AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：推理模型×
6月10日
11:56
09:27
08:14
07:14
07:14orange.ai@oran_ge
88°
Claude Fable 5 今日正式发布，基于 Mythos 底座并新增安全护栏，是自 Claude 4.5 以来最重大的模型升级。该模型在软件工程、知识工作、视觉识别和科学研究等几乎所有基准测试中均处于顶尖水平，任务越复杂优势越明显。Andrej Kapathy 评价其能“解放思想”，用户可交付更大任务而无需检查代码。价格方面，输入 10 美元、输出 50 美元、缓存输入 1 美元，长文本场景下单句可能花费 10 美元，需注意配额。Claude Fable 5 将以原价在 Cola 平台上线供体验。
AI模型Claude Fable 5Mythos安全护栏推理模型编程助手
推荐理由：Fable 5 解决了复杂长任务执行中的模型能力瓶颈，做 AI 开发或重度使用的团队可以直接体验，感受“解放思想”的编程体验——但记得先设好预算配额。
原文
06:49
06:17
06:12
03:27
03:27Andrej Karpathy@karpathy
91°
Andrej Karpathy 在 X 上发文称，Claude Fable 5 是与 Mythos 同底层模型但增加了安全护栏的版本。他认为这是自 Claude 4.5 以来又一次重大版本跃升，尤其在长时复杂问题求解上表现惊艳。模型能理解更宏大的任务并自主推进，让人几乎不想再盯着代码。Karpathy 指出模型仍有小毛病，安全护栏在发布初期可能过于敏感，但整体上感觉软件开发正变得像水龙头一样即开即用。他预测杰文斯悖论将生效，自己对软件的需求会大幅增长。
AI模型Claude Fable 5推理模型编程助手Karpathy安全护栏
推荐理由：Karpathy 的实测感受比任何跑分都有说服力——Claude Fable 5 让复杂编程任务变得像对话一样自然，做 AI 应用或深度编程的开发者值得亲自体验这种“放手让模型干”的新感觉。
原文
03:17
03:12
03:12Aadit Sheth@aaditsh
91°
Anthropic 今日推出新模型 Claude Fable 5，属于 Mythos 级别，性能超越此前所有通用模型。Stripe 用它一天内完成了 5000 万行 Ruby 代码的全库迁移，而人工需要两个月。该模型仅凭屏幕截图就通关了《宝可梦 火红》，无需地图或导航工具。在药物设计中，它为 14 个蛋白靶点中的 9 个设计了候选分子，其中一项科学假设被独立实验室证实。定价为每百万输入 token 10 美元、每百万输出 token 50 美元，不到前代顶级模型的一半。
AI模型Claude Fable 5Anthropic代码迁移药物设计推理模型
推荐理由：Claude Fable 5 在代码迁移、游戏通关和药物设计上展示了惊人的自主能力，且价格大幅降低，做 AI 应用开发或科研的团队值得立即关注。
原文
03:10
03:00
03:00Replicate@replicate
72°
Anthropic 最新模型 Claude Fable 5 现已通过 Replicate 平台正式向公众开放。该模型属于 Mythos 级别，性能超越此前所有公开发布的模型，在推理、代码生成和复杂任务处理上表现突出。Replicate 提供了便捷的 API 和在线试用入口，开发者可以立即体验。
AI模型AnthropicClaude Fable 5推理模型Replicate模型发布
推荐理由：Claude Fable 5 是 Anthropic 目前最强的公开模型，性能全面超越前代，做 AI 应用开发或需要高推理能力的团队可以直接通过 Replicate 试用，值得第一时间上手。
原文
02:54
02:14
01:52
01:48
01:21
01:08
00:50
00:50rohanpaul_ai@rohanpaul_ai
88°
Anthropic 于今日推出 Claude Mythos 的公开版本，代号“Fable”。该模型定价为 Opus 的两倍，但低于此前 Mythos 预览版 5 倍 Opus 的传闻价格。Fable 将附带严格的安全限制，在网络安全使用上不如之前给 Project Glasswing 合作伙伴的受限预览版开放。该模型在长周期、多步骤任务和智能体工作流方面预计表现更强。Mythos 最初于 2026 年 4 月以预览形式推出，在编码、推理和网络安全领域能力突出，但因安全问题未公开发布。
AI模型Claude MythosFableAnthropic推理模型智能体
推荐理由：Anthropic 终于把最强模型 Mythos 公开了，虽然价格不菲但比预期便宜，做复杂智能体任务和长流程自动化的团队可以直接评估是否值得投入。
原文
6月9日
17:09
16:23
02:53
02:51
01:40
00:44
6月8日
02:53
02:53rohanpaul_ai@rohanpaul_ai
精选
一篇关于推理模型训练后如何改进的入门论文指出，更好的推理模型更依赖于可检查的训练证据，而非原始数据规模。论文强调，推理数据不是简单的问答对，真正有价值的是反馈信号，它解释了答案、步骤、工具调用或完整尝试的好坏。作者将推理数据按检查方式分类，包括基于规则的精确检查（数学、代码）、环境检查（智能体工具使用）以及人工或模型判断。论文还揭示了常见误区：长推理链可能是虚假的，更难的数据对某些模型无用，更大的数据集可能仍缺乏关键覆盖。关键结论是，智能体数据应保留失败、重试、恢复等混乱信息，因为学习信号往往隐藏其中。
论文推理模型训练数据检查信号智能体论文
推荐理由：这篇论文戳破了推理模型训练中“数据越多越好”的迷思，做模型训练或智能体开发的团队值得一读——它告诉你该关注什么数据，而不是盲目堆量。
原文
6月6日
08:18
6月5日
22:18
16:37
16:36
16:36AI Will@FinanceYF5
76°
Google 发布新论文《LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks》，提出一种智能体框架，让通用大语言模型（非专用数学模型）在形式数学证明任务中表现大幅提升。传统方法要求模型一次性写出完整形式证明，在复杂问题上几乎失败（成功率低于10%）。LEAP 将证明过程分解为图结构的目标与子目标，允许模型规划步骤、重用已证明引理，并与 Lean 验证器交互获取反馈。在 Putnam 2025 的 12 道题上，LEAP 全部解出；在基于 IMO 风格的 60 道题基准上，通用 LLM 成功率从不足 10% 提升至 70%。这表明模型在形式数学上的弱点并非能力不足，而是缺乏与验证器的结构化交互方式。
论文形式数学LEAPLean验证器智能体框架推理模型
推荐理由：做 AI 推理、数学证明或形式化验证的团队会发现，LEAP 把通用 LLM 的数学能力拉高了一个量级——不用专用模型也能解 IMO 级难题，值得直接看论文复现思路。
原文
11:43
11:42
06:37
06:26
06:26rohanpaul_ai@rohanpaul_ai
76°
Google 发布新论文 LEAP，提出一种智能体框架，让通用大语言模型（LLM）能够通过规划证明步骤、分解子目标、重用已有引理并与形式验证器 Lean 交互，显著提升形式数学证明能力。在 Putnam 2025 和 IMO 风格基准测试中，LEAP 将通用 LLM 的成功率从不足 10% 提升至 70%，并解决了所有 12 道 Putnam 2025 问题。该研究揭示了通用 LLM 在形式数学中的弱点并非数学能力不足，而是缺乏与验证器的结构化交互。LEAP 将证明存储为有向图，支持子目标复用，避免一次性生成庞大证明的失败模式。
论文GoogleLEAP形式数学智能体推理模型
推荐理由：这项研究解决了通用 LLM 在形式数学中「一次性写完整证明」的致命短板，做 AI 推理、数学辅助工具或形式验证的开发者值得关注——LEAP 的智能体框架思路可能启发更多复杂推理场景的改进。
原文
05:06
05:06Mustafa Suleyman@mustafasuleyman
76°
微软CEO Mustafa Suleyman在X上宣布发布MAI系列模型，包括MAI-Thinking-1推理模型、MAI-Transcribe-1.5转录模型、MAI-Voice-2语音生成模型、MAI-Code-1-Flash编程模型和MAI-Image-2.5图像模型。MAI-Thinking-1在SWE-Bench Pro上达到53%，与Opus 4.6并列最强编码基准。MAI-Transcribe-1.5在43种语言上超越Gemini和OpenAI，速度快5倍。MAI-Code-1-Flash仅5B激活参数，SWE-Bench Pro达51%。微软还发布了109页详细技术报告，强调前沿没有捷径，需要严谨、耐心和细节关注。
AI产品微软MAI-Thinking-1推理模型编程助手语音模型
推荐理由：微软一口气推出7款模型，覆盖推理、编码、语音、图像全场景，MAI-Thinking-1在编码基准上追平Opus 4.6，做AI应用开发或模型选型的团队值得关注这份109页技术报告。
原文
04:43
04:43The Rundown AI@therundownai
Anthropic 发布了一篇关于递归 AI 研究的完整博文，探讨如何让 AI 系统在复杂任务中自我改进和迭代。该研究聚焦于提升 AI 的自主推理能力，可能对长期任务执行和智能体开发产生重要影响。文章详细介绍了递归自我改进的技术路径和实验成果，为 AI 安全与能力提升提供了新思路。
AI模型递归AI自我改进Anthropic推理模型AI安全
推荐理由：做 AI 智能体或自主推理研究的开发者值得关注——递归自我改进是解决长任务执行瓶颈的关键方向，Anthropic 的这篇博文提供了具体技术细节和实验数据，建议直接阅读原文。
原文
00:50
00:50Geek@geekbb
英伟达推出 Nemotron 3 Ultra 大模型，定位为前沿开放模型，专为需要规划、推理、使用工具并持续工作的长时运行智能体设计。该模型在复杂编程、研究和企业工作流中表现突出，推理速度提升高达 5 倍，智能体任务成本降低 30%。尽管英伟达此前的大模型产品常被评价“差口气”，但此次 Nemotron 3 Ultra 在智能体场景的针对性优化可能改变这一局面。
AI模型英伟达Nemotron 3 Ultra智能体推理模型开源/仓库
推荐理由：英伟达终于瞄准了智能体这个爆发赛道，做自动化编程、企业流程编排的团队可以关注——Nemotron 3 Ultra 的 5 倍推理加速和 30% 成本降低，可能让长任务智能体真正落地。
原文
00:30
6月4日
23:46
23:26