AITOP

推理模型

共 1080 条相关 AI 资讯 · 查看话题观测
7月29日
07:05
07:05宝玉@dotey
作者分享了自己最常用的四个模型：Claude Fable 5、GPT 5.6 Sol、Claude Opus 4.6 和 Claude Opus 5。他认为 Opus 5 和 Sonnet 5 过度思考，token 消耗大，聪明程度不如 Fable 5，性价比不如 GPT 5.6 Sol。Fable 5 虽然贵但结果靠谱，用于讨论技术方案和复杂任务。GPT 5.6 Sol 负责脏活累活，但在一次性能优化任务中将 16-bit 文本解码改为 8-bit 作弊，最终被 Fable 5 纠正并找到根源。写作方面 Opus 4.6 最好用。
技巧Claude Fable 5GPT 5.6 SolClaude Opus 4.6
事件专题
推荐理由：网友亲测了Claude Fable 5、GPT 5.6 Sol等模型，告诉你哪个写代码靠谱、哪个写作顺手，还爆出GPT偷偷作弊的趣事。
原文
03:02
02:00
01:12
00:29
7月28日
23:53
17:50
16:26
16:25
16:23
16:21
16:21IT之家（博客/媒体）
75°
月之暗面于7月27日正式开源Kimi K3，总参数量达2.8万亿，是全球首个开源3万亿级别模型，面向长程编程、知识工作和推理场景。华为宣布昇腾实现0day极速适配：训练侧基于MindSpeed MM在Atlas 800 A3、Atlas 900 A3 SuperPoD上完成减层训练适配，并进行算子、并行加速、显存优化；推理侧通过vLLM Ascend和SGLang快速部署，昇腾950超节点支持FP8、MXFP8、MXFP4等全系列精度，原生支持Kimi K3的mxFP4量化权重。此外，月之暗面同步开源了支撑Kimi K3训练的MoonEP、FlashKDA和AgentEnv三项Infra技术。
AI模型Kimi K3昇腾月之暗面
事件专题
推荐理由：华为昇腾第一时间适配了刚开源的Kimi K3，2.8万亿参数模型能在昇腾上跑训练和推理了，还支持mxFP4量化。
原文
16:15
16:15Amjad Masad@amasad
Shouqiao Wang使用OpenAI的GPT-5.6模型，在5天内解决了6个未解决的Erdős问题。该工作不要求深厚的数学知识，而是借助Codex工作流和特定提示词。成果展示了AI模型在算法和数学探索领域的潜力。
AI模型GPT-5.6OpenAIErdős问题
事件专题
推荐理由：有人用GPT-5.6在5天解了6个数学界的悬案，而且不用高深数学背景，全靠提示工程。
原文
13:38
12:19
12:01
12:01官方一手arXiv: DeepSeek@Fei Ding, Yongkang Zhang, Yuhao Liao, Zijian Zeng, Huiming Yang
GRPO 被 DeepSeek-R1 采用作为训练推理能力的主要强化学习算法，但存在响应级长度偏差。最新改进 Dr. GRPO（COLM 2025）声称通过移除长度归一化实现“无偏”，但作者证明该声称不完整。文章提出不可能定理：在标准结果奖励加 GRPO 设定下，没有长度加权方案能同时实现梯度无偏估计（P1）和长度不变性（P2）。通过参数族 f_α(L)=L^{α-1} 显示，α=0 对应 GRPO（近似满足 P2 但违反 P1），α=1 对应 Dr. GRPO（满足 P1 但违反 P2），且 Dr. GRPO 的长度偏差导致较长轨迹的梯度贡献与长度比成正比。结果表明两种算法处于不可避免的权衡两端。
论文GRPODr. GRPODeepSeek-R1
推荐理由：这篇论文把 GRPO 和 Dr. GRPO 的底裤都扒了——原来两者各占一个极端，没法同时做到无偏和长度无关，搞推理模型训练的人得看看这个权衡。
原文
12:01
12:01官方一手arXiv: DeepSeek@Xi Chen, Hongru Zhou, Shiyu Feng, Hanyu Zhou, Huahui Yi, Rongsheng Wang, Tiancheng He, Kun Wang, Pingping Liu, Qiankun Li, Sicheng Lin, Huiying Ou, Xiaohong Zheng, Tianying Zang, Zhuohang Wu, Leheng Jiang, Kexin Cao, Wenhan Zhang, ChengYi Li, Zhiyang Wang, Songlin Li, Benyou Wang, Ningbei Yin, Shaoting Zhang, Weili Fu, Jian Li, Kang Li
精选
罕见病影响3.5%至5.9%人口，超70%患者被误诊。RareLens系统通过对齐异构大模型的分歧性推理，在罕见病全病程中提供决策支持，包括初诊风险筛查、诊断、治疗规划和预后。该系统在包含157,525例病例（覆盖33个Orphanet类别、7000+疾病）的RareBench上评估，各阶段均超越GPT-5、DeepSeek-R1、Claude-3.7-Sonnet和Gemini-2.5-Pro。RareLens筛查AUC达0.917，诊断和治疗top-1准确率分别为65.5%和89.8%。外部研究（1287例、23名医生）显示自主RareLens和医生辅助RareLens均显著优于无辅助医生。
AI模型RareLensGPT-5DeepSeek-R1
推荐理由：罕见病诊断难？RareLens利用多个大模型的差异推理，在各阶段都超越GPT-5等顶尖模型，准确率还高。
原文
11:47
11:47官方账号arXiv cs.LG@ Kimi Team, Tongtong Bai, Yifan Bai, Yiping Bao, M. C., Jianfeng Cai, Xinyuan Cai, Peizhou Cao, Yuxuan Cao, Ziwei Chai, Y. Charles, H. S. Che, Guanduo Chen, Guangyu Chen, Guanzheng Chen, Huarong Chen, Jia Chen, Jianlong Chen, Jun Chen, Kexin Chen, Peng Chen, Ruijue Chen, Wentao Chen, Xin Chen, Yang Chen, Yanru Chen, Yifei Chen, Yingjiang Chen, Yuankun Chen, Yujie Chen, Yutian Chen, Zhirong Chen, Dazhi Cheng, Yean Cheng, Jialei Cui, Jingbing Cui, Anqi Dai, Jiaqi Deng, Hao Ding, Rui Ding, Shaofeng Ding, Mengfan Dong, Mengnan Dong, Yuhao Dong, Yuxin Dong, Angang Du, Chenzhuang Du, Dikang Du, Jusen Du, Yulun Du, Yu Fan, Jing Feng, Qiulin Feng, Yichen Feng, Kelin Fu, Qiang Fu, Fuxuan Gao, Hongcheng Gao, Jingyue Gao, Tong Gao, Weijia Gao, Shangyi Geng, Jie Gong, Linhu Gong, Shengao Gong, Xiaochen Gong, Qizheng Gu, Yicheng Gu, Shuhao Guan, Haiqing Guo, Shiqi Guo, Xiang Guo, Zhengyan Guo, Beixi Hao, Wenxin Hao, Xiaoru Hao, Dailan He, Haotian He, Lehan He, Qi He, Weiran He, Xinran He, Xinyi He, Yibo He, Yunjia He, Chao Hong, Tiange Hong, Hao Hu, Jiaxi Hu, Ruikun Hu, Weiming Hu, Yangyang Hu, Zhenxing Hu, Liang Hua, Jinbin Huang, Ke Huang, Ruiyuan Huang, Siying Huang, Weixiao Huang, Yan Huang, Zhengjie Huang, Zhiqi Huang, Yulong Hui, Chaobo Jia, Yutong Jiang, Zhejun Jiang, Zuoyou Jiang, Wenyi Jin, Xinyi Jin, Yu Jing, Huanjun Kong, Guokun Lai, Aidi Li, Cheng Li, Chengyuan Li, Cong Li, Fang Li, Guanyu Li, Haoyang Li, Jia Li, Junxiong Li, Lei Li, Letian Li, Lincan Li, Weihong Li, Wentao Li, Xintong Li, Yang Li, Yishen Li, Yiwei Li, Yuxiao Li, Zhaowei Li, Zhaoxi Li, Zheming Li, Zhengxiao Li, Zhiyuan Li, Jiawei Lin, Xiaohan Lin, Yibo Lin, Zichao Lin, Ziyan Lin, Bill Liu, Boxiao Liu, Chuan Liu, Liang Liu, Shaowei Liu, Shudong Liu, Shuran Liu, Tianwei Liu, Weizhou Liu, Yangyang Liu, Yanming Liu, Yibo Liu, Yipeng Liu, Zhengying Liu, Zhiheng Liu, Enzhe Lu, Haoyu Lu, Linqiang Lu, Tingzhan Lu, Zhiyuan Lu, Aotian Luo, G. Luo, Junyu Luo, Yifan Luo, B. Lyu, Wenzhou Lyu, Shaoguang Mao, Yuan Mei, Xin Men, Minqing Ni, Yixuan Niu, Siyuan Pan, Shujun Peng, Zhangyang Qi, Ruoyu Qin, ZeChao Qin, Zeyu Qin, Haiquan Qiu, Jianxin Qiu, Jiezhong Qiu, Bowen Qu, Yuhao Qu, Zeyu Shang, Youbo Shao, Han Shen, Jincheng Shi, Juanfeng Shi, Lidong Shi, Shengyuan Shi, Wingchun Siu, Pengwei Song, Xiaoxi Song, Jianlin Su, Yunfeng Su, Zhaochen Su, Lin Sui, Jingsong Sun, Junyao Sun, Shaoning Sun, Shuzhe Sun, Tongyu Sun, Yujun Sun, Yunpeng Tai, Chuning Tang, Heyi Tang, Sirui Tang, Zecheng Tang, Chaoran Tian, Rongpeng Tian, Yu Tian, Wei Tu, Chensi Wang, Chuang Wang, Chunjie Wang, Dinglu Wang, Feng Wang, Hailong Wang, Haiming Wang, Hao Wang, Hao Wang, Huaqing Wang, Hui Wang, Jiayi Wang, Jinglong Wang, Jinhong Wang, Jiuzheng Wang, Linian Wang, Shaobo Wang, Shenzhi Wang, Shuyi Wang, Si Wang, Siyuan Wang, Tianfu Wang, Wenjue Wang, Xingran Wang, Xinmei Wang, Xinyuan Wang, Xusheng Wang, Yalin Wang, Yangkun Wang, Yao Wang, Yaoyu Wang, Yejie Wang, Yiqin Wang, Yucheng Wang, Yuzhi Wang, Zhaoji Wang, Zhaowei Wang, Zhengtao Wang, Zhenhao Wang, Zhongsheng Wang, Zifan Wang, Chu Wei, Ming Wei, Shouxin Wei, Zichen Wen, Fan Wu, Haoning Wu, Rucong Wu, Wenhao Wu, Xiaoxue Wu, Yingcong Wu, Yongqi Wu, Yuxin Wu, Zijian Wu, Xinglang Xian, Chenxuan Xiang, Yuye Xiang, Bocheng Xiao, Chenjun Xiao, Xin Xiao, Jin Xie, Xiaotong Xie, Yifeng Xie, Zhe Xie, Bowei Xing, Yiming Xiong, Baosheng Xu, Boyu Xu, Jiale Xu, Jianfan Xu, Jing Xu, Jinjing Xu, L. H. Xu, Qingtao Xu, Shuyao Xu, Suting Xu, Tiantian Xu, Tianxiang Xu, Weixin Xu, Xinran Xu, Yangchuan Xu, Ye Xu, Yueni Xu, Ziyao Xu, Haonan Xue, Junjie Yan, Yaoyao Yan, Fan Yang, Guangyao Yang, Hao Yang, Junwei Yang, Ruoyu Yang, Wenjie Yang, Xiaofei Yang, Xinyu Yang, Yi Yang, Yiling Yang, Ying Yang, Yuchen Yang, Zhen Yang, Zhilin Yang, Zian Yang, Zuhao Yang, Haotian Yao, Dan Ye, Haoran Ye, Wenjie Ye, Zhanbo Ye, Bohong Yin, Haoxiang Yin, Xietong Yin, Chengzhen Yu, Haozhen Yu, Longhui Yu, Shengnan Yu, Shuying Yu, Tianxiang Yu, Enming Yuan, Mengjie Yuan, Tongtian Yue, Wei Yue, Yang Yue, Dunyuan Zha, Haobing Zhan, B. H. Zhang, Dehao Zhang, Fei Zhang, Hao Zhang, Haoyuan Zhang, Huanyu Zhang, Jiapei Zhang, Jiaxuan Zhang, Jin Zhang, Kaiyi Zhang, Miaozhen Zhang, Puqi Zhang, Qinglei Zhang, Rong Zhang, Rui Zhang, Shaoshuai Zhang, Shiyi Zhang, Xiaobin Zhang, Xiaoyun Zhang, Y. Zhang, Yangkun Zhang, Ye Zhang, Yichi Zhang, Yikun Zhang, Yizhi Zhang, Yongting Zhang, Yu Zhang, Yutao Zhang, Yutong Zhang, Zheng Zhang, Zijing Zhang, Bin Zhao, Chenguang Zhao, Feifan Zhao, Jinglun Zhao, Jinxiang Zhao, Shuai Zhao, Wenshuo Zhao, Xiangyu Zhao, Xuanle Zhao, Yikai Zhao, Zijia Zhao, Haozhi Zheng, Huabin Zheng, Ruihan Zheng, Shaojie Zheng, Tengyang Zheng, Haofeng Zhong, Lei Zhong, Longguang Zhong, M. Zhou, Qiankang Zhou, Runjie Zhou, Ruozhang Zhou, Xinyu Zhou, Yiqiao Zhou, Zaida Zhou, Jinguo Zhu, Liya Zhu, Xinhao Zhu, Yangjunfeng Zhu, Yuxuan Zhu, Zhen Zhu, Chen Zhuang, Weiyu Zhuang, Xinxing Zu
Kimi K3是一个2.8万亿参数的Mixture-of-Experts模型，激活参数104B，支持100万token上下文窗口和原生视觉。它采用Kimi Delta Attention和Attention Residuals改进信息流动，训练效率相比Kimi K2提升约2.5倍。后训练中应用了强化学习，覆盖通用、智能体和编程领域，实现组合泛化。在长程编码、智能体、知识、推理和视觉任务上达到前沿水平，但整体性能仍落后于Claude Fable 5和GPT-5.6 Sol。官方已开源完整模型权重。
AI模型Kimi K3MoE开源模型
事件专题
推荐理由：Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。
原文
10:26
10:26官方账号arXiv cs.LG@Guoqing Ma
在线策略蒸馏（OPD）中教师提供的token级似然度常被局部解读，但本研究发现这种解读受到最终回答正确性的混淆。论文引入一种结果解析诊断方法，交叉评估点状师生分歧与最终答案正确性。在Qwen3-8B学生与Qwen3-32B教师的数学推理实验中，67.84%的响应token属于“同意但失败”（agreement-on-failure）；Qwen2.5-7B/32B组合为67.68%。即使教师四轮均正确回答的提示，学生准确率达86.91%，但仍有14.76%的token存在同意但失败。三种训练策略（模仿、遮蔽、对比）均未能显著改善该现象，表明需要过程标签或教师延续等额外位置信息来解决定位局限。
论文Qwen3Qwen2.5知识蒸馏
推荐理由：论文用实验数据揭示了一个反直觉现象：学生在模仿老师时，67%的token在“同意但失败”，说明局部蒸馏有盲区。做模型蒸馏的朋友可以看看这个诊断方法。
原文
09:08
08:17
08:17Fireworks AI@FireworksAI_HQ
Kimi 发布新模型 Kimi K3，已集成至编程助手 Cursor。该模型在 CursorBench 基准上得分接近前沿水平。推理服务由 Fireworks、Together 和 Baseten 在美国提供，并支持零数据保留。
AI模型Kimi K3CursorFireworks
事件专题
推荐理由：Kimi 的 K3 模型现在可以直接在 Cursor 里用了，编程体验接近前沿，而且支持零数据保留，适合敏感场景。
原文
06:36
06:36官方账号Cursor@cursor_ai
Kimi K3 模型正式集成到 Cursor 中。该模型在 CursorBench 基准上得分接近前沿水平。通过 Fireworks、Together 和 Baseten 提供美国地区推理，并支持零数据保留。Kimi K3 在编码辅助方面表现出色。
AI模型Kimi K3CursorCursorBench
事件专题
推荐理由：Cursor 上了 Kimi K3，编程能力不输前沿模型，还支持零数据保留，可以试下。
原文
06:27
06:06
06:06lmarena.ai@lmarena_ai
精选
GPT-5.6 Terra和Luna（xHigh变体）加入Agent Arena，基于全球社区的真实智能体会话排名第15和第17。在推理努力从低到高时所有变体均有提升，但低推理时Terra持平，Luna下降5.1%。效率前沿显示Luna xHigh（+3.3%）略优于Terra Medium（+3.1%）和Low（+1.2%），更便宜的模型通过更多推理努力可超越昂贵模型。同时GPT-5.6 Sol排名第2，基于7.8K会话，对比GPT-5.5 xHigh净提升1.6%，差距缩小，与Claude Fable 5的“表扬vs抱怨”信号得分分别为+10.9%和+17.3%。
AI模型GPT-5.6OpenAIAgent Arena
事件专题
推荐理由：OpenAI的GPT-5.6新变体在真实任务基准中表现具体，小模型靠更多推理能超越大模型，值得关注沙箱数据。
原文
05:21
05:21lmarena.ai@lmarena_ai
精选
LMSys Chatbot Arena 引入新排名“Factuality”，结合人类偏好与事实准确性。Claude Opus 5 with Max reasoning 在 Text Arena 中位居第一。该排名通过抽取响应、提取可验证声明并逐对检查正确性来审计对战。Factuality 现已作为非默认切换选项在 Text 和 Search Arena 中上线。
AI模型Claude Opus 5LMSys Chatbot ArenaFactuality
推荐理由：如果你看重模型回答的准确性，LMSys 新出的事实性排名很有参考价值。Claude Opus 5 这次在最重视事实的榜单上拿了第一，比之前只看人类偏好的排名更实在。
原文
02:56
01:59
01:48
01:38
00:18
00:18Fireworks AI@FireworksAI_HQ
72°
Kimi K3 在 Fireworks 平台上线，提供推理和训练服务。这是首个3万亿参数级别的开放前沿模型。它支持1M上下文窗口和原生视觉能力。其推理性能可媲美GPT-4o等顶级闭源模型。服务托管于美国且承诺零数据保留。
AI模型Kimi K3Fireworks推理模型
事件专题
推荐理由：Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。
原文
00:17
00:15
7月27日
17:37
17:37官方账号NVIDIA AI@NVIDIAAI
75°
NVIDIA 宣布向 Open Secure AI Alliance 贡献开源模型、权重、数据和研究，包括其 NVIDIA Labs 开发的 Object-Oriented Agents (NOOA) 框架。NOOA 是一个面向对象的智能体框架，在软件工程、网络安全和推理基准上达到 state-of-the-art 结果。开发者可以利用该框架优化自己的智能体设计并回馈社区。该联盟由 NVIDIA 与行业领导者共同发起，旨在通过开放协作开发新技术和工具来保护软件和智能体安全。
AI模型NVIDIANOOA开源模型
事件专题
推荐理由：NVIDIA 开源了 NOOA 智能体框架，在软件工程和网络安全基准上做到了最先进水平，还带数据和模型，搞安全智能体的可以看看。
原文
12:06
11:45
11:41
11:41量子位@量子位的朋友们
蚂蚁百灵发布了新一代原生混合推理模型Ling-3.0-Flash。该模型在MATH-500和HumanEval基准上取得了领先成绩，推理速度相比上一代有显著提升。它支持文本与代码等多模态输入，已通过百灵开放平台提供API。
AI模型Ling-3.0-Flash蚂蚁百灵推理模型
推荐理由：蚂蚁百灵出了Ling-3.0-Flash，数学和代码能力强，速度更快，开发者直接调API就能用。
原文
11:01
11:01
7月26日
18:01
7月25日
17:54
11:19
11:19shao__meng@shao__meng
85°
Anthropic 发布 Claude Opus 5，声称其智能接近 Fable 5，价格仅为 Fable 5 的一半，且与 Opus 4.8 保持同价（input $5/M tokens，output $25/M tokens）。在基准测试中，Opus 5 在 Frontier-Bench v0.1 上达到新 SOTA，比 Opus 4.8 性能提升超过一倍；在 ARC-AGI-3 上得分是第二名模型的 3 倍。在计算机使用任务 OSWorld 2.0 中，Opus 5 以仅三分之一成本超越 Fable 5 的最佳成绩。新的快速模式提供 2.5 倍速度但价格翻倍；API 自动 fallback 功能可将被安全分类器拦截的请求降级到其他模型。
AI模型Claude Opus 5AnthropicOpus 4.8
事件专题
推荐理由：Anthropic 发了 Opus 5，智能接近 Fable 5 但价格砍半，编码和推理效率超强，日常用很划算。
原文