Nemotron 在 IOI 2026 与 IMO 2026 均达金牌水平并开源模型与数据
Nemotron 从 Nemotron 3 出发经 SFT、RL 与反馈式推理特化,在 IOI 2026 取得 535.4/600(高于 361.12 金牌线与人类最高分 498.27),在 IMO 2026 取得 30/42(高于官方金牌线 29)。
推荐理由:原文给出可复用的四步特化配方和完整开源清单,读者可据此迁移方法到自己的领域。
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。
122 条精选近 30 天 27 条共收录 426 条
Nemotron 从 Nemotron 3 出发经 SFT、RL 与反馈式推理特化,在 IOI 2026 取得 535.4/600(高于 361.12 金牌线与人类最高分 498.27),在 IMO 2026 取得 30/42(高于官方金牌线 29)。
推荐理由:原文给出可复用的四步特化配方和完整开源清单,读者可据此迁移方法到自己的领域。
OpenAI 将一个内部前沿模型生成的 372 项数学成果发布在 GitHub 仓库中,每项成果号称解决一个开放问题或取得实质进展,包含算法改进和与 Riemann 假设相关的进展,附带修订日志与引用。
推荐理由:原文对比了单次提示产出与万级智能体协作的算力差异,帮助读者理解批量数学结果对同行评审流程的冲击。
NVIDIA 宣布 DGX Spark 将于本月推出 64GB 统一内存版本,10 月 23 日起在 Acer、ASUS、Dell、Gigabyte、HP、MSI 开售,起价 $4,999,预装 DGX OS 与 NVIDIA AI 软件栈,支持在设备本地运行最高 100-billion-parameter 模型。
推荐理由:原文给出配置、价格与组网扩展路径,读者可据此评估本地跑智能体的可行方案。
GPT-6 Astra Ultrafast 现已在 OpenAI API 上线,并向符合条件的 ChatGPT Work 和 Codex 用户开放,运行于 NVIDIA Blackwell GPU,token 生成速度比 Astra Standard 模式最高快 8x。
推荐理由:原文说明了加速来源与开发者可感知的收益,便于判断它对编码智能体工作流的实际影响。
Google 发布新前沿模型 Gemini 4 Argon,这是继 Gemini 3.1 Pro 之后七个多月来的首个前沿模型,在部分基准上追平或超过 OpenAI 与 Anthropic 的竞品。
推荐理由:文章汇总了独立评测与价格数据,读者可据此判断它与竞品的真实差距和成本结构。
Google DeepMind 宣布发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向一批可信网络安全防御者开放,随后面向开发者、企业和消费者推出。
推荐理由:原文披露了输出上限、定价与分阶段开放策略,读者可据此判断其面向开发者的可用时间与成本。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,面向智能体编码、计算机使用和专业工作负载提供更强推理能力。据 OpenAI,它在 DeepSWE v1.1 上以约五分之一的任务成本匹配 GPT-6 Astra,且比 GPT-6 Sol 最佳成绩高 6.4 个百分点、推理投入更低。
推荐理由:原文给出了成本与能力的对比数据,读者可据此评估它在智能体工作流中的性价比取舍。
OpenAI 在 DevDay 活动上发布 GPT-6.1 Sol,称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra 的水平,但标准输入输出 token 价格仅为五分之一。
推荐理由:原文对比了新模型与旗舰模型的性能差距和价格差异,读者可据此判断其性价比定位。
NVIDIA 发布开源表格基础模型 Kumo Tabular,属于 NVIDIA Kumo Structured 模型系列,已上线 Hugging Face。给定带标签的表格,它在单次前向传播中直接预测新行标签,支持分类与回归,无需训练、调优或特征工程。
推荐理由:原文交代了模型架构与人工数据预训练流程,读者可据此理解表格基础模型如何在免调优下兼顾精度与效率。
Anthropic 发布 Claude Opus 5.5,称其多数任务达到 Claude Fable 5.1 水平、运行成本比 Opus 5 低 40%,并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由:原文汇总了同日两家的定价与评测数据,读者可据此比较降价幅度与实际成本差异。
Anthropic 发布 Claude Opus 5.5,OpenAI 约一小时后发布 GPT-6 Sol 和 GPT-6 Luna,作者实测并整理了当前价格表。
推荐理由:作者给出了完整价格表和同一测试下的实测表现,便于读者判断这轮降价对自身选型的影响。
小米发布 MiMo-V2.6 系列,包含原生全模态的 MiMo-V2.6-Pro、MiMo-V2.6-Flash 以及最高 20x 输出提速的 MiMo-V2.6-Pro-UltraSpeed。
推荐理由:原文汇总了该模型的 RL 训练细节与开源范围,读者可据此判断开源 RL 环境的价值。
NVIDIA 宣布 Vera Rubin NVL72 在 MLPerf Inference v6.1 首次提交中亮相,在 Qwen3-VL 上吞吐量较 GB300 NVL72 最高提升 3.7 倍,在 DeepSeek-R1 上最高提升 2.5 倍。
推荐理由:原文给出与上代系统的吞吐对比和扩展效率数据,读者可据此评估其推理经济性影响。
NVIDIA 介绍 DSX 平台如何在固定电力预算下提升 AI 工厂产出:Lambda 在 HGX B200 服务器上首次验证 DSX MaxLPS,用与 16 节点满功率相同的预算运行 19 节点,集群 token 吞吐从约 4 million tokens per second 提升到 5 million(+24%),性能功耗比提升 23%。
推荐理由:原文给出了 Lambda 实测的吞吐与能效数字,以及电网信号自动降载的生产案例,可据此评估其对电力受限场景的实际价值。
NVIDIA 在 AI Infra Summit 上公布 Vera Rubin 与 DSX 平台的多项进展,将 AI 基础设施指标从峰值性能转向经验证的 agentic tokens per megawatt。
推荐理由:原文给出多组能效与吞吐数字,读者可据此评估每兆瓦产出这一新指标如何影响 AI 工厂选型。
OpenAI 发布 GPT-6 Astra,称其为面向企业的最强模型,具备更强的推理能力、计算机使用能力,以及更好的写作与设计判断力。
作者用 TRL 和 OpenEnv 开源复现了 Surya Narreddi 训练语言模型写 p5.brush 代码画水彩的配方,参考池数据集、RL 环境、训练脚本和模型全部公开,整条流水线可在 Hugging Face 上一条命令跑通。
推荐理由:文章完整拆解了用 TRL 和 OpenEnv 复现审美奖励训练的全过程,含三组奖励配比对比与踩坑记录,可直接迁移。
IBM Granite 团队发布 Granite 4.2 推理模型家族,含 3B、8B、30B 三个稠密 decoder-only 尺寸,均以 Apache 2.0 开源,支持 thinking/non-thinking 切换、低强度思考模式与原生工具调用。
推荐理由:原文完整拆解了从预训练到多阶段RL的构建流程,可迁移了解推理模型的训练配方。
OpenAI 预览 Ultrafast,一项新的 API 服务层级,可让 GPT-5.6 Sol 的运行速度最高提升至 14 倍。该服务由 Cerebras 提供算力支持,输出速度最高可达 750 output tokens per second。
推荐理由:原文给出了速度倍数、token 吞吐和底层芯片来源,读者可据此判断它对实时交互类应用的可用性影响。
IBM Research 基于 UC Berkeley Sky Lab 的 K-Search 框架构建 MLX 后端,通过结构化 CUDA-to-MLX 翻译层把现有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由:读者可了解 CUDA 内核优化经验如何被结构化迁移到 Apple Silicon,以及翻译层对性能提升的具体贡献。