Mistral AI 发布 Leanstral 1.5 形式化验证模型
Mistral AI 发布 Leanstral 1.5,一款 Apache-2.0 许可、119B 总参数 6B 激活参数的免费模型,权重已上线 Hugging Face 并提供免费 API 端点 leanstral-1-5。
推荐理由:原文给出基准成绩、成本对比和测试时扩展曲线,读者可据此判断其在形式化验证任务上的性价比与能力边界。
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
Mistral AI 发布 Leanstral 1.5,一款 Apache-2.0 许可、119B 总参数 6B 激活参数的免费模型,权重已上线 Hugging Face 并提供免费 API 端点 leanstral-1-5。
推荐理由:原文给出基准成绩、成本对比和测试时扩展曲线,读者可据此判断其在形式化验证任务上的性价比与能力边界。
GLM-5.2 发布,主打长时程任务能力,首次提供稳定的 1M token 上下文,并采用 MIT 开源许可。新架构提出 IndexShare,在 1M 上下文下将每 token FLOPs 降低 2.9×,MTP 层投机解码接受长度提升至多 20%。
推荐理由:原文详细拆解了 IndexShare、MTP 改进与抗作弊 RL 的设计,可迁移理解长上下文模型如何落地工程。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次并行生成整段文本,在专用 GPU 上文本生成速度最高提升 4 倍,单张 NVIDIA H100 可达 1000+ tokens per second,NVIDIA GeForce RTX 5090 可达 700+ tokens per second。
推荐理由:原文给出了速度、显存与质量取舍的具体数据,读者可据此判断它是否适合本地交互场景。
Google DeepMind 发布 Gemma 4 12B,定位为可在 16GB RAM 消费级笔记本本地运行的智能体多模态模型,是该系列首个支持原生音频输入的中等规模模型。
推荐理由:原文说明了无编码器架构如何省下延迟与显存,读者可据此判断本地多模态部署的可行性。
OpenAI 宣布其一个模型解决了悬置 80 年的单位距离问题,推翻了离散几何中的一个核心猜想,被视为 AI 驱动数学研究的里程碑。
推荐理由:原文点明模型解决的是悬置 80 年的具体难题,读者可据此衡量其数学推理能力的实际跨度。
Google 发布基于 Gemini 的科研工具 ERA,其论文今日刊于 Nature,同时开始通过 Gemini for Science 更广泛开放由 AlphaEvolve 和 ERA 构建的实验工具 Computational Discovery。
推荐理由:原文列出 ERA 在多个学科基准和五个开放科学问题上的具体结果,读者可据此判断这类工具当前能覆盖的研究范围。
Hugging Face 博客讲解如何通过分离 CPU 与 GPU 工作负载来提升 LLM 推理性能。同步批处理下 CPU 与 GPU 交替等待,8K tokens、batch size 32、8B 模型的测试中 GPU 空闲占 24.0%,总耗时 300.6 秒。
推荐理由:原文用可复现的 profile 数据展示了同步批处理的空闲浪费,并给出基于 CUDA streams 与 events 的具体改造路径。
Google Research 介绍了科学家使用 Empirical Research Assistance (ERA) 的四个真实场景:在公共卫生领域,ERA 生成的美国流感。
推荐理由:四个真实场景展示了ERA从预测到机制发现的可迁移用法,便于评估AI辅助科研的实际边界。
DeepSeek 发布 DeepSeek-V4,两个 MoE 检查点上线 Hub:DeepSeek-V4-Pro 为 1.6T 总参数 / 49B 激活,DeepSeek-V4-Flash 为 284B 总参数 / 13B 激活,均支持 1M token 上下文窗口。
推荐理由:文章拆解了长上下文推理成本与智能体后训练设计,读者可据此理解它为何适合长时程智能体任务。
OpenAI 发布 GPT-5.5,官方介绍这是一款面向复杂任务的模型,适用于跨工具的编码、研究和数据分析场景。
Mistral AI 宣布发布 Mistral Small 4,这是首个将 Magistral 推理、Pixtral 多模态与 Devstral 智能体编码能力统一到单一模型中的 Mistral 模型,采用 Apache 2.0 许可开源。
推荐理由:原文给出了架构参数与延迟吞吐数据,读者可据此评估其替代多模型组合的可行性。
Google DeepMind 发布 Gemini 3.1 Pro,作为 Gemini 3 系列的核心推理升级,面向消费者和开发者产品同步推出。在 ARC-AGI-2 上 3.1 Pro 取得 77.1% 的验证分数,超过 3 Pro 推理表现的两倍。
推荐理由:原文给出了 ARC-AGI-2 上的具体分数和与 3 Pro 的对比,读者可据此衡量其推理能力提升幅度。
OpenAI 官方发文称,一篇新预印本显示 GPT-5.2 提出了一个胶子振幅的新公式,该公式随后由 OpenAI 与学术合作者正式证明并验证。
推荐理由:官方披露模型在具体科研任务上的产出,可了解其推理能力的实际落点。
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级,这一专用推理模式面向科学、研究和工程难题,现已在 Gemini app 中向 Google AI Ultra 订阅者开放,并首次通过 Gemini API 向部分研究人员、工程师和企业提供早期访问。
推荐理由:原文列出多项基准的具体分数与开放渠道,读者可据此评估其推理能力定位和可用范围。
Google DeepMind 发布两篇论文,介绍 Gemini Deep Think 在数学、物理和计算机科学领域求解专业研究问题的成果。
推荐理由:原文给出了数学研究智能体的设计要点与人机协作方法,可迁移给从事 AI 辅助科研的读者。
Google DeepMind 发布 Gemini 3 Flash,主打前沿智能与速度兼得、成本更低,已在 Gemini API、Google AI Studio、Gemini CLI、Google Antigravity、Vertex AI、Gemini Enterprise 开放预览,并成为 Gemini app 与 Search AI Mode 的默认模型。
推荐理由:原文给出多项基准分数、定价与速度对比,读者可据此判断它在成本与能力上的取舍位置。
OpenAI 发布 GPT-5.2,称其为迄今数学与科学能力最强的模型,在 GPQA Diamond 和 FrontierMath 等基准上取得新的 state-of-the-art 结果。文章说明这些提升如何转化为实际研究进展,包括解决一个开放的理论问题和生成可靠的数学证明。
推荐理由:原文点出该模型在数学与科学基准上的提升如何转化为解决开放理论问题的实际进展。
OpenAI 发布 GPT-5.2,称其是面向日常专业工作的最先进前沿模型,具备 state-of-the-art 的推理、长上下文理解、编码和视觉能力。该模型已在 ChatGPT 和 OpenAI API 中可用,用于驱动更快、更可靠的 agentic workflows。
推荐理由:官方定位说明它面向日常专业工作,读者可据此判断与既有模型的取舍。
Google DeepMind 发布 Gemini 3,先推出 Gemini 3 Pro preview,并同步上线 Gemini app、AI Studio、Vertex AI、Gemini CLI 及 Search 的 AI Mode,首次在 Search 第一天接入。
推荐理由:官方给出了各基准的具体分数与开放入口,读者可据此评估其相对 2.5 Pro 的实际提升。
GPT-5.1 现已在 API 中提供,带来更快的自适应推理、扩展的提示词缓存、改进的编码性能,以及新的 apply_patch 和 shell 工具。
推荐理由:官方点明了面向开发者的具体接口变化,读者可据此评估对现有工作流的影响。