#推理

华为鸿蒙“龙虾”小艺 Claw 迎重磅更新：上线“自进化”能力、接入 DeepSeek V4

华为鸿蒙“龙虾”小艺 Claw 迎来11.6.3.300版本更新。核心升级包括上线“自进化”能力，可学习用户长期偏好以减少重复沟通；并正式接入DeepSeek V4模型，获得百万级上下文处理能力，在信息搜集、文档处理等任务中具备更强推理能力。此外，更新引入了社区与生态伙伴的精选技能，覆盖金融、办公等多领域。该智能体已获得信通院首个终端厂商权威安全认证。目前，支持该功能的小艺App已开启尝鲜升级。

Xiaomi MiMo@XiaomiMiMo· 21:49精选AI 评分6060

小米MiMo-V2.5-Pro模型在最新Arena排行榜中表现卓越。在Text Arena（Expert）榜单中，它位列全球第六，同时是开源模型与中文模型的双料第一，其所属实验室全球排名第三。该模型在Text Arena（Overall）总榜中排名开源全球第二，在Code Arena（WebDev）前端开发榜单中位列开源全球第三。此外，它在Text Arena的四个关键子类别（Hard Prompts、英文Hard Prompts、指令遵循与长查询）中均获得开源全球第一。这些成绩均基于真实用户偏好与社区盲投评估，体现了模型在复杂任务上的强大综合能力。

Qwen@Alibaba_Qwen· 20:33精选AI 评分6060

FlashQLA是基于TileLang构建的高性能线性注意力内核，专为个人设备上的智能体AI设计。其核心创新包括门控驱动的自动片内计算并行、硬件友好的代数重构以及TileLang融合的Warp专用内核，通过提升流处理器利用率，在前向传播上实现2-3倍加速，反向传播实现2倍加速。该技术在小模型、长上下文工作负载和张量并行设置中效果显著，虽然在大批次处理时内存I/O开销略高，但在边缘设备和长上下文场景中实际性能更优。反向传播通过16级Warp专用流水线在严格片上内存限制下实现了核心级加速。相关资源已开源。

Qwen@Alibaba_Qwen· 20:33精选AI 评分6666

FlashQLA是基于TileLang开发的高性能线性注意力内核，专为提升个人设备上智能体AI性能而设计。它实现了2-3倍的前向传播加速和2倍的反向传播加速。其核心技术包括门控驱动的片上自动计算与通信重叠、硬件友好的代数重构，以及TileLang融合的Warp专用内核。该设计通过自动片上通信重叠显著提升了流处理器利用率，在张量并行、小模型和长上下文任务中效果突出。尽管在大批量处理时，其将GDN流程拆分为两个内核的策略会带来额外内存开销，但在边缘设备和长上下文实际场景中性能更优。反向传播部分通过构建16级、严格片上内存限制下的Warp专用流水线，实现了超过2倍的内核级加速。

Rohan Paul@rohanpaul_ai· 16:38AI 评分6262

AMD研究团队提出HyLo混合LLM架构，可在预训练后低成本为模型添加长上下文能力。该方案通过结构性筛选，保留关键注意力层以保证质量，同时用固定内存的廉价层替换多数层以追踪长序列，从而将可用上下文扩展至200万token，并减少90%以上的KV缓存。基于Llama和Qwen等1B至3B模型，HyLo在保持短上下文性能接近基准的同时，在RULER等长上下文基准测试中表现优异。这为开发者提供了一条无需废弃现有强检查点、即可低成本获得更长上下文和更低内存占用的实用路径。

腾讯多款 Agent 智能体亮相 2026 数字中国建设峰会，混元 Hy3 preview 语言模型同步迎来展会首秀

在2026数字中国建设峰会上，腾讯展示了其Agent智能体生态。其中，WorkBuddy桌面智能体工作台可根据一句话描述自动完成任务；专为中国用户优化的AI技能社区“SkillHub”已集成腾讯核心产品能力，并收录超3.5万个技能。最新发布的混元Hy3 preview语言模型首次亮相，该模型为混合专家模型，总参数295B，支持256K上下文，在复杂推理、代码等能力上大幅提升，旨在助力中小企业低成本快速搭建AI应用，并已在腾讯云、元宝等多款产品中上线。

科大讯飞星火 X2-Flash 模型发布：基于华为昇腾 910B 集群训练，最大 256K 上下文

科大讯飞正式发布星火 X2-Flash 模型并开放API。该模型采用MoE架构，总参数300亿，支持256K上下文，基于华为昇腾910B集群训练。其在智能体、代码等能力上大幅提升，在深度研究报告、Skill管理等多项任务上效果接近业界万亿参数模型，而整体token消耗不到主流大尺寸模型的三分之一。通过结合DSA与MTP技术，模型在国产芯片上的训练效率从同规模A800集群的20%提升至90%，并解决了长交互场景采样效率低的问题，为大规模强化学习训练扫清障碍。AstronClaw、Loomy等已率先接入。

2025 年我国用于人工智能训练和推理的数据总量达 199.48EB，同比增长 42.86%

国家数据局数据显示，2025年我国用于人工智能训练和推理的数据总量达199.48EB，同比增长42.86%。其中，推理数据量首次超过训练数据量，达到101.34EB。同年，由系统软件和人工智能产生的数据量达26.92ZB，首次超越传统占主体的物联感知数据量。测算显示，未来推理算力需求与训练算力需求之比可能达到3:1或更高。此外，全国日均词元调用量在2025年末已增至100万亿，全年累计调用量约21100万亿。

英伟达推出 Nemotron 3 Nano Omni 模型：采用 30B‑A3B 混合 MoE 架构，吞吐量最高提升 9.2 倍

英伟达发布开源全模态推理模型Nemotron 3 Nano Omni，采用30B‑A3B混合MoE架构，集视频、音频、图像和文本处理于一体。该模型旨在替代多模型链，降低推理成本与编排复杂度。在多项基准测试中表现领先，尤其在视频推理任务中，其系统吞吐量相比其他开放式全模态模型最高提升约9.2倍，文档推理任务最高提升约7.4倍。模型权重、训练配方及数据集已完全开放，支持开发者在各类环境中定制部署。

Adaptive Thinking: 大型语言模型知道何时在潜在空间中思考

研究提出了一种名为“自适应思考”的新方法，使大型语言模型能够动态决定是否需要执行链式思考推理。该方法利用自我一致性作为判断标准，当模型对简单问题已有高置信度答案时，会跳过显式推理步骤，直接生成最终答案。实验表明，在保持相同性能水平下，该方法在GSM8K和MATH基准测试上分别减少了20.3%和41.7%的推理计算量，实现了更高效的计算最优推理。

Rohan Paul@rohanpaul_ai· 07:07AI 评分5454

GPT-5.5 Pro在Epoch AI的ECI指数中获得159分，创下该综合能力评分的新纪录，表明其在多项测试中的整体模型能力目前领先。ECI指数旨在通过整合多个基准测试来评估模型的广泛推理能力，避免单一测试易被针对性优化的问题。此外，GPT-5.5 Pro与GPT-5.5共同解决了两个此前未有模型能处理的Tier 4级别难题。

Ant Ling@AntLingAGI· 01:38AI 评分5757

推文感谢Hugging Face为开源模型的持续发展提供了重要平台。文中强调，token效率是构建实用、可持续协作系统的关键。AntLingAGI最新发布的Ling-2.6-flash模型已加入这场效率竞争，该模型采用MIT许可，具备104B/7.4B激活参数，并创新性地结合了1:7 MLA与Lightning Linear混合注意力机制。其性能表现突出：推理速度高达340 tok/s，并且仅需约1500万tokens即可完成完整的Artificial Analysis评测套件。这一效率显著高于通常需要5000万至1亿tokens的前沿模型，展现出其作为高效协作伙伴的潜力。

LaDiR：潜在扩散模型增强 LLM 的文本推理能力

研究团队提出LaDiR推理框架，将连续潜在表征的表达能力与潜在扩散模型的迭代优化能力相结合，以增强现有大语言模型的推理性能。该框架首先构建一个结构化的潜在推理空间，通过扩散过程对潜在状态进行迭代细化，使模型能够全局性地重新审视和修正推理路径中的早期内容。这种方法突破了传统自回归解码在整体优化和多样化解决方案探索方面的限制，提升了链式思维生成的质量与效率。

超过人类状元，ChatGPT 以最高分通过日本顶尖大学入学考试

日本创业公司LifePrompt使用ChatGPT 5.2思考模型参加了东京大学和京都大学的入学考试，其成绩超越了人类状元。在东大竞争激烈的医学专业考试中，它比真人最高分高出50分，数学满分；人文和理科类成绩也均高于录取最高分。在京大，其法学院和医学院考试成绩同样领先。2024年GPT-4模型未达录取线，而2025年的o1模型首次跨过合格线，标志着AI在考试能力上的显著突破。专家指出，AI擅长数据归纳，但人类在创造新价值上仍有优势。

François Chollet@fchollet· 07:25AI 评分5353

不，如果不考虑行动效率，最高分将是100%，用20行Python代码就能实现。你只需要暴力枚举状态空间。请停止传播完全虚假的信息。 [引用 @scaling01]：62.1% on ARC-AGI-3 would be the score if they used the same scoring as ARC-AGI-1/2

François Chollet@fchollet· 07:25AI 评分6161

（我们测试过，得分低于1%） [引用 @scaling01]：有可能GPT-5.5-xhigh配合工具已经解决了ARC-AGI-3

SGLang与Miles在发布首日为DeepSeek-V4提供全栈支持

SGLang团队宣布，在DeepSeek-V4发布首日即通过SGLang推理引擎和Miles训练框架为其提供全栈支持。该开源技术栈针对DeepSeek-V4的混合稀疏注意力、流形约束超连接和FP4专家权重等新架构特性进行了系统优化。在推理侧，推出了ShadowRadix前缀缓存、HiSparse分层内存加速、多令牌预测推测解码等关键技术。在强化学习训练侧，Miles支持包括DP/TP/SP/EP/PP/CP在内的全并行策略、TileLang注意力及FP8训练，显著提升了训练稳定性。该技术栈支持多种主流硬件平台。

英特尔“库存”CPU 因 AI 推理需求意外售罄，带动股价创历史新高

受AI推理需求激增推动，英特尔服务器CPU意外热销，连已减记的库存芯片也售罄。其第一季度业绩与展望超预期，带动股价一度大涨超24%，创历史新高，市值突破4160亿美元。至少23家券商上调目标价。英特尔CFO透露，部分增长源于涨价及动用成品库存。行业分析认为，AI推理可能让CPU重回产业中心，英伟达也已发布新款CPU应对竞争。此外，英特尔代工业务获特斯拉订单，转型势头增强。

Rohan Paul@rohanpaul_ai· 06:44AI 评分5555

一位拥有20年经验的资深肺科医生刚刚详细说明了人工智能如何接管他的工作台。他展示了如何发现肺炎，并承认人工智能做得同样快。 特斯拉的Optimus将在3年内大规模超越任何人类外科医生。 - "不要去读医学院？" - 埃隆："是的。毫无意义。" 而在5年内，每个人都将获得比今天总统更好的医疗服务 ~ 埃隆·马斯克

Artificial Analysis@ArtificialAnlys· 06:12AI 评分7575

小米MiMo V2.5 Pro在Artificial Analysis智能指数中位列第54，与当前顶级开源模型Moonshot Kimi K2.6并列。该模型预计即将开源，届时将成为首个达到此水平的开源模型。其在GDPval-AA基准测试中以1578分领先于DeepSeek V4 Pro等竞争对手。运行成本显著低于Kimi K2.6，在智能指数测试中仅消耗约9200万输出令牌，效率突出。模型在推理和指令遵循能力上取得进步，但事实准确性较前代略有下降。其API定价具有竞争力，运行完整智能指数测试仅需462美元。

Rohan Paul@rohanpaul_ai· 05:12AI 评分8080

DeepSeek论文核心是提出一种新方法，使处理超长上下文的LLMs成本显著降低而不牺牲性能。该方法采用混合注意力系统，部分层压缩历史信息并仅关注最相关压缩块，另一部分层更激进压缩并使用廉价摘要，形成分层内存系统，避免存储和读取全部细节。创新还包括新增残差路径以稳定深层模型信息传输，以及大规模使用Muon优化器确保训练高效且数值稳定。关键结果显示，在1M-token上下文长度下，DeepSeek-V4-Pro仅需DeepSeek-V3.2约27%的单令牌计算和10%的KV缓存，同时在多项主要基准测试中保持竞争力。这改变了LLMs的成本曲线，为长上下文推理提供了高效新方案。

OpenAI Developers@OpenAIDevs· 04:43AI 评分6565

在 @perplexity_ai，Codex 中的 GPT-5.5 帮助在不到一小时内构建了一个内部工具。 在 Perplexity Computer 工作流中，GPT-5.5 在相同复杂任务上减少了 56% 的 token 使用量，为用户创造了更快的反馈循环。

Rohan Paul@rohanpaul_ai· 03:42AI 评分7272

在一场卡丁车游戏开发竞赛中，GPT-5.5击败了Deepseek V4 Pro。尽管Deepseek的成本仅为GPT-5.5的1/4.3，且生成了近两倍的代码量，但其最终游戏在图形、打磨和创意连贯性上均显不足。结果表明，游戏质量与成本、生成速度或代码量并无直接关联。游戏开发不仅是代码生成，更涉及系统设计、视觉判断、节奏把控和美学决策等长程规划，这些要素需协同作用才能产出优质作品。

Satya Nadella@satyanadella· 03:12AI 评分8585

超级兴奋 GPT-5.5 今天正式推出至 GitHub Copilot、M365 Copilot、Copilot Studio 和 Foundry。 凭借更深入的推理能力、更强的多步骤执行能力，以及在长而复杂的任务中更出色的表现，GPT-5.5 帮助您更快地从想法走向执行，减少迭代次数，直达正确结果。 这一切都是为了帮助您在工作流程中为合适的任务选择正确的模型，或多个模型。

OpenAI@OpenAI· 03:12AI 评分8888

更新：GPT-5.5 和 GPT-5.5 Pro 现已通过 API 提供。

Greg Brockman@gdb· 03:12精选AI 评分7272

gpt-5.5 在性能上实现大幅提升，试试看吧：

Greg Brockman@gdb· 03:12AI 评分8585

GPT-5.5 在长时间运行任务中实现 SOTA 性能： GPT-5.5 在代码、数据和工具相关的长时间工作中达到 SOTA 水平，GPT-5.5 Pro 则适用于更复杂的推理与分析。

OpenAI首席科学家称AI进展“出人意料地慢”，并承诺未来将有重大飞跃

OpenAI发布了GPT-5.5模型。公司首席科学家雅库布·帕乔茨基表示，近期人工智能的整体进展“出人意料地缓慢”，真正的突破尚未到来。他预计在中期内将出现“极其显著的改进”，暗示更重大的技术飞跃即将出现。

GPT-5.5 登顶基准测试榜首，但幻觉问题依然频发且API价格上涨20%

OpenAI发布的最新模型GPT-5.5在多项AI基准测试中重回榜首，性能领先于其他专有模型。然而，该模型仍存在频繁产生幻觉（即生成不准确或虚构信息）的问题。在定价方面，其API调用成本较前代上涨了20%。综合来看，尽管价格上涨且存在缺陷，GPT-5.5在专有模型中仍被认为具有较高的性价比。

阶跃星辰发布 StepAudio 2.5 ASR 自动语音识别模型：推理速度提升 400%，定价骤减 90%

阶跃星辰发布新一代自动语音识别模型StepAudio 2.5 ASR。该模型将大语言模型的MTP（多Token预测）技术引入语音识别，采用ASR+MTP-5深度融合架构，打破传统自回归机制效率瓶颈。其推理速度提升400%，时延降低60%，峰值达500 tokens/s，5分钟音视频可近乎即时转写。模型支持端到端处理最长30分钟连续音频，无需分段，且精度无衰减。定价为0.15元/小时，较上一代骤降90%。模型已在阶跃星辰开放平台和Step Plan全量上线。

DeepSeek-V4 预览版上线，百万上下文成标配

DeepSeek-V4 预览版正式上线并开源，拥有 1M 超长上下文，Agent 能力、世界知识和推理性能均达国内与开源领先水平。模型分 V4-Pro 与 V4-Flash 两版，API 已同步更新，支持 OpenAI 与 Anthropic 接口，最大上下文均为 1M，并支持思考模式与 reasoning_effort 参数。

Ling-2.6-1T 发布：万亿旗舰“快思考”模型，对标 GPT-5.4

蚂蚁百灵发布万亿参数旗舰 Ling-2.6-1T，采用 MLA 与 Linear Attention Hybrid 架构，以“快思考”机制实现低 Token 开销高效推理。综合智能对标 GPT-5.4 (Non-Reasoning)，在 AIME26 上显著领先其他非思考模型；在 SWE-bench Verified、TAU2-Bench、BFCL-V4 等 Agent 基准上达到开源 SOTA。支持 256K 超长上下文（MRCR 高分）并表现优异的 IFBench。现已通过 OpenRouter 和官方平台提供一周免费 API 调用，将于近期正式开源。

DogeDesigner@cb_doge· 06:21AI 评分6565

• xAI Grok → 17% 幻觉率 • OpenAI GPT-5.5 → 86% 幻觉率 Grok 提供市场上最低的幻觉率，比 ChatGPT 低 5.1 倍。

Rohan Paul@rohanpaul_ai· 03:48AI 评分8585

OpenAI在发布GPT-5.4不到两个月后，于ChatGPT和Codex中推出了GPT-5.5模型。此次升级的核心是引入了“智能体执行”能力，使模型能够记忆目标、分解任务步骤、使用软件工具、检查结果并在失败时自动修正。该版本在保持与GPT-5.4相同单令牌延迟的同时，在Terminal-Bench、OSWorld和GDPval等基准测试中得分均有提升，且在相同Codex任务中消耗的令牌数更少。Sam Altman指出，令牌效率的提升抵消了成本，使得总体运行成本更低。目前，该版本正逐步向ChatGPT和Codex的Plus、Pro、Business及Enterprise用户开放。

Sam Altman@sama· 03:37AI 评分5555

embers GPT-5.5，尚未完全通过TikZ独角兽测试，但已非常接近…… （这确实是真实的TikZ代码，我个人觉得难以置信，因此将代码附在下方供大家自行验证）

Sam Altman@sama· 03:07AI 评分5555

推理团队的工作非常出色，能够如此高效地服务这个模型！ 在很大程度上，我们现在必须成为一家人工智能推理公司。

Noam Brown@polynoamial· 02:51AI 评分6868

我至死坚持的观点：对于当今的AI模型，智能是推理计算的函数。自2024年起，用单一数字比较模型已不再合理。重要的是每个token或每美元的智能。 在像Codex这样的产品中使用时尤其如此。

Artificial Analysis@ArtificialAnlys· 02:18AI 评分8585

OpenAI最新模型GPT-5.5在Artificial Analysis智能指数评测中以3分优势重回第一，终结了与Anthropic和Google的三方胶着。该模型提供五个推理强度等级，最高强度（xhigh）在多项关键评测中领先，尤其在知识基准AA-Omniscience上提升显著。尽管每token价格较前代翻倍，但因token使用量减少约40%，运行该指数的净成本仅增约20%。其中等强度版本能以Claude Opus 4.7（max）四分之一成本达到同等智能得分。然而，其幻觉率高达86%，远高于竞争对手的36%-50%。

GPT-5.5正式发布

OpenAI推出迄今最智能的GPT-5.5模型，其速度更快、能力更强，专为处理跨工具的复杂任务而构建。该模型在编程、学术研究与数据分析等领域表现出显著提升，能够高效整合多工具工作流，旨在应对更高阶的专业需求。

Rohan Paul@rohanpaul_ai· 22:18AI 评分7575

Yann LeCun (@ylecun ): 硅谷已经完全被"LLM迷住了" "最终，如果你有兴趣构建具备——比如说猫，更不用说人类——那种智能的系统，你需要常识。你需要预测自身行为后果的能力。 你需要规划的能力。你需要推理的能力。 而通过VLA、VLM或LLM，或任何生成式架构，你都无法实现这些。" --- 来自'AI House Davos" YouTube频道（完整链接见评论）