←推理
← 全部主题

推理

与“推理”标签匹配的公开内容。

公开阅读组
199
近 30 天
98
目录状态
兼容主题

最新Qwenputer 在 Qwen3.5-4B 权重中嵌入 RISC-V CPU 并用 GDN 状态作内存

最新阅读组

同一事实的重复报道已合并

  1. 邵猛研究
    AI 评分79

    Qwenputer 在 Qwen3.5-4B 权重中嵌入 RISC-V CPU 并用 GDN 状态作内存

    Qwenputer 在 Qwen3.5-4B 上通过编译器把一台 32-bit RISC-V CPU 写进约 11 层额外权重，并把模型自带的 Gated DeltaNet 状态当作可寻址 RAM，在前向中运行 C 和 MicroPython，不调用外部 runtime。测试中 DeepMind 算术集达到约 97.5–100%，NUPA 长整数从基座 48.6% 提升到 100%，约 23 万个 CPU 输出位置与参考机零失配。代价是检查点约 18.8 GB、每条 CPU 指令需数个 decode token，且需通过 RvChat 驱动而非裸 generate()。

    推荐理由原文给出算术基准对比与检查点体积、解码开销等代价，可据此判断权重内计算路线的可行边界。

  2. Google Blog一手
    AI 评分67

    Google 收到 Project Suncatcher 原型卫星在轨 TPU 的首次 AI 回复

    Google 收到 Project Suncatcher 原型卫星的首次回复，在轨的数据中心级 TPU 成功运行 Gemma 4 开放模型并返回一首关于太空的俳句。该卫星于 10 月 1 日发射，此前已完成主机与 TPU 托盘上电及早期机器学习测试。接下来 Google 将测试 TPU 在轨道热应力和辐射暴露下的表现，为 2027 年双星互联目标铺路。

    推荐理由Google 首次在轨 TPU 上跑通 Gemma 4 并收到模型回复，读者可了解太空 AI 算力这一长期研究路线的当前进展。

  1. 36氪 · AI
    AI 评分81

    Axiom 多智能体系统 24 天形式化有限单群分类定理

    Axiom 团队用多智能体系统 AxiomProver 在 24 天内将约 15000 页的有限单群分类定理（CFSG）证明形式化为 Lean 代码，产出 4310 万行代码库。过程中 AI 记录下数百处异常，其中 34 处为重大逻辑偏差，包括 John Walter 1986 年论文中一处关键闭包断言不成立，AI 给出反例 PSL₂(49)。团队随后联系群论学者 Richard Lyons 和 Ronald Solomon，由 AxiomProver 证明新定理 Preservation of simple tops 补上缺口。

    推荐理由Axiom 用多智能体系统在 24 天内形式化有限单群分类定理，并指出原证明中的逻辑漏洞，读者可据此了解 AI 参与数学验证的具体路径。

  2. 量子位
    AI 评分76

    PSI称用AI系统突破5道量子开放问题

    成立不到两个月的Physical Superintelligence（PSI）称，其自研AI科研系统Emmy在量子信息理论的5个开放问题上取得成果，论文、Lean形式化证明和验证代码已发布在GitHub供审查。这5道题来自德国物理学家Reinhard Werner于1999年建立的开放量子问题目录，横跨纠缠提纯、量子场论、高维量子通信、量子信道容量与量子因果律五个方向，其中OQP 2、OQP 12、OQP 27在本世纪初即被收录。Emmy将难题拆解为可验证的数学子假设，再交由Lean形式化证明器、符号计算引擎和高精度验证代码筛查，编译通过才视为成立。PSI于今年9月亮相，已完成5800万美元种子轮融资，由Breakthrough Energy Ventures领投。

    推荐理由一家成立不到两个月的公司用自研系统挑战27年历史的量子开放问题目录，读者可据此观察AI科研系统的验证路径。

  3. ARC Prize一手解读
    AI 评分62

    ARC Prize 公布 Meta Muse Spark Open 在 ARC-AGI 上的评测结果

    ARC Prize 公布 Meta 的 Muse Spark Open 在 ARC-AGI 上的验证成绩：ARC-AGI-1 为 89.0%、每任务 $0.29，ARC-AGI-2 为 57.5%、每任务 $0.73，ARC-AGI-3 在标准 harness 下为 0.1%、$3.9K。ARC Prize 称其 v1/2 得分与 Haiku 5.5 和 GPT-6 Luna 相近，但成本约为后者的 9 倍；该模型在 OpenRouter 上定价为每百万输入 $1.25、每百万输出 $4.25。随推理档位提升，ARC-AGI-2 从 medium 的 29.4%（平均 55k tokens/任务）升至 xhigh 的 57.2%（180k tokens/任务）。

    推荐理由ARC Prize 给出 Meta 新模型在 ARC-AGI 三个版本上的成绩与单任务成本，可与同分竞品直接对比。

  4. Baseten 工程博客一手模型发布
    AI 评分68

    Baseten 发布决策模型 joey-1，P50 延迟 20ms、每百万 token 0.01 美元

    Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，直接输出单个 token 的标签和校准置信度，P50 端到端延迟 20ms，约为 elephant-1（49ms）的 2.5 倍速度，价格为每百万 token 0.01 美元，是 mammoth-1 的十分之一。joey-1 由 Qwen3.5-2B 后训练而来，与 elephant-1、mammoth-1 共用同一数据配方和 API，切换只需改一行。该模型已在 Baseten Model APIs 上线，默认零数据保留，权重在 Hugging Face 开源；Model APIs 支持 16k 上下文窗口，专用部署可解锁 262k 上下文窗口并支持微调权重。

    joey-1

    推荐理由原文给出 joey-1 的延迟、价格与三档模型分工，读者可据此判断决策类任务是否该换用小模型。

  5. Mistral AI一手模型发布
    AI 评分87

    Mistral 开放 Mistral Large 4（Le Chonk）权重

    Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。

    Le Chonk signal

    推荐理由原文给出开放权重、三种推理模式和多项基准对比，读者可据此判断自托管编码与安全场景的取舍。

  1. Artificial Analysis解读
    AI 评分65

    Artificial Analysis 发布 Intelligence Index v5，60% 评测基于私有数据集

    Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两个基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，移除 GDPval-AA v2.1、SciCode 和 AA-LCR v1.1，60% 的指数改为基于私有测试集或留出答案的评测。同时推出 Progress Index v1，用统一尺度追踪模型能力随时间的变化。结果显示 Claude Opus 5.5（max）以 58 分居首，GPT-6 Astra（max，57）和 GPT-6.1 Sol（max，55）紧随，Gemini 4 Argon（high）为 50 分；开源权重模型与领先者的差距从 3 分扩大到 12 分，已发布权重中 DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）以 32 分领先。前十名模型单任务成本相差超过 13 倍，GPT-6.1 Terra（max）最低为 $0.96，Claude Fable 5.1（max）最高为 $13.04。

    推荐理由原文列出 v5 指数新增与升级的基准及移除项，并给出头部模型分数与单任务成本差距，可据此比较各模型能力与开销。

  2. Ai2 Blog一手研究
    AI 评分65

    Ai2 发布 Old Ideas, Novel Problems 研究：LLM 判断研究想法新颖性并不可靠

    Ai2 发布 Old Ideas, Novel Problems 研究与配套基准，测试 GPT-5.1、GPT-5.2、GPT-5.4、Claude Sonnet 4.5、Claude Opus 4.5 和 Claude Opus 4.6 六个模型判断研究想法新颖性的可靠性。结果显示评估设置的小改动会带来剧烈差异：GPT-5.4 在 Human+Generated 数据上换用更简单的提示词后，准确率从 93.5% 降到 40.9%，低于随机水平。研究还发现检索与额外推理并不稳定提升判断质量，两个专门构建的新颖性评估系统表现不如简单的 Claude Opus 4.6 提示词基线，且成本更高。

    推荐理由Ai2 用 ICLR 2026 评审信号构建基准，量化了提示词微调就能让新颖性判断准确率大幅翻转的不稳定性。

  3. Google Research一手研究
    AI 评分67

    Google Research 提出 sleep 框架，让 LLM 在持续学习中保留知识

    Google Research 提出 sleep 框架，为 LLM 引入周期性的睡眠阶段，把短期上下文巩固进长期参数，以缓解灾难性遗忘和静态知识截止。该框架分为记忆巩固与 dreaming 两阶段：前者用 MoE 参数扩展和基于 GKD 与强化学习模仿的知识播种，后者通过随机专家激活、筛选合成样本和 RL 精修实现自我改进。在 BABILong 上该方法在 10M token 内接近完美扩展，在 AIME 24/25 和 HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。

    A flowing stream of glowing blue geometric shapes consolidates into a bright, interconnected neural network sphere.

    推荐理由Google 提出把持续学习拆成清醒交互与离线巩固两阶段，并给出 10M token 长上下文与数学推理的对比结果。

  4. Artificial Analysis 完整文章一手解读
    AI 评分82

    Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5

    Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项领先。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型上下文窗口为 1M tokens，支持文本、图像、视频和语音输入，标准定价为每百万输入/输出 tokens 4/20 美元，目前向部分用户开放并提供 50% 折扣。

    推荐理由Artificial Analysis 的独立评测给出 Gemini 4 Carbon 在 Intelligence Index v5 登顶及与 Claude Opus 5.5 的分项对比。

  5. OpenRouter：Announcements一手产品发布
    AI 评分62

    OpenRouter 重建供应商路由算法，TTFT 降低 16.9%

    OpenRouter 宣布重建供应商路由算法，从主要按输入 token 价格分配流量，改为综合实际价格、首 token 延迟、吞吐、错误率和输出质量的实时路由成本。官方称新算法使 TTFT 降低 16.9%、吞吐提升 16.3%、429 错误减少 46%，每请求成本上升 6.0%。用户无需改代码，显式设置 provider.sort 或 provider.order 仍可绕过新逻辑。

    How we rebuilt provider routing for better, faster inference

    推荐理由原文给出新旧路由算法的切换实验数据，读者可据此判断推理成本与延迟之间的取舍。

  1. Unite.AI
    AI 评分94

    OpenAI 称其模型产出数学、计算机科学与物理三项研究成果

    OpenAI 于 2026 年 10 月 26 日宣布，其内部模型在数学、计算机科学和物理领域产出三项研究成果，其中包括对计算复杂性理论中长期存在的指数时间假设（ETH）的反证。数学方面，模型给出了任意维度局部光滑猜想（local smoothing conjecture）的证明，并由此解决 Kakeya 猜想与 Stein 限制猜想，10 月 18 日得到输出、次日完成 Lean 形式化。计算机科学结果由 Russell Impagliazzo、Ramamohan Paturi 与 Ryan Williams 领衔的小组验证，OpenAI 同意公开全部原始数据并资助相关会议；物理结果给出四维含规范场与费米子相互作用量子场论的严格存在性证明，并包含纯 Yang–Mills 存在性证明，由 David Gross 牵头的小组决定暂不公开 AI 产出材料、自行撰写成果。

    推荐理由原文完整呈现了 OpenAI 对三项 AI 产出结果的分级公开策略，以及外部专家组的验证与署名安排。

  2. gihyo.jp模型发布
    AI 评分90

    OpenAI 发布 GPT-6.1 Terra，API 价格为 GPT-5.6 Terra 的一半

    OpenAI 于 2026 年 10 月 26 日发布并开放 GPT-6.1 Terra，强化了视觉理解、电脑操作和写作能力，标准 API 价格为 GPT-5.6 Terra 的一半，即每百万 token 输入 1 美元、缓存输入 0.05 美元、输出 5 美元。该模型上下文窗口为 105 万 token，最大输入 92 万 2000 token、最大输出 12 万 8000 token，reasoning effort 可选 none 到 max，默认 medium。在 Agents' Last Exam 上，medium 设置的得分比 GPT-5.6 Terra 高 15 分而成本约为三分之一；max 设置下完成任务的平均速度超过 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍。该模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户提供，API 模型 ID 为 gpt-6.1-terra。

    推荐理由原文列出新模型在视觉理解与电脑操作上的基准表现和 API 价格变化，可据此判断日常自动化任务的成本取舍。

  1. 量子位模型发布
    AI 评分79

    岩山科技联合港科大、CMU开源EdgeRock-4B，KV Cache减少99.1%

    岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源EdgeRock-4B，在256K上下文下KV Cache固定为72MiB，相比源模型Qwen3.5-4B减少99.1%。单张80GB GPU可同时跑512路长推理，输出吞吐12124 tokens/s，是源模型的6.42倍；AIME 2024—2026平均一次通过率82.9%。模型基于Qwen3.5-4B分阶段转换而来，无需从头预训练，权重和推理代码已开源并可商用，支持文本和图像推理。

    推荐理由原文给出固定内存与吞吐的实测对比，读者可据此判断长推理场景下显存成本的变化。

  1. The Elec模型发布
    AI 评分82

    月之暗面发布 Kimi K3.1 Pro，AA 智能指数 55 分超过 GPT-6 Astra

    月之暗面发布 Kimi K3 的升级版 Kimi K3.1 Pro，采用 MoE 架构，总参数 2.8 万亿、激活参数 1040 亿，896 个专家中每次激活 16 个。据 Artificial Analysis 评测，该模型以 55 分位列 Intelligence Index 第四，高于 GPT-6 Astra 的 53 分，前代 Kimi K3 为 44 分。它在 Terminal Bench 4.0 以 67% 排名第一，前代为 13%，Claude Sonnet 5.5 为 64%；定价为每百万输入 token 2 美元、每百万输出 token 10 美元，但输出速度 73 tokens/s 低于 81 tokens/s 的平均水平。

  2. Moonshot AI · Kimi Blog一手模型发布
    AI 评分87

    月之暗面发布 Kimi K3.1 Pro：3T 级开源权重模型，100 万 token 上下文

    月之暗面发布 Kimi K3.1 Pro，这是 K3.1 系列首个模型，也是其迄今最强的 3T 级开源权重模型，上下文窗口为 100 万 token，同时推出速度提升 2-3 倍的 Kimi K3.1 Pro Highspeed。该模型已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，完整模型权重将于 11 月 4 日发布。在 Terminal-Bench 4.0 上，K3.1 Pro 得分 65.7%，高于 GPT-6 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%；在内部基准 Kimi Code Bench 3.0 Long-horizon 上得分为 61.2%，高于 K3 的 55.95%。

    Benchmark results for Kimi K3.1 Pro and peer models across 14 coding, science, and knowledge-work evaluations

    推荐理由官方披露了 K3.1 Pro 在编码、3D 与金融任务上的基准表现，以及开源权重前对网络安全数据做的取舍。

  1. IT之家·人工智能产品发布
    AI 评分79

    OpenAI 全面开放决策 API，基于 GPT-6 Luna，输入每百万 token 0.1 美元

    OpenAI 宣布全面开放决策 API（Decisions API），该 API 基于 GPT-6 Luna 构建，面向具有限定答案的问题，协助应用与智能体基于文本、图像及结构化输入做出准实时决策，响应速度比通过 Responses API 调用 GPT-6 Luna 提升高达 10 倍。定价上输入每百万 token 收费 0.1 美元，命中缓存的输入每百万 token 收费 0.01 美元，仅按输入 token 计费、输出 token 免费。自公测以来新增原生 GPT-Live 集成、Prompt 缓存和美国与欧盟的推理数据驻留支持，单次请求最多可提交 400 个问题。

    推荐理由原文给出了决策 API 的定价、延迟提升和输入上限变化，读者可据此判断它适合哪些准实时决策场景。

  2. fal模型发布
    AI 评分75

    fal 发布 FLUX 3 Max 视频模型，10 秒视频生成耗时 12.45 秒

    fal 与 bfl_ai 合作发布后训练视频模型 FLUX 3 Max，生成一段 10 秒视频耗时 12.45 秒，Seedance 2.5 为 277.8 秒，两者在第三方基准评测中 Elo 分数同为 1,139。该模型在独立第三方基准的图像生视频质量排名中并列第一，可生成 10 秒、720/768p 视频，耗时约 12 秒。fal 表示未来三周 FLUX 3 Max 降价 75%。

    推荐理由原文给出了生成速度与第三方 Elo 的对照数据，读者可据此判断视频模型在速度与质量上的取舍。

  3. ARC Prize一手解读
    AI 评分73

    DeepSeek V4.1 Flash 1017 在 ARC-AGI-2 得分 78.1%

    ARC Prize 公布 DeepSeek V4.1 Flash 1017 在 ARC-AGI 验证集上的成绩：ARC-AGI-2 得分 78.1%，每任务成本 $0.16；ARC-AGI-1 得分 94.5%，每任务成本 $0.06。DeepSeek Flash 系列在 ARC-AGI-2 上的最好成绩从 V4 Flash 0731 的 61.4% 升至 V4.1 Flash 的 72.9%，再到 V4.1 Flash 1017 的 78.1%。

    推荐理由ARC Prize 给出 DeepSeek Flash 系列在 ARC-AGI 上的逐版本分数与单任务成本，可横向比较模型迭代幅度。