Elon Musk 称 Grok 4.5 综合速度与成本是当前第一
SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。
#推理模型
共 1704 条 · 7 天 154 条 · 30 天 483 条 · 话题观测 →
7月19日
7月18日
Moonshot AI发布Kimi K3，定价$3-15/M tokens，冲击全球AI定价体系
Kimi K3定价$3-15/M token，比美国模型便宜很多，看看Moonshot怎么用低价倒逼市场。
Google DeepMind负责人：AI编程从写代码转向架构与验证
Google DeepMind 的 Benoit Schilling 分享了AI编程的新阶段：难点不在写代码，而在设计对齐。他亲自领导 Gemini 的推理和编程团队，观点很实在。
7月17日
产品13:33
华为昇腾950超节点真机首展，1024卡1 EFLOPS算力华为发布了昇腾950超节点，1024卡规模，1 EFLOPS算力，专为万亿参数大模型训练设计；384超节点已商用750套，落地案例丰富，值得关注。
IT之家原文
Ubuntu 7.0.0-28.28 内核 AMDGPU 问题致 ROCm 性能降 42 倍
Ubuntu 说这个内核版本让 AMD 显卡跑 AI 慢 42 倍，SDXL 推理从 9 秒变成 388 秒。如果你在用 Ubuntu，赶紧看看内核版本号。
IT之家原文
论文10:59
MM-IssueLoc：一个评估多模态仓库级问题定位中视觉证据的受控基准新基准 MM-IssueLoc 专门测模型到底有没有用截图这类视觉证据，而不是全靠文本猜。当前最强系统得分才三十多，说明视觉定位远没解决。
模型08:09
Impossible Research 发布 Schema agent 测试工具，饱和 ARC-AGI-3他们搞了个叫 Schema 的 harness，让 AI 学物理学家那样思考，直接刷爆 ARC-AGI-3 基准，挺有意思的。
行业05:27
Lila Sciences：实验室将像数据中心，生成10万亿推理tokenLila Sciences的两位高管聊了个大胆想法：把实验室当数据中心用，用10万亿实验token训练AI，跨学科搞推理，比单纯刷题更有价值。
Kimi K3: 2.8万亿参数模型发布，开放权重承诺7月27日
Moonshot发了2.8万亿参数Kimi K3，前端代码超越Fable 5，开放权重版月底就能用，价格虽高但看齐Claude Sonnet。
Impossible Research推出[schema] agent harness，ARC-AGI-3达99% RHAE
Impossible Research的[schema]让LLM像物理学家推理，ARC-AGI-3刷到99% RHAE，太强了
7月16日
Thinking Machines 发布多模态推理模型 Inkling，开放完整权重
Thinking Machines 发了 Inkling，一个能看图文听音频的推理模型，而且权重全开放，能自己微调，还能在 Playground 试玩。
论文11:20
TRACE：通过信用估计实现长程智能体回合级奖励分配想解决Agent长程任务奖励稀疏问题？看TRACE方法，无需额外批评器，用TD变化给每步打分，Qwen3在BrowseComp-Plus上从7分直接跳到35分。
OpenAI GPT-5.6 IQ 首破 130 天才线，超越 99% 人类
GPT-5.6 智商飙到 136 分，比 Claude-5 还高出一截，而且干活也不含糊，一句话就能造出应用，值得看看它到底多强。
论文10:40
Deep Interaction：一种高效的大推理模型人机交互方法这篇论文提出 Deep Interaction，让你可以直接改推理步骤的错误，不用推倒重来。实验说 STEM 任务上纠错成功率涨 25%，token 还省 40%，挺实用的方法。
Thinking Machines Lab 发布 Inkling：975B 参数开源多模态 MoE，激活 41B 参数，可控思考努力
Inkling 让你能控制模型思考深度，975B 参数但只激活 41B，适合做定制化基础模型。
模型06:05
Allen AI 的 SciArena 基准测试结果：1700 用户近 4000 投票Allen AI 用研究者投票测了 AI 的科学文献能力，1700 人投了 3900 票，想看看哪个模型更靠谱？这里直接给结果。
7月15日
