#推理

Google DeepMind 发布 Gemini 4 Argon，全球上线 API、Gemini 应用和 Antigravity

Google DeepMind 发布 Gemini 4 Argon 并全球开放，定价为每百万输入 token $2、输出 $10（缓存输入 95% 折扣），支持 1M 统一输入输出 token 上限，并在 Vals Index 排名第一。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》

AWS 提出 priming 方法，可将预训练 Transformer 改造成混合状态空间架构

AWS 团队发布论文《Priming: Hybrid state space models from pre-trained Transformers》，提出 priming 方法，复用预训练 Transformer 权重构建混合架构，将预训练成本降低逾 99%，全流程消耗不足源模型 0.5% 的 token 预算。

NVIDIA 与普林斯顿发布 ReplaySSM：缓存 SSM 输入而非状态，加速混合模型解码

NVIDIA 与普林斯顿 Dao AI Lab 发布 ReplaySSM，将 SSM 状态表示为检查点加近期输入缓冲，减少状态内存流量、简化投机解码回滚并限制量化误差累积。

IBM 解析分布式推理如何支撑大模型服务：llm-d 的六项关键技术

IBM Research 发文解析分布式推理如何为大规模 LLM 服务调度流量，其开源 Kubernetes 原生框架 llm-d 涵盖前缀缓存感知路由、KV-cache 卸载、流控、批推理优化、prefill/decode 分离与宽专家并行六项技术。

Google 开源 ML Drift 端侧 GPU 推理引擎，接替 TFLite GPU delegate

Google AI Edge 团队以 Apache 2.0 许可开源 ML Drift，一个跨平台端侧 GPU 推理计算引擎，作为 LiteRT 的核心 GPU 加速层。

Reflection 发布 501B 开源权重模型 Beam

Reflection 推出首个开源权重模型 Beam，为稀疏 MoE 架构，总参数 501B、激活 23B，主打编码、推理和智能体任务，权重、技术报告和模型卡将于本月以 Apache 2.0 许可发布。

Liquid AI 发布 d1 决策模型并新增图像输入能力

Liquid AI 发布 d1 决策模型，新增文本与图像输入，可通过 console.liquid.ai 和 d1 Playground 使用。

Baseten Base Labs 复现单步梯度外推研究：RL 提升主要是修复 doom loop 失败模式

Baseten Base Labs 复现并检验了近期关于 RL 训练轨迹近似直线、可通过线性外推替代完整 RL 运行的结论，发现其效果有限。

Prime Intellect 发布推理服务平台 Prime Inference

Prime Intellect 发布 Prime Inference，提供 serverless 端点与预留容量，在多数据中心 GPU 基础设施上服务前沿开源模型，内部每天处理近一万亿 token。

Baseten 如何打造 Artificial Analysis 上最快的 GLM-5

Baseten 的 Model API 在 Artificial Analysis 上跑出 200+ TPS、约 200ms TTFT，成为该榜单上最快的 GLM-5 服务。

Fireworks 实验揭示：RL 训练中数值对齐与 MoE 路由为何关键

Fireworks 在 GLM 5.2 上做同一 RL 任务实验，训练端与 rollout 引擎概率计算不一致时 KL 约 0.013、每批约 45% 样本被丢弃，reward 在约第 20 步从 0.9 崩到 0.2 以下；对齐后 KL 为 0、reward 全程稳定。

Zyphra 解析混合 NoPE 模型如何在没有位置编码的情况下学到位置

Zyphra 发文解释混合架构中全局 NoPE 注意力如何获得位置信息：滑动窗口注意力等局部混合层在残差流中留下随相对距离变化的近因偏置结构，训练中全局层的 query/key 投影学会读取该结构，形成隐式相对位置编码。

韩国 AI 公司 Upstage 发布推理模型 Solar Mini 4，Artificial Analysis 评测得分 24

韩国 AI 公司 Upstage 发布专有推理模型 Solar Mini 4，报告总参数 35B、激活参数 3B，在 Artificial Analysis Intelligence Index 得 24 分，比上一代旗舰 Solar Pro 3 高 16 分，价格降至每 1M 输入/输出 token $0.10/$0.40。

Artificial Analysis 评测 Gemini 4 Argon：Google 重回智能前三梯队

Artificial Analysis 评测 Google DeepMind 的 Gemini 4 Argon，其高推理档在 Artificial Analysis Intelligence Index 得分 53，追平 GPT-6 Astra (max)、领先 GPT-6.1 Sol (max) 1 分。

Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放

Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。

AlphaSense 如何用 Cerebras 快速推理让智能体研究实现交互式体验

AlphaSense 与 Cerebras 合作，用快速推理为 Generative Search 加速路由、查询生成和证据评估等高频模型调用环节，使系统能在同一响应窗口内完成更多推理步骤。这改变了架构取舍：不再把规划、检索、评估压缩进单个提示词，而是拆成多个专用模型调用，仍保持交互式体验。

OpenAI 披露并处置一起有组织的模型蒸馏攻击行动

OpenAI 披露其识别并处置了一起有组织的攻击行动，该行动旨在系统性提取模型受保护的推理内容，最早活动出现在 7 月第一周。

MIT 等机构发布 Ataraxos，以极低成本战胜顶级人类 Stratego 选手

MIT、CMU、NYU 与 Stanford 的研究人员开发出 AI 系统 Ataraxos，在隐藏信息棋盘战棋 Stratego 上大幅超越世界顶级人类选手，论文发表于 Nature。

vLLM 分离式推理（Disaggregated Serving）实用指南

vLLM 官方博客发布分离式推理实用指南，讲解 vLLM v0.30.0 及以上版本中 prefill/decode 分离、无 GPU render 前端及两者组合的原理与运行方法。

GPT-6.1 Sol 发布 7 天后接替 GPT-6 Sol，智能指数距 GPT-6 Astra 仅 1 分

OpenAI 发布 GPT-6.1 Sol，接替仅上线 7 天的 GPT-6 Sol，Artificial Analysis 智能指数比 GPT-6 Sol 高 4 分、比 GPT-6 Astra 低 1 分。

上海 AI 实验室发布 AdvancedMathBench：面向高等数学证明生成与验证的基准套件

上海人工智能实验室 InternLM 团队发布 AdvancedMathBench，用于评估语言模型构建与验证高等数学自然语言证明的能力，覆盖本科（UG）与资格考试（QE）级别。

苹果研究：语言模型树结构表达式序列化的通信瓶颈与往返研究

苹果研究者提出往返协议，用生成器把算术表达式转成文字题、再由独立提取器还原，并以符号等价作为精确判定，测试十六个模型的所有两两组合。结果显示该通道有损且不对称：交换生成与提取模型可使准确率相差最多 60.4 个百分点，最佳组合达 92.9%；至少 73.6% 的失败源于生成端，难度由树结构而非模型家族决定。

Ollama 支持基于 Jev API 的决策模型，新增 nimble 等三款模型

Ollama 0.35 通过新 /v1/systemone 端点支持基于 TypeSafe Jev API 的决策模型，可在本地一次请求回答多个命名问题，适合工单分诊、模型路由和内容审核等快速决策任务。

Claude Sonnet 5.5 达到 Artificial Analysis 智能指数第 2 名

Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。

字节 Seed 论文发现 DeepSeek-V4 等分块 KV 缓存压缩模型存在周期性检索弱位

字节 Seed 团队发表论文，发现使用分块 KV 缓存压缩的模型存在相位敏感性：检索精度随信息相对压缩窗口边界的位置周期性波动。在 DeepSeek-V4 系列上，128K 上下文的 NIAH 检索精度跨相位差异最高达 40.2 个百分点，预填充长度变化会让代码补全预测每 4 个 token 周期性翻转，与其压缩步长一致。

Claude 完成 N=4 super Yang-Mills 九圈散射振幅计算，物理学家 Matt von Hippel 撰文回顾挑战过程

物理学家 Matt von Hippel 发起的挑战达成：Anthropic 的 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 用 Claude Science（harness）让 Claude 直接算出 planar N=4 super Yang-Mills 六粒子振幅九圈结果。

Modal 与 CMU 推出 Quail：联合优化查询规划器与推理引擎，加速 AI-SQL

Modal 与 CMU Full Stack Data Lab 联合推出查询感知推理层 Quail，通过联合优化查询规划器与推理引擎加速 AI-SQL 查询。在某个多表连接查询上，Quail 单张 H100 GPU 每分钟处理超 10 亿 token，比同硬件 vLLM 基线快 10 倍以上，Modal 上成本低于每 10 亿 token 6 美分。

Fireworks 发布 Ember-1，以约四成更少 token 达到 Kimi K3 质量

Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，通过学习精简不必要的推理，在保持质量的同时减少约 35-50% 的 reasoning token。

Baseten Base Labs 实验研究蒸馏何时有助于强化学习

Baseten Base Labs 用 Qwen3 0.6B/1.7B/4B/8B 在 16 个推理任务上比较 GRPO 直接训练与先用 gpt-5.6-sol 教师解法做 SFT 再 RL。

Anthropic 发布 Claude Opus 5.5：默认 1M token 上下文，面向长时间运行的智能体编码

Anthropic 发布 Claude Opus 5.5（claude-opus-5-5），定位于长时间运行的智能体编码与知识工作，默认 1M token 上下文窗口。

同一件事，精选收录的是《Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%》

Redwood Research：潜在推理架构可能瓦解 CoT 这一最强的模型监督工具

Redwood Research 研究员 Lukas Finnveden 发文警告，转向潜在推理架构可能削弱思维链（CoT）的价值，使 AI 监管更难。

Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降

Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。

OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 降 50%

OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，将 GPT-6 Astra 的训练方法用于更快更便宜的模型，API 价格较 GPT-5.6 促销价下调 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，每百万 token）。

OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格较 GPT-5.6 降价 50%

OpenAI 在 GPT-6 Astra 之后发布 GPT-6 Sol 和 GPT-6 Luna，主打更低成本的同代智能，API 价格较 GPT-5.6 对应型号降价 50%（Sol 为每百万 token 输入 $2、输出 $10，Luna 为 $0.10 与 $0.50）。

Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%

Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。

小米开源 MiMo-V2-Flash：309B 总参数 MoE 模型，主打推理、编码与智能体

小米于 12 月 16 日发布并开源 MiMo-V2-Flash，一款 309B 总参数、15B 激活参数的 MoE 基础语言模型，权重以 MIT 许可上传 Hugging Face。

Fireworks AI 分析：前沿不是单个模型，而是路由器，FireRouter 发布

Fireworks AI 发布 FireRouter 并分析 DeepSWE v1.1 上 113 个任务、18 个模型的路由潜力。

TypeSafe AI 发布 Jev 分类模型，LangChain 详解其在 Agent 循环中的用法

TypeSafe AI 发布新模型 Jev，一种不生成文本的 System One 分类模型，官方报告在分类任务上推理最高快 200x、成本低 400x。

OpenAI 发布 Astra for Law 法律行业基础方案

OpenAI 发布 Astra for Law，将 GPT-6 Astra 配合法律搜索索引和 Legal 分析写作指令，面向律所和法律科技公司。在 Vals AI Legal Research Bench 私有验证集 200 道美国法律研究题上，最高推理强度下整体正确率 54.0%，比仅用网页搜索的 GPT-6 Astra 的 38.7% 相对提升 40%。

Anthropic：Claude 四周优化 30 多个开源生物分子模型，平均提速约 4 倍并开源代码

Anthropic 让 Claude 在不到四周内优化了超过 30 个开源生物分子模型，平均提速约 4 倍、精度损失极小，输出完全一致时也有近 2 倍加速。优化代码全部开源，还推出低内存 Big 模式，可在单张 NVIDIA GPU 节点上对超过 10,000 token 的生物分子系统做准确预测。