返回主题
行业内容 · 主题

推理能力

精选 16 条

模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。

16条精选3条近 30 天2026/10/07 15:00最近一次动静39个事件（大事记）

相关主题

论文研究模型发布Agent 智能体

大事记 · 39 个事件

2026/10/08 13:01Anthropic 发布 Claude Haiku 5.5 并下调缓存价模型0 篇精选2026/10/07 15:00OpenAI 批量公布 AI 数学成果引发学界反应论文1 篇精选2026/10/07 06:56Mistral 发布万亿参数模型 Large 4模型0 篇精选2026/10/07 06:25TechCrunch Disrupt 2026 公布全部分会场议程行业0 篇精选2026/10/07 05:54电信运营商以开放模型构建AI战略行业0 篇精选2026/10/07 04:21Reflection 发布开源权重模型 Beam模型0 篇精选2026/10/06 10:04AWS 发布 aws-ai-ml 技能辅助 SageMaker 推理优化产品0 篇精选2026/10/06 10:04Simon Willison 发布 Qwen3.8 27B 词语加法研究条目论文0 篇精选2026/10/06 06:04TechCrunch Disrupt 2026 阵容与注册动态行业0 篇精选2026/10/03 00:15OpenAI 发布 GPT-6 家族选型与生产工作流指南教程0 篇精选2026/10/02 16:00AlphaGo核心成员提出以可审计认知状态改进机器推理观点0 篇精选2026/10/02 08:28Latent Space 采访 RLM 论文一作 Alex Zhang观点0 篇精选

这一门下的精选 · 16 条

OpenAI News精选评分 72

OpenAI 公布新成果：其内部前沿模型在数学开放问题上给出结果，并把 Lean 证明的形式化与研究细节一并放到 GitHub 上公开

Sharing AI progress in mathematics

OpenAI 宣布发表一批关于数学开放问题的新成果，成果来自其一个内部前沿模型。按其说明，这次公开的不只是结果本身，还包括用 Lean 完成的证明形式化以及研究细节，材料发布在 GitHub 上以便外部核查。这是该批数学结果的公司一手来源。

论文

推荐理由：这是这批数学结果的官方一手载体：既给出「内部模型做开放数学问题」这件事本身，也把 Lean 形式化与研究细节公开到可核查的程度。

NVIDIA Blog精选评分 70

OpenAI 上线 GPT-6 Astra Ultrafast，token 生成最高提速 8 倍

How NVIDIA GPUs Help Accelerate OpenAI’s GPT-6 Astra Ultrafast

OpenAI 的 GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 与 Codex 用户开放，该模式运行在 NVIDIA Blackwell GPU 上，token 生成速度最高为 Astra 标准模式的 8 倍，可缩短编码代理的编辑、测试、调试循环并减少工具调用间的等待。OpenAI 还表示正用内部模型优化 NVIDIA GPU 上的推理软件，以持续提升响应速度和已部署基础设施的利用率。

模型#OpenAI#NVIDIA

推荐理由：OpenAI 新上线的 Ultrafast 模式把 token 生成提速至标准模式的 8 倍，读者可据此估算代理循环中的延迟变化。

Latent Space精选评分 85

谷歌 DeepMind 发布 Gemini 4 Argon，暂限网络安全预览

[AINews] Gemini 4 Argon: GDM’s answer to Astra/Fable, with 1M output

Google DeepMind 发布 Gemini 4 Argon，面向编程、企业知识工作与网络防御，首批仅向政府用户与 Fairwind 计划的网络安全人员开放，开发者与企业开放时间待定。谷歌称其在 19 项基准中 13 项第一，标称输出上限 1M，标准定价为每百万输入 4 美元、输出 20 美元。

模型#Google DeepMind#Gemini 4 Argon#OpenAI

推荐理由：Argon 在 19 项基准中取得 13 项第一，其 1M 输出上限与每任务成本数据可用来比较它与 Astra、Opus 5.5 的取舍。

OpenAI News精选评分 90

OpenAI 公布 Navier–Stokes 千禧年难题的 AI 生成解：随附一份书面说明（writeup）与一个用 Lean 完成的正式化证明

On the Navier–Stokes Millennium Prize Problem

OpenAI 发布《关于 Navier–Stokes 千禧年悬赏问题》一文，宣布分享一个 AI 生成的 Navier–Stokes 千禧年难题解法，这次公开的包含一份书面说明与一个用 Lean 完成的正式化证明（formal proof in Lean）。千禧年难题是克雷数学研究所悬赏的七道顶级数学问题之一，这是头部实验室就其公开给出的具体解题主张。

论文

推荐理由：针对克雷数学研究所悬赏的 Navier–Stokes 千禧年难题，OpenAI 公开给出 AI 生成解法并附 Lean 形式化证明——这是可核查的数学主张而非演示，分量极重。

OpenAI News精选评分 90

数学与理论计算机科学十项进展：OpenAI 分享关于长期开放问题的新结果，涵盖几何、密码学与复杂性这几个方向

Ten advances in mathematics and theoretical computer science

OpenAI 发布一篇研究文章，题为「数学与理论计算机科学的十项进展」，分享关于长期未解开放问题（long-standing open problems）的新结果，涉及几何、密码学与复杂性理论这几个方向。这是把模型在数学上的解题产出对外摊开的一手材料。

论文

推荐理由：把一批可核查的数学/理论计算机科学研究结果公开，是本次铺批里分量最高的一条之一；但材料只给问题领域，未逐一展开每项结果的具体结论。

OpenAI News精选评分 60

两项设置三倍分数：OpenAI 讲它如何在 ARC-AGI-3 基准上靠两项 API 设置把分数提到三倍，做法是保留推理（retaining reasoning）并启用压缩（compaction），同时提升分数与效率

How enabling two settings tripled our scores on the ARC-AGI-3 benchmark

OpenAI 发布一篇评测侧的工程文章，说明仅开启两项 API 设置——保留推理、启用压缩（compaction）——就让 GPT-5.6 在 ARC-AGI-3 基准上的得分提到三倍，并同时改善效率，把「同一模型换设置就大幅变化」这件事量化展示。

论文

推荐理由：ARC-AGI-3 得分三倍是具体、可核对的评测提升，且给出可操作的设置做法；但它是一个基准上的结果，迁移性需另行判断。

Google DeepMind精选评分 63

Gemini 3.6 Flash 发布：输出 token 比 3.5 Flash 省17%(DeepSWE 上最高省65%)、单位输出成本更低；Flash-Lite 冲到 350 token/秒；Cyber 版并入 CodeMender 做安全

Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber

Google DeepMind：生产级 agent 开发要的是更高 token 效率、更低延迟与更稳表现，Flash 系列就是效率×质量的甜点档。本次三款同发——3.6 Flash(主力)编码/知识工作/多模态全面更好：据 Artificial Analysis Index 输出 token 用量比 3.5 Flash 降17%、在 Datacurve 的 DeepSWE 等基准最高降65%，且每输出 token 成本更低；3.5 Flash-Lite 是 3.5 档最快最省，Artificial Analysis 口径 350 输出 token/秒，agent 工作流显著超越历代 Flash-Lite；3.5 Flash Cyber 与代码安全 agent CodeMender 配对，给出接近前沿的性价比安全能力。另透露 Gemini 3.5 Pro 正在合作伙伴处测试。

模型#Google DeepMind

推荐理由：一次发布同时给出效率、速度与安全三条产品线：3.6 Flash 用 17% 的输出 token 降幅和更低单价降低 agent 成本，Flash-Lite 面向高并发低延迟场景，Cyber + CodeMender 则把安全修复做成受控的专用能力。

OpenAI News精选评分 82

GPT-5.6 发布：OpenAI 推出 GPT-5.6，其主张是每个 token 产出更多智能、每美元更强性能，并按需给出更多能力

GPT-5.6: Frontier intelligence that scales with your ambition

OpenAI 发布 GPT-5.6，这一代模型的定位是「随雄心扩展的前沿智能」：每个 token 提供更多智能（more intelligence from every token）、每美元更强性能（stronger performance per dollar），并为最难的工作按需供给能力。这是该代模型的旗舰发布文。

模型

推荐理由：这一代模型的主发布文，把「每 token 智能」与「每美元性能」两个口径摆清楚，是判断 GPT-5.6 分量的首要引用。

OpenAI News精选评分 72

罕见病诊断：研究者用一个 OpenAI 推理模型帮助诊断影响儿童的罕见遗传病，在此前未能确诊的病例中新增确认了 18 例

Using AI to help physicians diagnose rare genetic diseases affecting children

OpenAI 发布一项医疗研究：研究者使用一个 OpenAI 推理模型（reasoning model）帮助诊断影响儿童的罕见疾病，在以往未能确诊的病例中新增作出 18 例诊断。属于有明确数量的临床应用结果。

论文

推荐理由：新增 18 例确诊是可核查的临床产出，落在罕见病诊断这一真实痛点上，比一般科研演示分量更重。

OpenAI News精选评分 79

AI 化学家：OpenAI 与 Molecule.one 展示一个近乎自主（near-autonomous）的 AI 化学家，它用 GPT-5.4 改进了药物化学里一个有挑战的关键反应

A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry

OpenAI 与 Molecule.one 联合发布一项研究展示，一个近乎自主的 AI 化学家（near-autonomous AI chemist）使用 GPT-5.4 改进了一个药物合成中有挑战的关键反应（challenging reaction），推动药物化学研究的自动化。属于把 AI 参与实验科学闭环摆到台面上的实例。

论文

推荐理由：「近乎自主」改进真实药化反应，是 AI 进入湿实验闭环的实质例子，比一般科研助手叙事硬；但材料未给反应的化学细节与验证深度。

OpenAI News精选评分 88

证伪一个中心猜想：一个 OpenAI 模型解决了有 80 年历史的单位距离问题（unit distance problem），证伪了离散几何（discrete geometry）中的一个中心猜想，被视为 AI 驱动数学的里程碑

An OpenAI model has disproved a central conjecture in discrete geometry

OpenAI 发布一项数学结果：其一个模型解决了悬置 80 年的单位距离问题，由此证伪了离散几何里的一个中心猜想（central conjecture）。单位距离问题是该领域的基础问题之一，这次是 AI 在数学上给出的可核查的反例级成果，被称为 AI 驱动数学的里程碑。

论文

推荐理由：证伪一个有 80 年历史的中心猜想是硬结果，不是演示；分量与 Navier–Stokes 那条同级，是本次铺批最重要的一条。

Google DeepMind精选评分 68

Gemini 3.1 Pro 发布：面向一个简单答案不够用的复杂任务，承接上周 3 Deep Think 升级的核心智能，铺向 Gemini API、CLI、Antigravity、Vertex AI 与消费者全线

Gemini 3.1 Pro: A smarter model for your most complex tasks

Google DeepMind 发布 Gemini 3.1 Pro，一款为简单答案不够用的任务设计的更聪明模型。此前一周，公司刚为 Gemini 3 Deep Think 推出面向科研与工程重大难题的升级；3.1 Pro 正是把支撑那些突破的核心智能沉淀下来、推向日常应用。今日起铺开：开发者可在 Gemini API（Google AI Studio）、Gemini CLI、agentic 开发平台 Google Antigravity 与 Android Studio 预览，企业在 Vertex AI 与 Gemini Enterprise 使用，同时进入消费者产品。

产品#Google DeepMind

推荐理由：把此前只在 Deep Think 中的前沿能力沉为主力核心模型、并立刻铺到开发者与消费者全线，读者能马上在自己产品里用上。

第 1 / 1 页 · 共 16 条

主题由这一份内容包的词表定义（标签词与判定抽出来的分类、主体对词）， 读数与「精选」那一屏同一把尺子。范围始终只有当前工作区的行业包。