跳到正文

#推理

今日 3 条

今天 · 11月17日星期二 · 3 条

The Decoder

OpenAI 的 GPT-6 Astra 协助攻克标准模型格点化数学难题

OpenAI 的 GPT-6 Astra 协助完成一项证明,可能为粒子物理中延续 50 年的标准模型格点化难题提供解法。物理学家 Nathaniel Craig 提出通过比较逐步细化的格点修正重叠费米子相位,模型将其转化为可行构造并主导详细证明,成果已作为预印本发表。三位格点场论专家审阅并提出问题;Craig 表示,这项工作更像起点,距离实现现实物理模拟仍有大量工作。

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。

Hacker News 首页

Nvidia 在黄仁勋风波之前已面临竞争压力

Nvidia 在黄仁勋风波之前已面临芯片竞争、中国市场限制及 CUDA 生态壁垒受挑战的压力。文章称,Nvidia 占 AI 加速器销售额的 80 percent,AMD 的份额从 2022 年的 2 percent 升至 2026 年的 7–10 percent,Google、Amazon 和 Microsoft 也在开发自研芯片。

推荐理由:Nvidia 面临专用推理芯片与云厂商自研芯片的竞争,AI 辅助代码迁移又降低了转向其他硬件的门槛,削弱其软件生态的锁定作用。

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%。

OpenAI News

Nathaniel Craig 与 GPT‑6 Astra 向标准模型的格点定义迈进一步

Nathaniel Craig 在 GPT‑6 Astra 协助下提出标准模型的候选非微扰格点定义,并在 10 月预印本中给出构造。方法通过比较逐步细化格点上的费米子态确定相位规则,Astra 协助设计细化方案、论证收敛并主导详细证明的开发,外部专家参与审阅与提问。该构造适用于场强受限的有限格点间距,距离实际模拟仍有大量工作,有限间距下的反射正性及连续时空定义问题仍未解决。

11月15日星期日

Hacker News 首页

Forethought 研究:AI 数据中心真的会搬到太空吗?

Forethought 研究估计,轨道 AI 数据中心在 2030 年前不太可能占据显著算力份额,但若 Starship 开发按计划推进,可能在 3–5 年内具备成本竞争力。模型显示,发射成本降至约 $100/kg 并适度降低设备质量后,轨道数据中心总成本可接近地面方案,散热预计并非主要瓶颈。无法维修的芯片故障会增加配套硬件成本,星间带宽限制则可能使早期轨道算力主要用于推理。

The Decoder

Anthropic 称过时的提示词习惯拖慢 Claude Opus 5.5

Anthropic 建议 Claude Opus 5.5 用户删除“努力思考”等提示措辞,并从默认的 Medium 推理强度开始使用。公司称,内部测试中删除这些措辞后响应启动更快,质量没有可测量的下降;Opus 5.5 在 Medium 下的表现与 Opus 5 在 High 下相当。其他建议包括一次说明目标、输出格式和何时需要追问,直接附上图表或文件,以及具体指出不想要的设计样式。

推荐理由:Anthropic 将提示词调整归纳为明确终点、删除催促思考措辞和按需提高推理强度,让任务描述与模型的自适应推理机制相配合。

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

Google 展示 Antigravity /teamwork 推进科学研究与工程优化的成果

Google 与学术合作团队使用 Gemini 4 和 Antigravity /teamwork,在数学、形式化验证、分子结构发现及系统工程中取得多项研究成果。

推荐理由:Google 的 /teamwork 将并行探索与独立校验结合,并按任务隔离上下文,为长周期科研和工程任务提供可迁移的协作方法。

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。

Hacker News 首页

600 次实验后,Haddy Alchaer 发现 JEPA 世界模型 LeWM 的规划瓶颈

Haddy Alchaer 对 LeWM 进行了 600 次实验,找到四种无需额外训练的规划方法,将长时程任务成功率从 22% 提升至 85%。方法包括每隔 25 步设置子目标、为记忆图跨演示跳转增加代价、用变换后的演示补齐记忆,以及调整目标评分;在跨演示取起点与目标的更难测试中,最佳规划器成功率为 56%。

Dwarkesh Patel 播客

Dwarkesh Patel:数学领域的雪崩式进展将蔓延至 AI 研发

Dwarkesh Patel 预测 AI 将迅速逼近顶尖人类研究员水平,并以 2028 作为实现 AI 研发自动化的中位年份判断。他以数学能力进展及预训练、后训练、推理效率的可验证指标支撑这一预测,同时给出 25% 的概率认为该节点会推迟至 2032 之后。他对持续自我加速的软件奇点与受算力限制的短期加速各赋予 50% 概率,后者预计将把 3–6 年的 AI 进展压缩到 1 年内。

11月13日星期五

TechCrunch · AI

以色列风投认为 Nvidia 领导层危机给竞争者带来机会

黄仁勋辞职引发以色列科技界担忧,当地风投认为 Nvidia 的领导层危机可能给 AI 芯片和推理软件竞争者带来机会。Nvidia 在以色列雇用 6,000 人,当地关注继任者是否延续公司的投入承诺。受访投资人指出,决策放缓可能给竞争者留下空间,但若不确定性拖慢 AI 支出,市场机会也会缩小,竞争者仍需展示更好的经济性才能赢得业务。

推荐理由:以色列投资人指出,Nvidia领导层危机可能为芯片和推理软件竞争者打开窗口,同时也可能因AI支出放缓而缩小市场机会。

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。

TechCrunch · AI

Google Search 引入 Gemini 4 Hydrogen,改善复杂问题回答

Google Search 正通过新发布的 Gemini 4 Hydrogen 改善复杂问题理解与回答,更新正向全球所有搜索用户推出。Google 称,该模型能更好处理多部分问题、特定要求和难以理解的拼写错误,并在 AI Mode 中提供更有帮助的链接、图像、结构化回答、比较表格及自定义工具。

推荐理由:Google 将 Gemini 4 Hydrogen 接入搜索,让多部分问题和特定要求获得更精准的回应,并增加图像、比较表格等可视化答案。

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。

Google 博客 · Gemini

Google Search 接入 Gemini 4 Hydrogen,迎来重大升级

Google Search 接入 Gemini 4 Hydrogen,现已向全球所有用户开放,提升问题理解、检索和可视化回答能力。升级强化了指令遵循与工具调用,可处理多部分问题、难以辨认的拼写错误和具体请求,并通过并行检索相关子主题提供更广泛的链接。回答将包含更多图片、结构化内容、比较表格和定制工具,所有受支持的 AI Mode 语言也获得更细致的语言理解能力。

推荐理由:Google Search 面向全球用户升级搜索能力,通过并行检索相关子主题扩大链接覆盖,帮助用户发现此前可能未找到的网站。

The Decoder

OpenAI 数据提示,能力与计算成本优化正让前沿模型隐藏推理过程

OpenAI 安全团队的新分析指出,预训练能力、架构选择、强化学习和教师模型数据都会影响模型隐藏推理及操控 CoT 的能力。研究覆盖 GPT-5 至 GPT-6 Astra,发现更强的基础模型能在不输出推理链时完成更多推理步骤,较小模型通过更长推理链可匹配大模型的能力且更易监控,但会增加部署计算成本。

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

Hacker News 首页

Modelplane 推理工程指南:从平台运维到生产部署

Modelplane 的推理工程指南面向平台工程师,系统讲解模型与 GPU 的配合、生产部署及职业学习路径。指南涵盖权重与 KV cache 显存预算、prefill 与 decode 瓶颈、引擎优化、网关鉴权、可观测性和扩缩容,并强调用真实流量开展并发评测。

TechCrunch · AI

PSI 尝试将 AI 驱动的科学发现转化为商业业务

Physical Superintelligence(PSI)正以数据中心优化获取收入,并探索将 AI 驱动的理论物理突破转化为实际技术。其研究人员 David Turturean 使用提前获准访问的 Anthropic Fable 5.2,求解了提出已有18年的 Aaronson-Ambainis 猜想,结果经 Lean 自动形式化并交由相关研究者审阅。

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。

Google DeepMind

Google DeepMind 公布 AlphaProof Code,完成 Signal 核心密码代码的形式化验证

Google DeepMind 公布 AlphaProof Code 多 LLM 智能体框架,在四周内完成 Signal 协议核心密码代码关键安全属性的形式化验证。

推荐理由:Google DeepMind 将 Signal 的形式化验证从协议设计推进到实际代码层面,覆盖设计与实现之间容易隐藏漏洞的落差。

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。

Simon Willison

llm-anthropic 0.31 发布,支持 Fable 5.2 和 Mythos 5.2

Simon Willison 发布 llm-anthropic 0.31,加入 Anthropic 今天发布的 Fable 5.2 和 Mythos 5.2,支持通过 CLI 调用新模型。

推荐理由:Simon Willison 实测 Fable 5.2 的五档推理强度,max 耗尽 token 未生成图像,而前两版同档测试成功。

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。