Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型
Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型,採用循環 Transformer 架構,總參數量為 26.4B,記憶體佔用約 20GB。
推薦理由:Inkling 2 Mini 以循環架構增加每個 token 的內部計算,團隊並以可變循環版本測試其無 CoT 能力及思路可監督性,提供理解兩者關係的實驗觀察。
Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型,採用循環 Transformer 架構,總參數量為 26.4B,記憶體佔用約 20GB。
推薦理由:Inkling 2 Mini 以循環架構增加每個 token 的內部計算,團隊並以可變循環版本測試其無 CoT 能力及思路可監督性,提供理解兩者關係的實驗觀察。
Hacker News 討論中,有用戶認為 Inkling 2 Mini 的基準測試表現不錯,並表示 inkling 2 small 的實際體驗比基準測試所顯示的更好。該用戶亦對正在推出的 varlooped 變體感興趣,並稱自己未聽過其他可運作的同類開源模型。
OpenAI 説明如何偵測和阻止對抗性蒸餾,並在 GPT‑6.2 Astra 和 GPT‑6.2 Sol 加強對受保護推理軌跡的防護。在自適應黑盒紅隊測試中,提取先前請求推理軌跡的攻擊成功率,從 GPT‑6 Astra 原有防護下的 54.0% 降至 GPT‑6.2 Astra 更新防護下的 0.2%;針對當前請求則由 22.9% 降至 0.9%。
推薦理由:文章並列請求層防護、協同活動調查與自適應紅隊測試,並以攻擊成功率由 54.0% 降至 0.2%,呈現 GPT‑6.2 Astra 對推理提取的防護評估。
Baseten 推出基於 Google Gemma 4 的決策模型 bison-1 和 groundhog-1,兩者均支援 128k 上下文及文字、圖像輸入。在 Artificial Analysis Decision Index v2.1 中,bison-1 以 76 分排名 19 款決策模型首位,Brier score 為 0.14。
Depth Pro 2以單一可擴展網絡處理圖像與影片,在原生解像度預測度量深度圖,同時兼顧度量準確度、邊界清晰度和時間一致性。研究團隊發布一系列模型及程式碼與權重,並表示其在上述各項表現均勝過先前方法。
Anthropic 技術團隊的數學家 Levent Alpöge 稱,他使用 Claude 解出一項已有 150 年歷史、關乎質數的黎曼猜想。他的解答尚未獲正式或獨立核驗;Steven Strogatz 指出,電腦系統雖已核查該解答,但有時會出錯。數學學者表示,若解答成立,將是數學領域的重大突破。
Hugging Face 發佈供 Qwen3.8-27B 編碼智能體使用的 LoRA 適配器,分別在 pi、Hermes Agent 和 OpenCode 的 harness 內經強化學習訓練。
Anthropic 數學家 Levent Alpöge 聲稱在 Claude 協助下證明黎曼猜想,但該證明尚未獲獨立核實。證明以 Lean 呈現,目前只刊載於 Alpöge 的個人網站;Anthropic 未就此置評,也未參與他的宣佈。克雷數學研究所規定,候選解答須經至少兩年審查並獲全球數學界普遍接受,才可考慮頒發每題 $1 million 獎金。
RadixArk 本週發佈首款開放權重模型 DaisyRose-27B,這款智能體編碼模型以 Qwen3.8-27B 為基礎,僅經強化學習後訓練。模型卡稱訓練未使用 SFT 或知識蒸餾;Terminal Bench 4.1 pass@1 由基座模型的 5.6 升至 12.0,分數由 RadixArk 自行報告。
Anthropic 數學家萊文特·阿爾波格稱,他與 Claude 合作找到了黎曼猜想的證明,並表示成果亦涵蓋範圍更廣的廣義黎曼猜想。阿爾波格在個人網站公佈證明,並將其編寫為 Lean 程式碼,以逐步驗證數學推理。若成果獲確認,許多以廣義黎曼猜想成立為前提的數學結論亦將隨之得到證實。
2026年11月20日,Anthropic 數學家萊文特·阿爾波格宣佈,他與 Claude 合作完成黎曼猜想證明,並以 Lean 程式碼公開。證明亦涵蓋更廣泛的廣義黎曼猜想,並以 Lean 程式碼供同行逐行檢查;若獲學界確認,文章稱這將是 AI 首次在基礎數學核心問題上作出突破性貢獻。文末聲明指,文章內容由開放的智能模型自動生成,僅供參考。
Anthropic 數學家 Levent Alpöge 聲稱利用 Claude 證明已有 167 年歷史的黎曼猜想。 他以 Lean 程式語言發佈了這份證明。
NVIDIA 發佈 Nemotron-Labs-Sigma,這個連續擴散語言模型系列在 16-D 嵌入空間對文字去噪,提供 3B 和 8B 規模共 14 個開放 checkpoints。
VIDRAFT 在 Hugging Face 的官方排名中,於 17 個有成績的排名全部進入前三,並取得 12 個榜首。作者於 2026 年 11 月 20 日透過公開 API 重新統計;與 11 月 17 日相比,VIDRAFT 多參與了 2 個排名,兩者均進入前三。
Google 於 2026 年 11 月 18 日推出 Gemini 4 Neon,將其置於 Hydrogen 與 Carbon 之間,面向複雜編碼、分析推理及企業工作流程。
MiniMax 研究團隊以內部研究模型 MIM 對現代密碼方案進行自動化密碼分析,將多項理論攻擊轉化為實際攻擊,並在公開密碼挑戰中解出數十個未解實例。MIM 在 McEliece 挑戰中找回 94 個實例的密鑰,包括 55 個此前未解實例;對已有公開紀錄的實例,單台 64 核伺服器的求解速度較既有紀錄快 6,180x 至 43,400x。
推薦理由:文章以 NIST 候選方案、經同行評審的密碼構造及公開挑戰為例,展示 MIM 如何結合數學分析與程式工程,把理論攻擊轉化為可執行攻擊。
DeepSeek V3 是具備 671B 參數、每次推理啟用 37B 參數的開放權重 MoE 模型;評測指其在編碼與數學基準上表現突出,HumanEval 得分為 82%。其 API 輸出價格為每百萬 tokens $1.10,約為 GPT-4 的十分之一,但模型只支援文字,且自託管需要至少 8x A100 80GB。
智譜被指將於 12 月前後推出 GLM-5.5 旗艦模型,摩根大通報告稱智譜計劃推出約 3 萬億參數模型,目標是躋身全球第一梯隊。報道稱,智譜今年發布的 GLM-5.0、5.1、5.2、5.3 均為 7450 億參數,另有一款 7000 億參數模型,性能已超過 GLM-5.3,發布時間尚未確定。
Nova 完成監督式微調(SFT),並以 57.2M 個參數達到 100% 嚴格 JSON schema 工具呼叫準確率,消費級硬件上的 token 生成延遲低於 50ms。
面壁智能的 MiniCPM-V 4.7 35B-A3B 模型可在 iPhone 18 Pro Max 上運行,在約 3GB 峯值記憶體下解碼速度達 20.51 token/s,進一步優化後超過 30 token/s。
ArtArk在SuperCLUE本期文生圖及圖像編輯的競技場與標準評測中均列總榜第一,合共取得四項第一。文生圖競技場在28個模型中以1497.0分居首,標準評測得95.1分;圖像編輯競技場在19個模型中以1341.2分居首,標準評測得83.6分。
inclusionAI/LingSante-Pulse-1.0 是一款以 MIT 授權釋出的生理訊號編碼器,使用模型資產前須安裝獨立的推理程式套件。套件會處理固定的 128-Hz 預處理,並分別輸出 CLS 和 PatchMean 特徵;設定 return_tokens=True 還可取得每隔 0.25 秒的 patch 特徵及有效性遮罩。模型不包括特定任務的預測頭。
本週安全與 AI 工具更新包括 PHP、OpenJDK 修補嚴重遠端程式碼執行漏洞,以及 Google 發佈 Gemini 4 Neon。PHP 8.2 至 8.5 分支已推出修補版本,OpenJDK 17.0.6 及之後版本在配備 AVX-512 的 x86-64 主機上受影響;Ruby 亦修補七項漏洞。
Kilo 作者用同一提示詞,透過 Kilo 比較 GPT-6.2 Astra 和 GPT-6.2 Sol 建造互動式 3D 金字塔的表現;兩款模型都以 Three.js、Vite 和 TypeScript 建成有 204 塊石、8 層的金字塔。
MiniMax 研究團隊使用 MiniMax Cyber 對現代密碼方案進行自動密碼分析,找出多項結構缺陷並把理論攻擊轉化為實際攻擊。研究涵蓋 NIST 候選方案、同行評審設計及公開密碼挑戰;在公開挑戰中,Cyber 解出數十個未解實例,較既有最佳求解器快數百至數萬倍。研究聚焦學術設計、過往競賽候選方案及公開挑戰參數,不影響已部署的密碼標準;相關發現已預先告知方案作者。
推薦理由:文章以可執行攻擊及公開挑戰求解結果呈現 MiniMax Cyber 在多類密碼方案中的密碼分析成果,並提供與既有紀錄的用時及速度比較。
BrillMark 以 100 張合成客戶支援工單,測試 Jev、Claude Sonnet 5、GPT-5.6 Sol 和 Gemini 3.8 Flash 的分類表現。Jev 快 4 至 7 倍、便宜 31 至 65 倍,中位延遲為 474 ms;使用 0.90 信心門檻時,自動處理的 61 張工單有 98.4% 的答案一致。測試只涵蓋單次支援分流,結果不應視為普遍效能保證。
RoboScience 團隊發佈世界模型 WorldFlow,讓模型根據觀測畫面、語言指令和目標物體,聯合預測未來影片及物體的三維軌跡。模型以來自 17 個數據源的約 144 萬條樣本預訓練,並在仿真、真實及空間認知場景的 WorldFlowBench 上評估。
Gemini 4 Hydrogen 與 Sonnet 5.5 的比較顯示,Google 公佈的九項基準中 Hydrogen 勝出六項,Sonnet 5.5 則在三項終端及電腦操作測試領先。
Geodesic Intelligence 的 NovaAtom-Lite 在 FoldBench 抗體—抗原界面測試中以 79.07% 勝過 AlphaFold 3 的 47.90%,並在蛋白質—配體界面測試中領先。
Perplexity 於 2026 年 11 月 12 日發佈 Decider v1.3 和 Decider Flash v1.3,兩者採用 Apache 授權並提供開放權重,可自行部署。
Kimi-K3 定位為面向長程編程、知識工作及推理的旗艦模型,最大輸入和輸出均為 1,048,576 Token,並已上架阿里雲百煉。它採用 KDA 混合線性注意力與注意力殘差,支援原生視覺理解,但只有思考模式。華北2(北京)/全球的輸入、輸出及快取命中價格分別為 20、100、2 元/百萬 Token,且沒有免費額度。
騰訊混元團隊正式開源 Hy4 大模型,模型權重已在 GitHub、Hugging Face、ModelScope 和 GitCode 四個平台上線。混元 LLM 系列至此已全部開源,涵蓋 Hy3 preview、Hy3、Hy4 preview、Hy4 及 Hy4 flash;Hy4 採用 MoE 架構,總參數 770B、激活參數 49B,上下文窗口突破 100 萬 Token。
推薦理由:Hy4 權重已在四個平台上線,且 Hy4 及 Hy4 preview 採用 Apache 2.0 許可證,開發者可下載部署並作商業使用及修改。
騰訊混元團隊宣佈 Hy4 模型權重在 GitHub、Hugging Face、ModelScope 和 GitCode 同步開源,混元 LLM 系列至此完成全面開源。
文章全面解析 Qwen3.8-2.4T-A95B 開源權重的模型定位、架構、能力表現、適用場景、部署成本與許可限制。該版本為純文字、全思考模式,原生上下文為 262,144 Token;BF16 權重約 4.89 TB,定位為多機多卡部署的可改造底座。文章亦比較其與 API 版在視覺輸入、非思考模式及內置工具上的差異,並説明 Qwen3.8-Max License 的商用門檻。
Qwen-Image-2.1 是 7B 圖像模型,同一模型支援文生圖、圖生圖編輯及摳圖,並提供原生透明通道和 2K 出圖。文章列出 qwen-image-2.1-turbo 與 qwen-image-2.1-pro 在北京/全球地區分別為每張 0.1 元和 0.25 元,按成功生成的圖片數量計費。
DeepSeek-V4.1-Flash 是一款 552B MoE 模型,已在阿里雲百煉上架;其架構、基準表現、適用場景及計費方式均有詳細説明。它在多項編程、終端及自動化基準上的表現高於 V4-Pro,但知識問答類表現略低;上下文窗口為 1M,最大輸出為 384K。快取命中輸入價為未命中的 1/50,阿里雲百煉與 DeepSeek 官方的忙閒時段定義不同,排產須按調用入口區分。
三星在 One UI 9.5 首個 Beta 測試版程式碼中出現自研 AI 模型 Gauss 4 E2B,相關名稱見於 Personal Agent Core 和三星 Memory 應用。
開發者 Devon Bray 用 3 張退役的 NVIDIA Tesla V100 搭建本地 AI 主機,運行 Qwen 3.6 35B 時在 128K 上下文下達到 72.7 tokens/s,高於 M5 Max 的 61.3 tokens/s。
三星自研 Gauss 系列模型的身影出現在 One UI 9.5 首個 Beta 測試版程式碼中,其中包括 Gauss 4 E2B。相關名稱亦出現在支援 AI 智能體功能的 Personal Agent Core 和 Memory 應用中;Memory 應用會檢查裝置是否有 Gauss 模型檔案,並將 Gauss 4 E2B 與 Gemini Nano、Gemma 並列。
阿里雲 Qwen3.8-Max 定位為面向複雜任務和智能體開發的旗艦基座模型,提供按量 API 及 Token Plan 訂閲兩種使用方式。模型採用 2.4萬億參數 MoE 架構,支援百萬 Token 上下文及文字、圖片和影片輸入,並面向編碼、文件處理和工具編排等場景。