跳到正文

推理能力

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。

最新精选

第 1–20 条 · 共 696 条

今天 · 11月17日星期二

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%。

11月15日星期日

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。

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。

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。

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。

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。