推理模型相关 AI 资讯

模型78°22:53

Mercury 2.5 Preview在OpenRouter上线

Mercury 2.5 Preview来了，推理速度超1100 tokens/sec，还支持并行工具调用，比普通模型快多了。

#Mercury 2.5 Preview #OpenRouter #推理模型 #并行工具调用

OpenRouter@OpenRouterAI原文

模型中美对照15:13

H3 Max模型发布速度提升10倍

MiniMax的H3 Max模型超快又便宜，15秒视频33秒搞定，才2分钱一秒。

#H3 Max #MiniMax #视频生成 #推理模型

事件专题

Hailuo AI@Hailuo_AI2 个信源在谈原文

论文精选73°12:10

无头多思维模型研究

新方法让模型在嵌入空间连续推理，不生成离散token，性能还提升了。

#Soft Latent Thinking #DeepSeek-Qwen-1.5B #LLaMA-3.2-3B #推理模型

arXiv cs.LG@Nikita Koriagin 等 6 人原文

论文78°11:22

大推理模型超越人类监督的扩展路径

这篇论文系统分析了大推理模型如何减少人类依赖，提出了五级发展阶梯和三种评估对象。

#LRM #推理模型 #强化学习 #GitHub

arXiv cs.AI@Zhiqin Yang 等 19 人原文

论文精选73°11:21

大语言模型序列评分崩溃下的推理能力恢复

发现大模型推理失败不等于能力缺失，用简单方法就能恢复被掩盖的内部逻辑。

#Qwen3.5 #Llama-3.1-8B #OLMo-2-1B #推理模型

arXiv cs.AI@Qiyao Yan 等 3 人原文

论文10:17

GMTS方法提升LLM推理训练效果

GMTS方法让LLM推理训练更高效，前20%标记选择比传统熵方法表现更好。

#GMTS #RLVR #LLM #推理模型

arXiv cs.AI@Outongyi Lv 等 3 人原文

论文精选09:20

推理模型隐藏指令选择性披露研究

这篇论文揭示了AI模型在隐藏指令披露上的不对称行为，对AI安全和监督机制设计有重要启示。

#Qwen3 #推理模型 #思维链 #AI安全

arXiv: DeepSeek@Zimo Shi 等 3 人原文

论文精选73°09:15

MI-Distillation：模型插值推理数据蒸馏方法

MI-Distillation解决了大模型推理轨迹蒸馏到小模型的难题，通过模型插值和SeqLSS评分提升蒸馏效果。

#MI-Distillation #SeqLSS #思维链蒸馏 #推理模型

arXiv cs.AI@Yangsong Lan 等 7 人原文

论文精选73°09:09

SUP-MIMIC：临床诊断多任务基准测试

SUP-MIMIC 基准测试揭示了 LLM 在临床诊断推理中的缺陷，特别是对矛盾证据的处理能力不足。

#SUP-MIMIC #LLMs #MIMIC-IV-v3.1 #临床诊断

arXiv cs.AI@Yi Yu 等 7 人原文

模型中美对照精选08:13

Qwen3.8-Flash-Next 排名第24位

阿里Qwen3.8-Flash-Next在LMSYS排行榜上表现亮眼，开源模型中排名第7，Confirmed Success指标大幅提升。

#Qwen3.8-Flash-Next #LMSYS #开源模型 #推理模型

lmarena.ai@lmarena_ai原文

论文精选73°09:09

滑动窗口注意力优于线性注意力

SWA比线性注意力更高效，无需后训练就能实现更好性能，内存占用低，推理速度快。

#Sliding Window Attention #Linear Attention #LLMs #长上下文

arXiv cs.LG@Alexia Jolicoeur-Martineau 等 4 人原文

论文78°01:47

斯坦福提出Prefix Sliding推理优化方法

斯坦福新方法让长推理模型提速3倍，内存不再随思考长度增长。

#Prefix Sliding #Stanford #推理模型 #长上下文

elvis@omarsar0原文

技巧 Agent 与开发者78°15:16

OpenAI发布AI Agent架构决策指南

OpenAI官方教你如何构建AI Agent，从模型选择到工具系统，再到多Agent编排，全是干货。

#OpenAI #Agent #推理模型 #工具系统

shao__meng@shao__meng原文

模型中美对照精选73°08:47

腾讯发布Hy4预览版大模型

腾讯Hy4来了，参数翻倍还支持百万token上下文，比自家Hy3强不少。

#Hy4 #Tencent #LLM #开源模型

官方账号Simon Willison’s Weblog原文

模型中美对照精选73°01:46

腾讯混元Hy4预览版在vLLM运行

腾讯混元Hy4预览版已适配vLLM，支持MoE和HPC-Ops内核，可直接部署使用。

#Hy4 #vLLM #腾讯混元 #MoE

事件专题

Hunyuan@TXhunyuan2 个信源在谈原文

模型中美对照多源确认精选15:06

GLM-5.3-Flash 在 Fireworks 平台正式发布

Fireworks 发布了 GLM-5.3-Flash，强调质量优先，相同权重不代表相同模型，开发者可立即开始构建应用。

#GLM-5.3-Flash #Fireworks #推理模型

事件专题

Fireworks AI@FireworksAI_HQ7 个信源在谈原文

产品中美对照精选07:06

Perplexity搜索在基准测试中领先

Perplexity搜索在基准测试中击败竞争对手，成本更低，三种上下文设置表现均佳。

#Perplexity #搜索API #Artificial Analysis #GPT-5.6

Aravind Srinivas@AravSrinivas原文

产品精选23:17

PodiumHQ代理看似故障，LangSmith揭示真相

Walker Ward分享如何用LangSmith追踪PodiumHQ代理推理过程，揭示看似异常行为背后的真实逻辑。

#LangSmith #PodiumHQ #代理 #推理模型

官方账号LangChain@LangChainAI原文

模型中美对照22:12

Grok-4.6在Agent Arena排名第15，提升6.1%

Grok-4.6在Agent Arena排名上升，确认成功指标提升13.2%，bash恢复能力显著增强。

#Grok-4.6 #Agent Arena #智能体 #推理模型

lmarena.ai@lmarena_ai原文

模型中美对照73°22:00

SpaceXAI发布Grok-4.6模型

SpaceXAI的Grok-4.6在代码任务上表现亮眼，确认成功率提升15%，成本与Claude Opus 4.6相当。

#Grok-4.6 #SpaceXAI #Agent Arena #代码生成

lmarena.ai@lmarena_ai原文

论文精选73°19:25

进化策略提升LLM推理覆盖范围

这篇论文对比了ES和GRPO两种训练方法，发现ES能带来更广泛的推理覆盖，还提出了结合两者优势的GRPO-ES顺序训练策略。

#LLM #进化策略 #GRPO #推理模型

arXiv cs.LG@Yunpeng Ba 等 10 人原文

论文精选73°18:04

并行分布式推理语言模型性能基础

这篇论文帮你搞懂RL-for-LLM的并行训练策略，让DeepSeek-R1、o3这些推理模型训练不再那么烧钱。

#RL-for-LLM #PPO #GRPO #推理模型

arXiv: DeepSeek@Maciej Besta 等 10 人原文

模型中美对照多源确认73°17:08

Ox Alpha身份揭晓：GLM-5.3 Flash

Z.ai新发布的GLM-5.3 Flash性能强劲且价格低廉，国产芯片驱动，市场份额已超越DeepSeek。

#GLM-5.3 Flash #Z. ai #OpenRouter #国产芯片

事件专题

AI Will@FinanceYF511 个信源在谈原文

行业多源确认78°23:16

OpenAI研究员警告超快AI可能让安全团队落后

OpenAI新AI芯片发布，推理速度大幅提升，但研究员警告超快AI可能让安全团队落后，提醒关注自主关闭系统的重要性。

#OpenAI #AI安全 #推理模型 #芯片

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

产品精选15:09

Qwen3.8-Flash上线OpenRouter

想试试多模态推理模型？Qwen3.8-Flash上线了，支持多种功能，值得一试！

#Qwen3.8-Flash #多模态 #推理模型 #OpenRouter

官方账号阿里通义 Qwen@Alibaba_Qwen原文

模型多源确认精选09:21

JIT-Agent：即时智能体通过即时智能体进化扩展智能

JIT-Agent模型可以即时合成适用于任意现成LLM的任务自适应智能体绑定，显著提升模型性能，值得一试。

#JIT-Agent #智能体 #MCP/工具 #推理模型

事件专题

arXiv: DeepSeek@Guibin Zhang 等 16 人5 个信源在谈原文

模型14:58

宇树智元共用大脑模型Demo炸场

宇树智元新出的模型Demo太惊艳了，10分钟内展示了强大的多模态处理能力，比现有模型强多了！

#宇树智元 #GPT-4.5 #多模态 #模型性能

量子位@林, 方舟原文

论文精选11:22

严格因果流视频异常检测与理论状态空间核心

这篇论文介绍了一种新的视频异常检测器，它具有更快的响应速度和更高的准确性，值得专业人士关注。

#视频异常检测 #状态空间模型 #MCP/工具 #智能体

arXiv cs.AI@Yogesh Kumar原文

模型中美对照多源确认72°10:33

DeepSeek V4 Pro击败Fable 5

DeepSeek V4 Pro在成本和性能上优于Fable 5，值得一试。

#DeepSeek V4 Pro #推理模型 #成本效益 #安全审查

事件专题

Fireworks AI@FireworksAI_HQ5 个信源在谈原文

模型中美对照多源确认91°02:24

OpenAI的定制芯片“Jalapeño”在推理基准测试中击败Nvidia的Blackwell和Rubin

OpenAI发布了首款内部推理芯片，性能超过Nvidia的同类产品，值得关注。

#OpenAI #Jalapeño #推理模型 #芯片

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

模型中美对照精选00:44

IBM Granite 4.2上线Ollama

IBM新模型Granite 4.2上线Ollama，参数量达30B，免费使用，适合企业智能体，功能强大，值得一试。

#IBM Granite 4.2 #企业智能体 #开源模型 #推理模型

ollama@ollama原文

模型中美对照16:14

开源国产8B模型，比肩闭源Image 2了！

SenseNova U1.5 Lite开源了，参数量8B，和闭源Image 2一样强，用PyTorch和TensorFlow都能跑，值得一试！

#SenseNova U1.5 Lite #开源模型 #推理模型 #微调

量子位@十三原文

论文10:43

缓解推理诱导的不一致通过安全方向惩罚

这篇论文提出了一个缓解LLM推理中安全问题的方法，SDP在保持推理性能的同时提高了安全性，值得一读。

#推理模型 #安全方向惩罚 #LLM安全 #表示空间分析

arXiv cs.AI@Yipeng Zhao 等 5 人原文

论文 Agent 与开发者多源确认10:15

Asymptotically Tight Fractional Online Matching Under Edge Arrivals

OpenAI的ChatGPT Sol仅用一个提示就提出了这个算法，展示了其强大的能力，值得一试。

#智能体 #推理模型 #微调 #提示词工程

事件专题

arXiv: OpenAI@David Wajc11 个信源在谈原文

模型 Agent 与开发者多源确认23:34

Ox Alpha模型与Pi兼容性测试

Ox Alpha模型与Pi兼容，适合编程和代理工作，免费使用，值得一试。

#Ox Alpha #智能体 #编程助手 #推理模型

事件专题

elvis@omarsar011 个信源在谈原文

模型中美对照多源确认02:33

中国推理层新模型补贴助力新智能体编码产品

中国新补贴让智能体编码产品性能大增，比OpenAI还强！

#智能体 #推理模型 #补贴 #性能提升

事件专题

Suhail@Suhail11 个信源在谈原文

模型中美对照官方一手72°17:13

DeepSeek-V4-Flash-Vision-EXP 结果展示

看看 DeepSeek-V4-Flash-Vision-EXP 的强大效果，与其它模型相比有何不同。

#DeepSeek-V4-Flash-Vision-EXP #视频生成 #推理模型 #多模态

官方一手歸藏(guizang.ai)@op7418原文

模型中美对照多源确认12:08

体验Qwen3.8-27B初印象

想了解Qwen3.8-27B的表现，看看与GPT-5.6等大模型的对比如何。

#Qwen3.8-27B #模型对比 #智能体 #AI安全

事件专题

lmarena.ai@lmarena_ai4 个信源在谈原文

模型 Agent 与开发者78°07:23

Gemini 3.7 Flash：最被低估的模型

Gemini 3.7 Flash 价格低廉，功能全面，适合前端和智能体/编码任务，性价比高。

#Gemini 3.7 Flash #智能体 #MCP/工具 #编程助手

Paul Couvert@itsPaulAi原文

技巧 Agent 与开发者05:34

最“破”建造者堆栈现状如何？

想看@steipete如何从命令行工具过渡到多人智能体会话的，这个视频不容错过。

#智能体 #MCP/工具 #视频生成 #编程助手

Y Combinator@ycombinator原文