIT 理论计算机科学家 Ryan Williams 正联合同行评估证明细节并呼吁确立 AI 参与科研的学术规范。若该结论成立将大幅增加 P 等于 NP 的可能性，不过经 OpenAI 核查，当前进展尚未破坏现有密码系统的安全性。
推荐理由：文章梳理了指数时间假说与 P vs NP 的理论关联，有助于理解 AI 解决复杂算法难题对计算理论与密码学的潜在影响。
OpenAI 邀请多位外部知名学者对其 AI 系统在数学、计算机科学和物理学领域生成的证明进行独立审查。相关成果包括宣称证伪指数时间假设（ETH）、在任意维度证明局部平滑猜想，以及在四维空间证明特定量子场论的存在性。针对不同学科，OpenAI 采取了差异化处理方式，部分证明已转化为 Lean 语言供形式化验证，并公开了原始数据以供同行评议。
推荐理由：原文披露了外部顶尖专家介入检验的具体分工和数据公开方式，可作为观察前沿 AI 理论成果如何接受同行评审的实际参考。
OpenAI 发布 GPT-6.1 Terra，API 价格是 GPT-5.6 Terra 的一半，输入每百万 token 1 美元、输出 5 美元，缓存输入降至每百万 token 0.05 美元。
推荐理由：以 API 价格减半和每任务成本对比为主线，读者可据此判断中端模型在成本与能力间的取舍。
DeepSeek 开源了支撑 V4.1 Flash 的生产推理框架 DeepInfer，并发布配套的 deepseek-recipe 协议转换库，支持 NVIDIA SM100 与华为昇腾 950，KV cache 管理和负载均衡等组件因与内部基础设施耦合暂未完整放出。
推荐理由：材料把 DeepSeek 开源推理栈的架构设计与经济测算放在一起，读者可据 vLLM 的对比视角判断其可复用程度。
Mistral AI 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸。最大的 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中均排名第一，参数量为前 SOTA 的三分之二。
推荐理由：原文给出了四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于横向比较时间序列基础模型的准确率与成本。
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同期扩大 Fairwind Program 的可信网络安全防御者范围。文中称 Argon 在网络安全测试中解出全部 12 个端到端模拟攻击场景（上一代为 5 个），并在生物、网络两类高风险领域启用新一代前沿防护。
推荐理由：Google 披露 Gemini 4 Argon 在网络安全与生物领域的前沿能力及对应防护设计，可了解模型能力扩张时的安全取舍。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 物理推理基准的得分，并用机器人控制、Real2Sim 等多组提示词展示能力边界。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出多领域实测与定价细节，可据此判断新模型在编码、科研和企业工作流中的具体位置。
Mistral 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 试用预览 API，权重将于本月底放出。
推荐理由：官方给出 1 万亿参数、520 亿激活的开源权重路线与多项基准对手对比，便于判断开放权重阵营的位置。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续将面向开发者、企业和消费者推出，起步定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：原文给出了模型在编码迁移、网络安全和企业知识工作上的具体内部用例与基准成绩，并说明了分阶段开放的节奏。