技术方向
让大模型先想再答的能力：思维链、推理模型，数学与逻辑评测上的突破和争议。
571 条精选近 30 天 38 条共收录 2,625 条
DeepSeek AI 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，552B 主干加 196B Engram 参数，上下文窗口 1M，prefill 激活 8B 参数、decode 激活 16B，全局 KV 缓存降至每 token 890 字节，约为 DeepSeek-V4-Flash 的 1/4、DeepSeek-V1 的 1/437。
推荐理由：文章拆解了 KV 缓存压缩和预精简架构的具体做法，读者可以对照其工程路径评估长上下文部署成本。
DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。
推荐理由：官方发布附带完整评测数字和 API 切换细节，读者可据此判断新模型能力水平及旧模型下线对现有调用和计费的影响。
Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中支持只训练和同步 LoRA adapter，配合 Storage Bucket 挂载与代理路由，让训练 Job 和 vLLM 推理 Job 在不同机器上运行而无需 NCCL。
推荐理由：Hugging Face 官方用五个实验展示了如何在 Jobs 上分离训练与推理跑异步 GRPO，并通过逐项定位瓶颈把运行提速 3.9 倍，方法可迁移。
OpenAI 发布 GPT-6 Astra，作者评测认为其计算机使用和图像渲染能力尤为突出，ARC-AGI-3 达 99.9%，前代 GPT-5.6 Sol 仅 7.8%。
推荐理由：作者以架构视角拆解 looped transformer 原理与研究进展，并给出循环架构与隐藏思维链传闻无关的独立判断，读者可借此理解争论的技术基础。
Cognition 发布最先进编码模型 SWE-2，基于 2.8T 参数的 Kimi K33 后训练，在 FrontierCode 1.1 Main 取得 50.0%，仅比 Fable 5.1 低不到一分且便宜 64%。
推荐理由：官方详细公开了 SWE-2 的训练方法与成本惩罚公式，读者可以借此理解如何用 RL 推移整条成本性能前沿。
卡兹克发文讲解GPT-6 Astra的推理强度等级（Reasoning Effort）含义，指出各档位是同一模型的不同思考预算，Ultra则类似拉起多个智能体协作的专项工作组。
推荐理由：作者基于烧完两个200刀会员的第一手使用体感，给出推理等级的通俗解释和分档位省Token的具体用法。
OpenAI 宣布其内部 AI 系统给出 Navier–Stokes 存在与光滑性问题的解答，证明初始光滑的流体可在有限时间内形成奇点，并附证明文稿与 Lean 形式化验证。
推荐理由：OpenAI 自述用内部模型与上万智能体给出 Navier–Stokes 奇点证明和 Lean 形式化，还交代了欧拉方程副产物与协作细节。
NYU 数学教授 Tristan Buckmaster 与 Anthropic 数学家 Levent Alpöge 公布针对 Navier-Stokes 存在与光滑性这一千禧年难题的三项证明初步结果，并称其研究进展信息被泄露给 OpenAI，对方随后用大量算力沿其独特路线追赶证明。
推荐理由：原文记录了数学家与 OpenAI 就千年难题证明优先权展开的争议细节，以及双方各自的公开回应，可帮读者了解 AI 参与数学研究引发的信任问题。
OpenAI@OpenAI精选AI 评分7474我们正在分享一个针对纳维-斯托克斯千禧年大奖难题的解决方案，这是数学前沿最深刻的问题之一。 该证明由一组智能体完成，使用了OpenAI的下一代模型，其能力显著超越GPT-6 Astra。 该问题关乎由纳维-斯托克斯方程建模的光滑三维流体运动描述是否会失效。这一问题已悬而未决约90年。
推荐理由：原文补充了数据隔离说明，并指出其 Euler 情形证明结果与 Alpöge 和 Buckmaster 的工作不同，读者可据此比较两条独立证明路径。
Cohere 发布为 North Mini Code 构建的围绕 decode megakernel 的推理引擎，BF16 下单张 H100 端到端解码吞吐比 vLLM 快 1.25–1.41 倍，batch size 1 时达 292 tok/s（SoL 的 62%），代码已在 GitHub 开放。
推荐理由：原文给出手写 decode megakernel 的完整实现细节与真实吞吐数据，读者可以了解如何把现有内核组装成单个持久内核并接入真实服务。
VC Tomer Tunguz 提出 AI token 消耗分三波：聊天约 1m tokens/人/天，单智能体约 100m–200m tokens/天，meta-harness 并行调度多智能体可达数十亿。
推荐理由：作者提出 AI 消耗分三波叠加增长的框架，并用 OpenRouter 与企业数据解释为何线性外推算力需求会失真。
OpenAI 发文披露自动化研究进展，宣布已达成去年秋天设定的今年 9 月拥有自动化研究实习生（可在人类指导下完成耗时数天的明确研究任务）的目标，并计划在 2028 年 3 月前造出自动化 AI 研究员。
推荐理由：OpenAI 以内部数据披露 coding agent 对研究工作的实际影响和 RSI 进展，读者可以据此了解前沿实验室的自动化研究现状。
OpenAI 发布新一代模型 GPT-6 Astra，称其在计算机使用、软件工程、科学和网络安全等方向达到 SOTA。
推荐理由：官方发布给出多项评测数字、定价和可用渠道，读者可以据此比较它相对前代和竞品的能力与成本变化。
Sam Altman@sama精选AI 评分8080GPT-6 Astra 现已面向 Work/Codex 中的所有 Pro、Enterprise 和 Business Premium 用户开放，并已在 API 中提供。 我们接下来将开始向 Plus 和 Business 用户推送。 感谢大家的耐心等待。
推荐理由：原文确认 GPT-6 Astra 的用户覆盖范围扩大到 Plus 和 Business，读者可以据此判断自己的可用入口和时间点。
Anthropic@AnthropicAI精选AI 评分7676Anthropic 宣布 Claude 上月完成了 Fermat 大定理的首个形式化证明，这是迄今最大的 Lean 证明。
推荐理由：原文给出证明规模、验证范围和完整代码入口，读者可以据此了解 AI 形式化数学论证的实际能力边界。
Anthropic 发布首个完整机器验证的费马大定理证明，Claude 在 11 天内基本自主完成，写出 1300 万行 Lean 代码并证明 29,500 个中间定理。
推荐理由：原文给出了耗时、代码量、平台与验证方式等细节，读者可以了解多智能体自动形式化复杂数学证明的实现路径。
GPT-6 Astra 的基准结论相互矛盾：Epoch AI 以 169 分将其排在 267 个模型之首，Artificial Analysis 给出 61 分，仅与前代 Sol 持平、落后 Claude Fable 5.1 的 66 分。
推荐理由：原文汇总多家基准分歧数据并梳理 ARC-AGI-3 效率细节，读者可以借此理解 GPT-6 Astra 各项成绩的真实含义。
Gary Marcus 发文点评 GPT-6 Astra，称多项报告显示其为真正的进步，OpenAI 产品显式创建并操纵符号世界模型，令其近十年的主张获得印证。
推荐理由：作者结合自身近十年主张神经符号世界模型的立场，指出 Astra 的关键未知在鲁棒性与可监控性，判断有具体依据。
Greg Brockman@gdb精选AI 评分7272由 @OpenAI 推出的 GPT-6 Astra 在 ARC-AGI 上达到 SOTA： - Astra 在 ARC-AGI-3 上得分 63%，通过新的提供商适配器测试框架可达 99% - 它在 96% 的 ARC-AGI-3 关卡上超越了人类表现 - 它构建了我们所见过的、对新环境最精确的符号模型 我们的分析：
推荐理由：转发 ARC Prize 对 GPT-6 Astra 的评测数据，标准与 Provider Adapter 两种 harness 分差大，可据此了解 harness 对得分的影响。
Aravind Srinivas@AravSrinivas精选AI 评分7070我们在 WANDR 上评估了 GPT-6 Astra。它以每任务 $11.98 的成本得分 0.682，是我们测试过的所有模型中的最高分。 GPT-6-Astra 比 Fable 5.1 高 13.5%，成本低 6.1%；比 Opus 5 高 27.0%，成本高 3.3%。
推荐理由：Perplexity CEO 确认 GPT-6 Astra 在其评测中领先，并宣布将向 Pro 和 Max 用户开放。