精选· 重要性 4/5
DeepSeek V4 Flash 0731 在 ARC-AGI 基准测试中取得高分
DeepSeek 发布 V4 Flash 0731 模型，在 ARC-AGI-1 和 ARC-AGI-2 半私有基准测试中分别取得 89.0% 和 61.4% 的分数，且单任务成本极低，展示了高效推理能力。
Hacker News (AI)2 天前
精选· 重要性 4/5
vLLM内部解析：高吞吐量LLM推理系统剖析
本文深入解析vLLM这一高吞吐量LLM推理系统的核心组件与高级特性，从分页注意力、连续批处理到多GPU扩展，为理解现代推理引擎提供清晰框架。
Hacker News (AI)3 天前
精选· 重要性 4/5
AMD收购Taalas，Meta Muse Spark 1.2跃居前沿，OpenAI统一模型并推插件标准
本期AI新闻涵盖AMD收购Taalas、Meta的Muse Spark 1.2在基准测试中突破、OpenAI统一ChatGPT模型并推出Agent Plugins标准，以及智能体编排和推理路由成为竞争焦点。
Latent Space (Swyx)3 天前
精选· 重要性 4/5
ChatGPT免费用户获无限文本聊天，新模型Luna上线
OpenAI宣布取消ChatGPT免费用户的文本聊天限制，并推出新模型GPT-5.6 Luna，同时为付费用户提供升级版Sol模型，提升推理能力并减少事实错误。
TechCrunch — AI3 天前
精选· 重要性 4/5
Meta发布Muse Code与Muse Spark 1.2，强化长序列智能体工具调用
Meta推出编码智能体Muse Code及升级版Muse Spark 1.2，后者在代码生成、调试等任务上显著提升，并强调长序列智能体工具调用能力，反映当前模型发展的关键趋势。
Simon Willison's Weblog4 天前
精选
MacPaw携手Liquid AI为开发者提供设备端推理服务
乌克兰应用开发商MacPaw与Liquid AI合作，将本地AI模型引入其产品，并计划向开发者开放设备端推理技术，同时为其订阅应用商店SetApp推出AI应用和积分制。
TechCrunch — AI5 天前
精选· 重要性 4/5
Megakernels已死又重生：Cursor开源MoK引发推理工程之争
本期AI新闻聚焦推理工程领域关于Megakernels的激烈辩论，并报道Cursor开源其NVL72 MoE训练Megakernel，以及Qwen、NVIDIA、Mistral等多家公司发布新模型，展示推理效率与模型发布的快速演进。
Latent Space (Swyx)5 天前
精选· 重要性 4/5
LLM 0.32 发布：新增推理轨迹、OpenAI Responses、服务器端工具与智能日志
LLM 0.32 是该项目自发布以来最重要的更新，新增推理轨迹显示、服务器端工具支持、内容可寻址日志，并默认使用 GPT-5.6 Luna 模型，标志着 LLM 正演变为一个智能体框架。
Simon Willison's Weblog5 天前
精选· 重要性 5/5
Qwen 3.8 Max与27B开放权重模型发布，主打编码与智能体协作
阿里巴巴发布Qwen 3.8 Max（2.4T参数）及Qwen 3.8-27B，承诺下周开放权重，在编码、长期智能体任务和多模态推理上表现强劲，与西方顶级闭源模型直接竞争。
Latent Space (Swyx)6 天前
精选· 重要性 4/5
推理工程大师课：Baseten如何让开放模型快10倍
Baseten联合创始人详解推理工程：从KV缓存路由到量化误差抵消，揭示推理优化如何成为AI基础设施新战场，并带来20%至200%的性能提升。
Latent Space (Swyx)6 天前
精选· 重要性 4/5
DeepSeek-V4-Flash-0731发布，性价比领先
DeepSeek发布V4系列最新模型V4-Flash-0731，参数3040亿，智能体能力增强，性价比突出，在基准测试中超越更大模型。
Simon Willison's Weblog9 天前
精选· 重要性 4/5
AI推理是否因错误原因而正确？
大型推理模型（LRM）在数学竞赛中夺金，但其思维链可能只是表面捷径，未必反映真实推理过程。本文探讨AI推理的有效性与解释性之间的张力。
Hacker News (AI)9 天前
精选· 重要性 4/5
DeepSeek API 更新日志：V4-Flash 公测及历代模型升级
DeepSeek 发布 V4-Flash 公测，性能大幅提升，并宣布 legacy 模型名称即将停用，同时回顾了从 V2.5 到 V4 的系列升级。
Hacker News (AI)10 天前
精选· 重要性 5/5
GPT-5.6降价20%-80%，旗舰智能成本四个月降13倍
OpenAI通过系统级优化大幅降低推理成本，并发布开放权重模型Inkling-Small和Gemini Robotics 2，推动AI成本与能力边界。
Latent Space (Swyx)10 天前
精选· 重要性 4/5
蒸馏DeepSeek不转移审查行为：金融推理模型实证研究
一项实证研究显示，从中国审查模型蒸馏出的美国模型在金融推理上表现优异，但未继承政治审查行为，为模型蒸馏实践提供了重要参考。
Hacker News (AI)10 天前
精选· 重要性 4/5
两项API设置使GPT-5.6在ARC-AGI-3基准测试中得分翻三倍
OpenAI发现，通过保留推理链和启用压缩两项API设置，GPT-5.6在ARC-AGI-3基准测试上的得分和效率大幅提升，揭示了推理模型的关键优化方向。
OpenAI News11 天前
精选· 重要性 4/5
GPT-5.6融合前沿智能与效率
OpenAI发布GPT-5.6，在模型、推理和智能体工作流中提升AI效率，实现每美元更多有用智能。
OpenAI News12 天前
精选· 重要性 4/5
Anthropic用Claude Mythos发现加密算法数学缺陷
Anthropic研究人员使用Claude Mythos模型，通过60小时连续推理和巧妙提示，发现了HAWK和简化版AES中的数学弱点，展示了AI在密码学前沿研究中的潜力。
Simon Willison's Weblog12 天前
精选· 重要性 4/5
4亿美元交易：GPU融资先驱转向推理芯片
AI推理云初创公司General Compute获4亿美元贷款，以推理芯片为抵押，标志着资本从GPU转向更高效的推理基础设施，推动开源模型发展。
TechCrunch — AI24 天前
精选· 重要性 5/5
OpenAI 发布 GPT-5.6 Sol/Terra/Luna，Codex 成为 ChatGPT 超级应用
OpenAI 推出 GPT-5.6 系列三款模型，以太阳、地球、月球命名，主打性价比分层；同时将 Codex 整合进 ChatGPT Work 桌面应用，向超级应用战略迈出关键一步。
Latent Space (Swyx)大约 1 个月前
精选· 重要性 5/5
SWE-1.7：以极低成本实现前沿智能的推理模型
Cognition 发布 SWE-1.7 模型，通过强化学习在多个集群上训练，以极低成本达到接近 GPT-5.5 和 Opus 的智能水平，挑战了“后训练天花板”的假设。
Hacker News (AI)大约 1 个月前
精选· 重要性 4/5
Lilian Weng 总结 35 篇论文：Harness 工程驱动递归自我改进
Lilian Weng 发布综述，强调 Harness 工程是递归自我改进的核心，而非直接修改权重；Anthropic、Google 等纷纷推出智能体产品，Meta 发布 Muse 图像/视频模型，Liquid AI 提出 Antidoom 方法减少推理循环失败。
Latent Space (Swyx)大约 1 个月前
精选· 重要性 4/5
Fable 5 发布与开放权重模型竞争加剧：AI 领域最新动态
本期 AINews 聚焦 Fable 5 模型发布后的使用指南与社区反应，同时报道腾讯 Hy3 开放权重模型、智能体基准测试、Anthropic 可解释性研究及推理效率进展，展现 AI 领域在模型能力、部署与安全方面的快速演进。
Latent Space (Swyx)大约 1 个月前
精选· 重要性 5/5
GLM 5.2 与即将到来的人工智能利润率暴跌
本文探讨开放权重模型 GLM 5.2 如何以极低成本接近前沿模型性能，并分析推理利润率即将崩溃对 AI 行业格局的深远影响。
Hacker News (AI)大约 1 个月前
精选· 重要性 4/5
DeepSeek开源推理优化，生成速度提升60-85%
DeepSeek发布DSpark论文，开源一种推理优化技术，可将大模型生成速度提升60-85%，显著降低推理成本。
Hacker News (AI)大约 1 个月前
精选· 重要性 4/5
AI推理初创公司Baseten据报以130亿美元估值融资15亿
AI推理初创公司Baseten在不到半年内估值飙升160%，据报正以130亿美元估值完成15亿美元融资，凸显推理层投资热潮。
TechCrunch — AI大约 2 个月前
精选· 重要性 4/5
OpenAI推理模型助力医生诊断儿童罕见遗传疾病
研究人员利用OpenAI推理模型分析未确诊的罕见病病例，成功识别出18种新诊断，展示了AI在辅助临床诊断中的潜力。
OpenAI News大约 2 个月前
精选· 重要性 5/5
GLM-5.2发布：全球顶尖前端编码开放权重模型，IndexShare优化推理
Z.ai 发布 MIT 许可的开放权重前沿模型 GLM-5.2，在多项编码和智能体基准测试中超越多数闭源模型，并引入 IndexShare 稀疏注意力优化和推理效率改进。
Latent Space (Swyx)大约 2 个月前
精选· 重要性 5/5
Satya谈Loopcraft：构建前沿生态系统，Anthropic出口管制危机与模型中立架构崛起
微软CEO Satya Nadella发文阐述以学习循环为核心的AI战略，同时Anthropic的Fable 5模型因美国出口管制被暂停访问，引发业界对模型中立性和可观测性的关注。
Latent Space (Swyx)大约 2 个月前
精选· 重要性 5/5
Hugging Face 发布 Open R1 项目：完全开源复现 DeepSeek-R1
Hugging Face 的 Open R1 项目旨在完全开源复现 DeepSeek-R1 的推理能力，已发布多个高质量数据集和训练方案，并完成第一阶段蒸馏任务。
Hacker News (AI)大约 2 个月前
精选· 重要性 4/5
基于Kolmogorov-Arnold网络的FPGA超快机器学习
本文介绍如何利用Kolmogorov-Arnold网络（KAN）在FPGA上实现超低延迟推理和在线学习，通过将KAN与查找表神经网络结合，实现高效硬件加速。
Hacker News (AI)2 个月前
精选· 重要性 4/5
AI日报：Anthropic发现递归自我改进迹象，英伟达发布Nemotron 3 Ultra
Anthropic发布报告称AI已出现递归自我改进的早期迹象，英伟达推出完全开源的Nemotron 3 Ultra模型，OpenAI的ChatGPT月活突破10亿并改进记忆功能，Cloudflare收购VoidZero以强化全栈代理工具链。
Latent Space (Swyx)2 个月前
精选· 重要性 4/5
Axiom CEO谈形式验证：AI扩展的关键在于可验证的数学证明
Axiom在2025年以满分12/12解决普特南数学考试，其CEO Carina Hong认为形式验证（如Lean证明）是通向AGI的必要条件，能提供更强的强化学习信号和可扩展的高质量训练数据。
Latent Space (Swyx)2 个月前
精选· 重要性 4/5
微软发布首个高级推理AI模型MAI-Thinking-1
微软在Build 2026大会上推出旗舰推理模型MAI-Thinking-1，标志着其摆脱对OpenAI依赖、自主开发AI模型的重要一步。
The Verge — AI2 个月前
精选· 重要性 4/5
在AMD MI300X上部署DeepSeek-V4-Flash的工程挑战与解决方案
本文记录了在AMD MI300X上运行DeepSeek-V4-Flash推理时遇到的FP8方言不兼容、注意力内核缺失、HIP图支持等软件问题及修复过程，揭示了AMD旧款加速器在AI软件生态上的短板。
Hacker News (AI)2 个月前
精选· 重要性 4/5
微软Build大会将发布新AI模型、推理模型及Windows改进
微软将在Build大会上推出MAI-Thinking-1推理模型、Copilot超级应用及Windows 11开发者优化体验，旨在赢回开发者信任并重塑AI战略。
The Verge — AI2 个月前
精选· 重要性 4/5
AI术语全解析：从AGI到微调，一文读懂
本文是TechCrunch发布的AI术语表，系统解释了AGI、AI智能体、思维链、扩散模型等常见术语，帮助读者理解AI领域的关键概念。
TechCrunch — AI2 个月前
精选· 重要性 4/5
标准GPU上实现实时LLM推理：单请求每秒3000个token
Kog AI发布推理引擎技术预览，在标准数据中心GPU上实现单请求每秒3000个token的解码速度，通过软硬件协同优化突破内存带宽瓶颈，为AI智能体应用带来数量级的延迟改善。
Hacker News (AI)2 个月前
精选· 重要性 5/5
Anthropic发布Claude Opus 4.8：性能提升、诚实度增强并引入动态工作流
Anthropic发布Claude Opus 4.8，在编码、推理和代理任务上显著超越前代，同时大幅提升诚实度并降低错误率，并引入动态工作流和努力控制等新功能。
Hacker News (AI)2 个月前
OpenAI GPT-next 不到1000美元推翻80年未解数学猜想
平静的一天，但AI与数学交叉领域取得不错成果。
Latent Space (Swyx)3 个月前
精选· 重要性 5/5
OpenAI模型推翻离散几何80年猜想，AI驱动数学获里程碑
OpenAI的AI模型解决了80年历史的单位距离问题，反驳了离散几何中的一项核心猜想，展示了AI在数学研究中的突破性能力。
OpenAI News3 个月前
Gemini 3.1 Pro：为复杂任务打造的更智能模型
3.1 Pro专为那些简单答案不足以应对的任务而设计。
Google DeepMind Blog6 个月前
Gemini 3 Deep Think 更新：推动科学、研究与工程进步
我们最专业的推理模式现已更新，以解决现代科学、研究和工程挑战。
Google DeepMind Blog6 个月前
Gemini Deep Think加速数学与科学发现
研究论文指出Deep Think在多个领域的影响力日益增长。
Google DeepMind Blog6 个月前
Gemini 3 Flash：为速度打造的前沿智能
Gemini 3 Flash 以极低的成本提供了为速度而构建的前沿智能。
Google DeepMind Blog8 个月前
精选· 重要性 4/5
GSPO：面向语言模型的可扩展强化学习新算法
Qwen团队提出组序列策略优化（GSPO）算法，通过序列级优化解决现有RL算法在长时间训练中的不稳定问题，显著提升训练效率与稳定性，并成功应用于Qwen3模型的大规模RL训练。
Qwen Team Blog大约 1 年前
QVQ-Max：用证据思考的视觉推理模型
去年12月，我们推出了探索性模型QVQ-72B-Preview，但它存在很多问题。今天，我们正式发布视觉推理模型QVQ-Max的第一个版本。该模型不仅能“理解”图像和视频中的内容，还能利用这些信息进行分析和推理以提供解决方案。从数学问题到日常问题，从编程代码到艺术创作，QVQ-Max展示了令人印象深刻的能力。
Qwen Team Blog超过 1 年前
精选· 重要性 5/5
QwQ-32B：强化学习驱动的32B参数模型性能媲美DeepSeek-R1
Qwen团队发布QwQ-32B，一个仅32B参数的模型，通过强化学习在数学、编程等任务上达到与671B参数的DeepSeek-R1相当的性能，并集成智能体能力，展示了强化学习在提升大模型智能方面的巨大潜力。
Qwen Team Blog超过 1 年前
QwQ-Max-Preview：深度推理与多领域能力预览版发布
QwQ-Max-Preview 是 Qwen 系列的新模型，基于 Qwen2.5-Max 构建，专注于深度推理、数学、编程、通用领域及智能体相关任务。该预览版展示了强大的推理能力，未来将推出更新并计划以 Apache 2.0 协议开源。
Qwen Team Blog超过 1 年前
数学推理中的有效过程监督
近年来，大型语言模型（LLM）在数学推理方面取得了显著进步，但仍可能犯计算错误或逻辑错误，导致错误结论。此外，即使最终答案正确，这些模型仍可能编造看似合理的推理步骤，其最终答案建立在有缺陷的计算或推导之上，这削弱了LLM推理过程的可靠性和可信度。因此，自动识别推理过程中的错误对其可扩展监督变得日益重要。过程奖励模型（PRM）作为一种有前景的方法，旨在识别并缓解推理过程中的中间错误。在评估方面，以往研究主要依赖响应级Best-of-N（BoN）评估，即根据PRM从N个候选中选择得分最高的响应。今天，我们发布了一个新的最先进PRM，在构建PRM的未来研究中优于现有开源替代方案。
Qwen Team Blog超过 1 年前