跳到正文

#推理

今日 1 条

今天 · 11月17日星期二 · 1 条

The Decoder

阿里 Qwen4-Max 以更低价格迎战 Opus 5.5、GPT-6 和 Kimi K3.1 Pro

阿里发布旗舰模型 Qwen4-Max,采用混合注意力架构,支持原生图像处理和一百万 token 上下文窗口,面向工业、科学与金融任务。Artificial Analysis 测得其智能指数为 43,比 Qwen3.8-Max 高 9 点,单任务成本从 $10.02 降至 $3.27,但部分评测仍落后于竞争模型。

推荐理由:Qwen4-Max 在 Artificial Analysis 指数上比前代提高九点,单任务成本降至约三分之一。

昨天 · 11月16日星期一

Hacker News 首页

千问发布 Qwen4-Max,支持原生视觉与百万 token 上下文

千问发布 Qwen4-Max,采用 Qwen4 架构,具备原生视觉能力和百万 token 上下文窗口,现已在 QwenCloud 提供 Token Plan 与 API 接入。

推荐理由:Qwen4-Max在官方Work360评测中提高任务表现,并将平均单任务成本从$4.43降至$1.67,降幅为62%。

11月15日星期日

The Decoder

Gemini 4 Carbon 登顶 MathArena,成本约为 GPT-6.1 Sol 的15倍

Google 的 Gemini 4 Carbon 登顶数学基准 MathArena,超过 GPT-6.1 Sol,Claude Fable 5.2 位居第二。三者的预期表现分别为85.4% ±3.0%、80.6% ±2.7%和82.8% ±5.3%;测试所用推理设置下,Carbon 和 Fable 5.2 的成本分别约为 GPT-6.1 Sol 的15倍和40倍。

11月14日星期六

Hacker News 首页

Unsloth 更新 Qwen3.8-27B 量化版本,采用 Dynamic V3.1 算法

Unsloth 发布采用 Dynamic V3.1 预览算法的 Qwen3.8-27B GGUF,称多数基准在相同体积下准确率提升 5-10%。此次更新覆盖多数 2bit 至 6bit 量化版本,3bit 因提升不显著而保留旧版;智能体基准使用 256K 上下文,其余基准使用 128K。

11月13日星期五

The Verge · AI

Google 新模型 Gemini 4 Hydrogen 更擅长理解复杂问题

Google 表示,新模型 Gemini 4 Hydrogen 能拆解并逐项回答复杂问题,包括多部分问题、难以理解的拼写错误和高度具体的请求。

推荐理由:Google 将 Gemini 4 Hydrogen 设为 AI Mode 默认模型,复杂问题的分解回答与多子主题检索直接进入搜索体验。

The Decoder

Google 发布 Gemini 4 Hydrogen,评测表现超过推出不足四周的 Argon

Google 发布面向日常任务的 Gemini 4 Hydrogen,默认 high 思考级别在 Artificial Analysis Intelligence Index 上达到 51,超过 Gemini 4 Argon 的 50,xhigh 级别达到 54。

推荐理由:Google 新模型在独立评测中以较低价格接近同级竞品的智能水平,终端任务表现和高思考强度下的成本增幅构成具体差异。

Ars Technica · AI

Google 推出 Gemini 4 Hydrogen,替换 Gemini 3.8 Flash

Google 推出 Gemini 4 Hydrogen,即日起开放访问,并在旗下产品中替换 Gemini 3.8 Flash。模型提供 low、medium、high 和新增的 xhigh 四档思考等级;Google 称其 high 模式速度为 Flash 3.8 的 2.5 倍,虚构陈述减少超过 5 倍,Terminal-Bench 得分超过原模型的 3 倍。

推荐理由:Google 直接开放 Hydrogen 并替换 Flash,相比此前分阶段且限高价订阅的发布方式降低了接入门槛。

Hacker News 首页

Google 在 Antigravity 推出 Gemini 4 Hydrogen 与 Orchestrator

Google 今日在 Google Antigravity 推出 Gemini 4 Hydrogen,并新增 Orchestrator 选项,在同一任务中动态切换 Hydrogen 与 Gemini 4 Carbon。

推荐理由:Google 的 Orchestrator 在任务中动态切换规划与执行模型,在接近 Carbon 任务成功率的同时减少配额消耗并缩短完成时间。

Google 博客 · Gemini

Google 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流

Google 发布 Gemini 4 Hydrogen,即日起在 Gemini API、AI Studio、Gemini app 和 Google Search 等入口全球推出,主打快速编码与智能体执行。

推荐理由:Google将深度规划与快速执行分配给不同模型,自动切换在接近Carbon任务成功率的同时降低配额消耗并缩短完成时间。

11月12日星期四

The Decoder

Google 推出 Gemini Decision 1,单次可处理 1,000 个决策问题

Google DeepMind 推出 Gemini Decision 1 及 Gemini Decisions API,单次可处理最多 1,000 个独立的封闭式问题。

推荐理由:Google 将封闭式决策做成按输入计费的接口,单次批量处理与免输出 token 费用降低了此类任务的调用成本。

11月11日星期三

The Decoder

Google Gemini 4 Carbon 正式开放,快速模型迭代已带来新竞争

Google 在两周安全专家测试后正式开放 Gemini 4 Carbon,定位为 Gemini 4 Argon 的补充,面向复杂多步编码、调试和开放式科学研究。

推荐理由:Carbon 与 Argon 的 token 单价相同,更深推理和更长验证循环增加用量,使复杂任务的实际总成本可能更高。

Google DeepMind

Google DeepMind 开放 Gemini 4 Carbon,面向复杂编码、网络安全与科学推理

Google DeepMind 开放 Gemini 4 Carbon,面向开发者、企业、科学家和消费者,重点支持复杂知识工作、长程智能体工作流、网络安全与科学推理。

推荐理由:Google 将 Carbon 定位于复杂多步任务,与 Argon 采用相同入门价格,但会使用更多 token 进行深入探索和验证。

Google 博客 · Gemini

Google 开放 Gemini 4 Carbon,面向复杂智能体任务与科学推理

Google 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,重点支持复杂知识工作、智能体编码、网络安全和科学推理。Carbon 在 CursorBench 4.0、WANDR 和 AutomationBench 排名第 1,Google 称其每项任务成本比表现次优的外部模型低超过 2 倍。

推荐理由:Google 将 Carbon 与 Argon 设为相同入门价格,Carbon 使用更多 token 深入推理和验证以处理复杂多步任务。

11月10日星期二

Google DeepMind

Gemini Robotics 2.5 提升机器人现实场景中的通用灵巧性

Google DeepMind 推出视觉语言动作模型 Gemini Robotics 2.5,提升机器人技能学习速度、灵巧性和安全性,并向机器人合作伙伴逐步开放。

推荐理由:Google DeepMind 将 Gemini Robotics 2.5 用于汽车零件分拣试点,把机器人可靠性测试推进到实际生产线。

Latent Space

Anthropic IPO 路演启动,Claude Fable 5.2 重回大语言模型榜首

Anthropic 在周一启动 IPO 路演并发布 Claude Fable 5.2 与 Claude Mythos 5.2,Fable 5.2 在 Artificial Analysis Intelligence Index v5 以 65 分排名第一。

推荐理由:Fable 5.2 将每 token 价格降低 20%,GDPx 每任务成本却从 $67.16 升至 $88.15。

TechCrunch · AI

Anthropic 发布 Mythos 5.2 和 Fable 5.2,递归自我改进引发担忧

Anthropic 周一发布 Mythos 5.2 和 Fable 5.2,称其编码、推理、视觉及沟通能力有所提升。Fable 输入价格从每百万 token $10 降至 $8,各努力级别下响应速度提升 30%,并通过 Enterprise Frontier Safeguards 支持零数据保留(ZDR)政策。

推荐理由:Anthropic 将 Fable 的输入价格从每百万 token $10 降至 $8,使 Fable 5.2 比主要竞品 GPT-6 Astra 更便宜。

Hacker News 首页

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,称其编码、推理和视觉能力提升,输出速度较 5.1 版本最高加快 30%。

推荐理由:Anthropic 为同一底层模型设置不同安全防护与准入条件,通用用户与网络安全、生物医学研究机构获得的任务权限存在明确差异。

The Verge · AI

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

Anthropic 宣布 Claude Fable 5.2 和 Claude Mythos 5.2,称其编码、推理和视觉能力提升,输出速度快于 5.1 版本。公司称预发布测试中,两款模型协助完成软件迁移、从零设计出 3 个可工作的电子设备、解决 2 个黑洞物理开放问题,并在 30 小时内形式化费马大定理的证明。

推荐理由:Anthropic 为两款新模型设置了不同开放范围,Fable 今日上线而 Mythos 初期仅向经审核组织开放。

11月8日星期日

11月7日星期六

11月6日星期五

Latent Space

Thinking Machines 发布 Inkling 2 Small:68 小时预训练,网页开发评测领先 Muse Spark Open

Thinking Machines 发布 Inkling 2 Small,这款 594B 总参数、17B 活跃参数的多模态 MoE 已在 Tinker 提供微调和推理。

推荐理由:Inkling 2 Small 在人工智能评测中的能力提升伴随更高输出 token 消耗,低单价使其单任务成本仍低于对比模型。

Hacker News 首页

Village 评测显示闭源 AI 模型占据价格性能前沿

Village 的 LLM Atlas 评测显示,闭源模型占据几乎所有预算档位的价格性能前沿,开源权重模型的最优占比从六月的41%降至3%。GPT-6 Luna、GPT-6.1 Terra 和 Claude Haiku 5.5 覆盖了开源模型此前领先的预算区间,开源模型目前主要在最低价区间占优。

Hacker News 首页

腾讯发布 Hy4,新增视觉理解与计算机操作能力,计划开放模型权重

腾讯发布新一代大语言模型 Hy4,新增视觉理解和计算机操作能力,并计划在未来几天发布模型权重与系统卡。模型加强了指令遵循、长上下文理解及长周期智能体任务能力,目前已接入 WorkBuddy、CodeBuddy、腾讯云 TokenHub 等产品。

推荐理由:腾讯为 Hy4 增加视觉理解与计算机操作能力,并保持 Hy4 Preview 的定价,扩展任务范围未伴随标准调用价格上调。

11月5日星期四

Hacker News 首页

百度发布 ERNIE-5.5-Flash-Base,280B 总参数、14B 激活参数

百度发布 ERNIE-5.5-Flash-Base 基础模型权重,采用稀疏 MoE 架构,总参数为 280B,每个 token 激活 14B 参数。模型从零预训练使用 33.5T tokens,训练上下文扩展至 128K,支持微调和推理时的 1M-token 上下文,发布检查点未经中期训练或后训练。

11月4日星期三

Simon Willison

实测 Qwen 3.8 27B:笔记本上也能解读模型权重

Simon Willison 在笔记本上运行 Qwen 3.8 27B,仅凭原始权重、无工具调用,成功识别三个游戏网络的用途。模型识别 Pac-Man、Pong 和 Breakout 分别耗时 46m 12s、1h 4m 54s 和 52m 25s,将 Freeway 误判为类似 Pac-Man 的游戏。

10月30日星期五

10月29日星期四

Mistral AI

Mistral Large 4(Le Chonk)提升编码与防御安全能力

Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的开放权重,这款 1-trillion-parameter 原生多模态模型提升了编码、防御性网络安全与推理效率。

推荐理由:Mistral Large 4 开放权重并允许自托管与定制,经营模型即服务的企业须另获商业许可,自主部署与商业使用的授权边界明确。

Hacker News 首页

Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5

Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 获得 59 分,排名第一,编码智能体指数排名第二。

推荐理由:Artificial Analysis 将 Gemini 4 Carbon 与同类模型比较,其单任务成本低于 Claude Opus 5.5。

Google 博客 · Gemini

Google 发布 Gemini 4 Carbon,提升网络安全与长周期任务能力

Google 宣布 Gemini 4 Carbon,重点提升网络安全防御、编码和长周期智能体任务能力。在未启用防护措施的外部评测中,其漏洞发现、漏洞利用和修复成绩分别为 SEC-bench Pro 88.2%、ExploitGym 54.8% 和 CWE-bench 71.0%。

推荐理由:Google 为 Gemini 4 Carbon 沿用前代入门价格,并报告安全代码生成成功率较前代提升超过 2x。

10月27日星期二

The Decoder

OpenAI 发布 GPT-6.1 Terra,API 降价并缩小与更大模型的性能差距

OpenAI 发布 GPT-6.1 Terra,降低 API 价格,并在推理、编码和计算机控制评测中提升表现。输入与输出价格分别为每百万 token $1 和 $5,前代 GPT-5.6 Terra 为 $2 和 $12;Artificial Analysis 测得其最高推理强度下智能指数提升6点,每任务成本从$1.40降至$0.40。

推荐理由:GPT-6.1 Terra 在独立评测中比前代智能指数高出6点,每任务成本从$1.40降至$0.40。

Hacker News 首页

GPT-6.1 Terra 支持图像理解、应用屏幕操作与文本撰写

GPT-6.1 Terra 可将产品照片匹配到目录条目、解读技术图纸、操作应用屏幕,以及起草和修改文本。reasoning.effort 支持 none、low、medium(默认)、high、xhigh 和 max。工具调用要求使用 Responses API,提示词与迁移指导见 GPT-6 指南。

AI HOT · 模型

Artificial Analysis 评测 GPT-6.1 Terra:以不到前代三分之一的任务成本提升智能表现

Artificial Analysis 评测显示,GPT-6.1 Terra 在最高推理强度下的智能指数比 GPT-5.6 Terra 高 6 点,单任务成本由 $1.40 降至 $0.40。

推荐理由:GPT-6.1 Terra 在低和中等推理强度下处于智能与成本的帕累托前沿,最高强度的单任务成本低于前代三分之一。