Google DeepMind 升级 Gemini 3 Deep Think 推理模式并开放 API 早期访问
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。
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。
129 条精选近 30 天 29 条共收录 455 条
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。
Hugging Face 博文分析了全球 AI 算力格局的变化:美国出口管制与中国国产芯片发展相互关联,近几个月中国高性能开源模型的推理已开始由华为 Ascend、Cambricon 等国产芯片承载,部分模型也开始用国产芯片训练。
推荐理由:梳理了美国出口管制与中国国产芯片、开源模型发展之间的相互作用,可帮助读者理解全球算力格局变化的来龙去脉。
Hugging Face 与 AI-MO 开源了 kimina-prover-rl 训练管线,用于 Lean 4 形式化定理证明,采用受 DeepSeek-R1 启发的先推理后生成范式,基于 GRPO 与 Verl 框架,训练配方以 recipe/kimina-prover-rl 形式随 Verl fork 发布。
推荐理由:原文给出了完整的训练配方与开源入口,读者可据此复现小参数模型上的强化学习定理证明流程。
OpenAI 在其 API 平台推出 GPT-5,提供高推理性能、面向开发者的新增控制项,并在真实编码任务上取得同级最佳结果。
推荐理由:原文点明了面向开发者的推理性能、控制项与编码任务表现,可据此判断其对 API 工作流的适用方向。
OpenAI 发布 GPT-5 System Card,介绍统一模型路由系统如何在 gpt-5-main、gpt-5-thinking 和轻量版 gpt-5-thinking-nano 之间调度,以针对不同任务和开发者使用场景优化快速与智能响应。
推荐理由:系统卡说明了统一模型路由如何在不同任务间分配主模型与思考模型,便于理解其响应速度与能力的取舍设计。
OpenAI 宣布推出 GPT-5,称其为迄今最好的 AI 系统,相比此前所有模型在智能上有显著跃升,在编码、数学、写作、健康、视觉感知等多个领域达到 state-of-the-art 表现。
Hugging Face 发布博客介绍 OpenAI 新开源的 gpt-oss 模型家族,包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b,均为 MoE 架构并采用 MXFP4 4-bit 量化,采用 Apache 2.0 许可,120B 可装入单张 H100,20B 可在 16GB 显存内运行。
推荐理由:系统梳理了 gpt-oss 在不同硬件上的推理优化选择,可直接作为本地部署的参考。
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重推理模型,采用 Apache 2.0 许可证并遵循 gpt-oss 使用政策提供下载。
推荐理由:官方模型卡说明了开放权重与许可方式,读者可据此评估其可商用性和部署门槛。
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型,采用 Apache 2.0 许可证,主打低成本下的强真实世界性能。原文称二者在推理任务上超越同规模开放模型,具备较强的工具使用能力,并针对消费级硬件的高效部署做了优化。
推荐理由:原文说明了模型规模、许可证与部署目标,读者可据此判断其在消费级硬件上的可用性。
Mistral AI 为 Le Chat 推出一批新功能,包括预览版 Deep Research 模式、基于 Voxtral 的语音模式、由推理模型 Magistral 驱动的多语言 Think 模式、Projects 文件夹,以及与 Black Forest Labs 合作的图像编辑。
推荐理由:原文逐项说明了新功能的定位与底层模型,读者可据此判断 Le Chat 在研究、语音、推理场景的能力边界。
Hugging Face 发布完全开源的 3B 模型 SmolLM3,包含 Base 与 Instruct/Reasoning 两个版本,用 11.2T tokens 训练,性能超过 Llama-3.2-3B 和 Qwen2.5-3B,并与 4B 级模型(Qwen3、Gemma3)竞争。
推荐理由:完整公开了三阶段预训练配方与双模式推理的构建方法,可迁移给自建小模型的团队。
Mistral AI 发布首个推理模型 Magistral,分为开源的 Magistral Small(24B 参数,Apache 2.0 许可)和企业版 Magistral Medium。
推荐理由:原文给出两个变体的参数规模、AIME2024 分数与开放许可,便于读者评估其与现有推理模型的差距。
Falcon-LLM 团队发布 Falcon-H1 系列共 6 个开源模型(0.5B、1.5B、1.5B-Deep、3B、7B、34B),均提供 base 与 instruct 版本,采用 Apache 2.0 许可。
推荐理由:原文披露了混合架构的取舍与反直觉的数据策略,可迁移借鉴其训练方法论。
OpenAI 发布 o3 和 o4-mini,称其为迄今最智能、最强大的模型,具备完整的工具访问能力。