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。
彭博这条快讯只给了标题，正文被付费墙挡住了。标题说 DeepSeek 创始人公开把 AGI（通用人工智能）设为目标，并且公司正在推进一轮 100 亿美元的融资。但创始人具体怎么说的、钱从哪来、谁领投、估值多少、钱打算怎么花，这些关键信息正文都没披露。100 亿这个数字放在 AI 创业公司里非常夸张，如果是真的，说明资本市场对 DeepSeek 的预期已...
推荐理由：标题信息量不小，但正文基本是空壳，没给出创始人原话、融资细节或任何时间线。我会先打个折：这条消息的传播价值在于 DeepSeek 把 AGI 目标和巨额融资同时抛出来，信号很强，但事实支撑很弱。Bloomberg 的稿子只给了标题级事实，投资人是谁、钱怎么花、估值多少全没写，所以重要性停在 86 分是合理的，不能再往上拉。
Meta AI 和港中文的研究者搞了个叫 ATLAS 的方法，核心是在视觉语言模型里塞一个“功能词”（Functional Token），让模型能同时走两条路：一条是显式的、一步步调用工具去操作图像（Agentic 推理），另一条是隐式的、在内部潜空间里直接算（Latent 推理）。他们配套搞了个 ATLAS-178K 数据集，分两阶段训练——先做监督...
推荐理由：我会先打个折：这是 Meta AI 和港中文联合发的研究，不是产品发布或旗舰模型，所以重要性给到 78 分比较合适。一个 Functional Token 搞定视觉推理这个 hook 确实抓人，正文也给了数据集和训练方法的细节，对做多模态和 agent 的团队有参考价值。但正文没披露实际部署成本或大规模验证结果，这点先别太激动。
GPT-5 否证了 Erdős 在 1946 年提出的平面单位距离猜想。这个猜想说平面上 n 个点最多只能有约 n 对距离为 1 的点，80 年里数学家都信这个。模型没走证明路线，而是直接构造反例，用上了代数数论里跟几何八竿子打不着的工具，把单位距离对的数量推到了 n 的 1.014 次方。Fields 奖得主 Tim Gowers 审完证明说，如果是...
推荐理由：我会先打个折，因为正文没给论文、没给证明过程、也没说复现条件，信息缺口不小。但一个没专门练过数学的通用模型，推翻了一个 80 年没人动得了的 Erdős 猜想，还有 Fields 奖得主背书说能投顶刊——这个事实本身分量很重，属于当天就该推的消息。HKR 三项全中，重要性给 90 是合理的，再高就需要更多证据了。
NVIDIA 在 COMPUTEX 2026 上靠 Vera Rubin NVL72、Jetson Thor 和 Alpamayo 拿了四个 Best Choice 奖。Vera Rubin NVL72 把 36 颗 Vera CPU 和 72 颗 Rubin GPU 连在一起，NVIDIA 说它每瓦推理性能是上代的 10 倍，每个 token 的成本...
推荐理由：我会先打个折：这是 NVIDIA 自己活动博客发的，不是第三方实测，10 倍能效得看什么负载、跟谁比。但 Vera Rubin NVL72 的规格和能效数字本身够硬，对算力成本和采购节奏有直接参考价值，所以给 featured。正文没披露具体基准测试条件和上市时间，这点先别太激动。
Sapientinc 开源了一个叫 HRM-Text 1B Base 的小模型，连训练代码也一起放出来了。论文里的说法是，它的性能可以和 2B 到 7B 的开源模型掰手腕，但训练用的数据量只有别人的百分之一到九百分之一，算力消耗更是只有别人的 1/96 到 1/432。具体来说，用 16 块 H100 GPU 训练了大概 46 小时，总花费约 1,47...
推荐理由：HKR 三项都站得住：HRM-Text 1B 有具体的低成本训练数字和公开代码。卡在 80 分是因为消息源是 Reddit，效率提升的说法还没有独立评测背书，我会先打个折。
OpenAI 公布了一个内部通用推理模型（外界猜是 GPT 5.6）的成果：它找到了平面单位距离问题的新构造族，推翻了 1946 年 Erdős 提出的一个猜想。这个模型不是专门为数学训练的，就是普通的语言模型，但推理过程生成了约 125 页的总结。有外部观察者推测，这次运行只用了不到 32 小时，成本不到 1000 美元。数学家 Timothy Go...
推荐理由：HKR 三项都成立：一个内部推理模型声称驳倒了 1946 年的 Erdős 问题，输出约 125 页，这是很强的能力信号。不过成本和运行时间目前还是外部推测，正文没披露 OpenAI 自己的官方数字，所以分数没给到 95。
OpenAI 的一个模型独立解决了 1946 年埃尔德什提出的“平面单位距离问题”。这道题近 80 年来大家一直觉得最优解长得像方格子，但模型搬出了代数数论里比较冷门的 Golod-Shafarevich 理论，找到了一整族效率更高的新构造，把老结论推翻了。这是 AI 头一回自己搞定一个数学核心开放问题，关键就在于它提出并完整执行了一条人类因为直觉上觉...
推荐理由：我会先打个折：目前只有一段摘要，没给模型名、没论文链接、没复现细节，也没第三方验证，所以别急着当定论。好消息是它把问题说得很具体——1946 年平面单位距离问题，还用 Golod-Shafarevich 理论给了一族更高效率的构造，说明不是随便蒙对的。对做推理方向的团队来说，这至少是个强信号，但正文没披露用了多少算力、有没有人工提示工程介入，这点先别太激动。
OpenAI 声称他们的新推理模型推翻了一个自 1946 年悬而未决的几何猜想。七个月前他们刚因为类似宣称翻过车——当时说 GPT-5 解决了 10 个未解难题，结果被扒出只是找到了文献里已有的答案，前副总裁 Kevin Weil 只好删帖。这次不一样的地方在于，上次揭穿他们的数学家这回站到了 OpenAI 这边。不过正文没披露模型名字、证明细节和验证...
推荐理由：HKR 三项全中：OpenAI 加一个 80 年历史的几何猜想，是个可验证的硬核推理声明。但正文没给模型名、没给证明细节、也没说怎么验证的，所以先别太激动，暂时到不了 P1。
今天最炸裂的消息是 Karpathy 宣布加入 Anthropic 预训练团队。群友分析，他先后拒绝回 Tesla 和加入导师的 world model 项目，唯独选了这里，说明大语言模型可能真要有新突破了。另一件大事是 Anthropic 收购 Stainless 后直接关停其托管服务，切断了 OpenAI 的 SDK 同步管道，群友把这叫“基础设施...
推荐理由：这是群聊日报的二手消息汇总，没有给出原始链接、具体任命细节或产品参数。Karpathy 去 Anthropic 这事我会先打个折，等官方确认再激动。Gemini 3.5 Flash 和 100 美元订阅档位正文没披露性能数据和权益清单，只能当个风向标看。整体信息量够上推荐，但可信度和细节都偏弱，所以放在 featured 的低分段。
OpenAI 发了一篇博文，说他们内部一个通用推理模型自己解决了一道叫“平面单位距离问题”的数学难题，推翻了大家信了几十年的主流猜想。这道题是 Erdős 在 1946 年提出的，简单说就是平面上放 n 个点，最多能有多少对点距离刚好是 1。之前学界普遍认为正方形网格那种摆法已经接近最优了，但这个模型给出了一族新构造，把单位距离对的数量往上提了一个多项...
推荐理由：我会先打个折：正文没披露模型名称、证明机制和可复现条件，所以没法给更高分。但 OpenAI 模型推翻 80 年几何猜想这件事本身够新、够具体，也够有争议性，HKR 三项全中，85 分放在 P1 合理。
谷歌上线了一个基于 Gemini 3.5 的新搜索框，把之前的 AI Overviews 和 AI Mode 合并成一个入口。你可以打字、传图片、丢文件或发视频，搜索会跨这些格式一起理解你的问题。支持多轮对话，回答会结合上下文更贴近你。桌面和手机端全球同步上线，正文没披露具体延迟和成本数据。
推荐理由：谷歌搜索这次更新，等于把 AI 对话直接嵌进了搜索框，支持文字、图片、文件、视频混着问，还能多轮追问。底层是 Gemini 3.5，把之前的 AI Overviews 和新的 AI Mode 整合在一起，桌面和移动端都上了。对做搜索、做内容、做 AI 产品的人来说，这意味着谷歌的流量分发逻辑在变，跟 Perplexity 那种 AI 搜索的竞争也更直接。不过原文信息偏薄，没写具体交互细节、覆盖地区有没有限制、实际回答质量怎么样，所以重要性我给 86，先别往 90 以上冲。
Gemini Omni 不只是生成画面，它会判断场景里接下来该发生什么——比如物体掉落、碰撞这类物理规律，同时结合历史、科学和文化知识来构建内容。视频生成功能今天起向全球 Google AI Plus、Pro 和 Ultra 订阅用户开放，可以在 Gemini 应用、Google Flow 和 YouTube Shorts 里用。正文没披露推理的具体技...
推荐理由：我会先打个折：正文只给了发布和接入渠道，没放任何物理推理的测试案例、视频生成的质量对比或具体定价，所以信息密度其实偏薄。但“物理推理+视频生成”这个标签本身够硬，加上直接打通 YouTube Shorts，对关注多模态生成和平台竞争的从业者来说是个明确的信号。基于现有信息，放在 85–94 这个区间偏低的位置是合理的，等有实测数据再往上调。
Google AI 开发者账号宣布了 Gemini 3.5 模型家族，强调它把推理和执行能力合在一起，目标是让模型直接进业务流程干活。但正文没披露参数量、跑分、价格、上下文窗口和具体上线时间，也没说跟上一代比到底强在哪。这点先别太激动，等有实测数据再看。
推荐理由：H 和 R 都站得住：官方发新模型家族，关注度够高，也会刺激大家去比参数、比价格。但 K 确实不行，整篇公告除了名字什么都没给，没法做技术判断，所以总分拉不到 85 以上。
Google 在 I/O 2026 上展示了重新设计的搜索框，底层用 Gemini 3.5 Flash 驱动，把顶部的 AI 摘要和聊天式搜索体验打通了。产品 VP Robby Stein 说，以后你用自然语言提问，基本都能稳定触发 AI 摘要。新搜索框能自动扩展开来承接长问题，还会用 AI 补全你的提问。不过正文没披露具体什么时候推全量，这点先别太激动。
推荐理由：我会先打个折：正文没写上线时间，也没给灰度范围，所以重要性停在 86 分。但这件事本身够硬——Google 把搜索框从关键词匹配改成 Gemini 3.5 Flash 驱动的对话入口，AI Overviews 和 AI Mode 不再各自为战，而是同一个模型在背后调度。对做搜索优化、内容分发和 AI 产品的人来说，这意味着流量路径可能被重新画一遍。这点先别太激动，毕竟没上线日期，但值得现在就盯着。
Google 推出了 Gemini 3.5 Flash，官方说法是它在快速、高效完成任务上目前最强。定位是处理日常任务和多步骤创意项目，强调能应对现实世界的复杂情况。不过正文没披露价格、上下文窗口大小、跑分成绩和 API 可用条件，这些关键信息得等后续公布。
推荐理由：H 和 R 都过，因为这是 Google 新发的 Flash 模型，天然跟推理成本和延迟绑在一起。K 没过：正文没给价格、上下文窗口、基准分数，也没说 API 什么时候能用、有什么条件，所以分数只能压在 78–84 这个区间。我会先打个折，等具体数字出来再重新判断。
Karpathy 这周已经入职，在 Nick Joseph 的团队做预训练——就是那种烧钱烧算力的大规模训练，用来给 Claude 打知识基础和核心能力。他之前在 OpenAI 是联合创始人，也管过特斯拉的 AI。目前公告没提他的具体职位、汇报线和合同细节，只说了他会在 X 上发帖表示看好接下来几年大模型前沿的研发。
推荐理由：HKR 三项全中：Karpathy 的 OpenAI 身份、Anthropic 预训练岗位、Claude 级别的大规模训练工作，让这条消息成了当天的人才战争故事。不过正文没披露职级、汇报线和加入时间，这些信息缺口我先标出来，别把这条当成全面的人事变动分析。
Andrej Karpathy 在 X 上宣布自己加入了 Anthropic，要重新做前沿大模型研究。他之前是 OpenAI 早期核心成员，也主导过特斯拉 Autopilot，2024 年彻底离开 OpenAI 后去做了 AI 教育创业项目 Eureka Labs。这次选 Anthropic 而不是老东家，对 OpenAI 来说算是一次明显的人才流失。...
推荐理由：Karpathy 加入 Anthropic 是前沿实验室一次高信号的人事变动。正文只确认了他入职，没写团队、职级和研究方向，信息缺口明显，所以分数卡在 85 这一档的低位。我会先打个折：别脑补他具体在做什么，但光凭他选 Anthropic 而不是回 OpenAI，就够圈内讨论一阵了。
Sapient Intelligence 开源了一个 10 亿参数的小模型 HRM-Text 1B，用 16 张 GPU 跑了 1.9 天，喂了 400 亿个 token，总花费大概 1000 美元。他们自己测的榜单显示，这个 1B 模型在 MATH 数学题上拿了 56.2 分，在 DROP 阅读理解上拿了 82.2 分，两项都压过了 Meta 的 L...
推荐理由：我会先打个折：独立评测还没做完，MATH 56.2 和 DROP 82.2 都是自报分数，别急着全信。但 1000 美元预训练一个 1B 模型这件事本身就有信息量——它说明小团队也能用很少的算力做出能打的模型，对预算有限的开发者是个实在信号。正文没披露数据配比和消融实验，所以没法判断这 40B tokens 的质量到底多高。分数先按 78 给，等第三方跑完基准再考虑往上调。
AI21 Labs裁员60%并停止独立销售模型，文章判断纯卖模型访问权限这条路已经走不通了——token价格两年跌了100倍，过去16个月里有六家独立模型公司以几乎相同的方式被大厂吸收。Meta内部文件也曝出要裁10%约8000人，同时强征7000人转AI岗。滑铁卢大学一篇论文测出GPT-5.4在注入虚假同伴共识后，准确率从100%掉到23%，模型内部...
推荐理由：我会先打个折：来源是群聊日报，不是官方公告或论文，所以细节可能不全。但两条信息都直接给数字——AI21 砍掉六成人、不再卖模型，说明这家实验室在收缩；GPT-5.4 被注入虚假同伴共识后准确率从全对掉到只剩两成多，暴露了模型在群体压力下的脆弱。这两件事放在一起，既有行业动态又有安全风险，对从业者来说值得扫一眼。
这篇推文本身因为环境异常没加载出正文，我只能根据标题和外部信息给你还原一下。京东和中科院信工所联合发了三篇论文，核心思路叫 Self-Taught RLVR，也就是让模型在强化学习里自己生成训练信号、自己教自己，省掉人工标注或外部奖励模型。其中一篇叫 RLSD 的工作，在 Qwen3-VL-8B-Instruct 上只训了 200 步，就在 8 个基准...
推荐理由：我会先打个折：这不是哪个大厂发了新模型，而是京东和中科院信工所连着放了三篇论文，把 Self-Taught RLVR 这条路线从不同角度拆了一遍。亮点在 RLSD，它让模型自己生成推理步骤、自己打分、自己迭代，200 步就超过 GRPO 跑 400 步，等于训练量砍半还能赢，对算力吃紧的团队是个好消息。不过正文没披露复现需要多少卡、数据怎么配，这点先别太激动。整体属于有干货、有对比、但热度还没起来的阶段，放 featured 低位合适。