跳到正文

推理能力

模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。

最新精選

第 101–120 條 · 共 325 條
11月12日週四
  1. Hacker News 熱門(buzzing.cc 中文翻譯)76

    Google 推出 Gemini Decisions API 及 Gemini Decision 1

    Google 推出 Gemini Decisions API,由新模型 Gemini Decision 1 對文字、圖片、音訊、影片及 PDF 輸入進行單次多模態評估,最多可處理 1,000 個獨立問題。

    推薦理由:API 將工具選擇、政策檢查及模型路由等封閉式判斷集中於單次評分,並列出延遲和輸入 token 費用,讓其應用取捨有具體依據。

  2. DEV Community76

    Google 向付費開發者開放 Gemini 4 Carbon,優惠定價至 11 月 30 日

    Google 已透過 Gemini API 向所有付費開發者開放 Gemini 4 Carbon,11 月 30 日前每百萬 input tokens 收費 $2、output tokens 收費 $10。12 月 1 日起,兩項價格升至 $4 和 $20;Google 將 Carbon 定位於複雜多步編碼與除錯、長時間 Agent 工作流程及開放式研究,Argon 則適合日常編碼和知識工作。

    推薦理由:文章把 Gemini 4 Carbon 的限時定價、任務定位與 Gemini 4 Argon 的日常用途並列,呈現開發者在高難度工作與成本之間的取捨。

11月11日週三
  1. 第一財經76

    Google 發佈 Gemini 4 Carbon,普通付費用戶暫時仍無法使用

    Google 向公眾發佈 Gemini 4 Carbon,稱其為旗下迄今最強模型,主打複雜、長週期任務,但普通付費用戶暫時無法使用。付費開發者及企業可透過 Gemini API 和 Gemini for Business 使用;一般消費者則須訂閲 Google AI Ultra,才可在 Gemini 應用及搜尋 AI 模式使用。

    推薦理由:文章對照 Gemini 4 Carbon 的任務成本、模型排名與訂閲門檻,呈現企業採用成本優勢和一般付費用戶體驗限制之間的落差。

  2. EJ Tech 信報科技 · AI82

    Anthropic 推出 Claude Fable 5.2 及 Mythos 5.2,Fable 5.2 輸出快 30%、API 降價兩成並能操控機械臂

    Anthropic 推出 Claude Fable 5.2 及 Mythos 5.2,兩款模型在編程、推理及視覺等方面改進,輸出速度較 5.1 快 30%。Fable 5.2 API 每百萬個 Token 的輸入及輸出收費分別為 8 美元及 40 美元,較上一代下調兩成;Fast Mode 分別收費 16 美元及 80 美元,Token 生成最高提速 2.5 倍。

    推薦理由:文章並列 Fable 5.2 的速度、收費與基準表現,亦交代 Mythos 5.2 的申請限制及隱蔽行為風險,呈現新模型能力與安全議題的不同面向。

  3. 新浪科技81

    Gemini 4 Carbon 開放使用,AlphaProof Code 四周為 Signal 生成 650 萬行 Lean 證明程式碼

    Google DeepMind 宣佈 Gemini 4 Carbon 開放使用,並公佈 AlphaProof Code 以其驅動多個 AI Agent,四周內為 Signal 核心實現生成約 650 萬行 Lean 證明程式碼。

    推薦理由:文章把 Gemini 4 Carbon 的長週期推理能力,連到 AlphaProof Code 對 Signal 編譯後程式碼的形式化驗證案例,具體呈現多個 Agent 如何結合 Lean 與機器檢查。

  4. 新浪科技82

    Google 開放 Gemini 4 Carbon,主打複雜編程、科學研究與網絡安全

    Google 正式開放 Gemini 4 Carbon,供開發者、企業、科研人員和消費者使用,主打複雜軟件工程、科學研究與網絡安全。模型已透過 Gemini API 和 Google AI Studio 向付費開發者開放,統一上下文窗口為 1,048,576 Token,標準同步請求最多輸出 65,536 Token。

    推薦理由:文章並列 Gemini 4 Carbon 的開放渠道、上下文規格與漏洞測試成績,呈現其面向複雜編程和安全研究的任務定位。

  5. IT之家80

    Google 開放迄今最強推理模型 Gemini 4 Carbon,主打複雜編程、科學研究與網絡安全

    Google 開放 Gemini 4 Carbon,稱其為目前能力最強的推理模型,面向複雜軟件工程、多步驟智能體任務、科學研究及網絡安全。

    推薦理由:文章對照 Gemini 4 Carbon 與 Gemini 4 Argon 的任務定位,並列出 Carbon 的開放渠道、上下文規格與定價,呈現 Google 面向長週期複雜工作的模型部署安排。

  6. Hacker News 熱門(buzzing.cc 中文翻譯)82

    Google 開放 Gemini 4 Carbon 使用,主打複雜知識工作與科學推理

    Google 向開發者、企業、科學家及一般用戶開放 Gemini 4 Carbon,主打複雜知識工作、軟件工程及科學推理。它在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 均排名 #1,每項任務成本比次佳外部模型低逾 2X。

    推薦理由:文章對照 Carbon 面向高難度多步任務、Argon 適合多數軟件工程及知識工作的定位,並提供基準與價格資訊,呈現兩款模型的用途差異。

  7. Google DeepMind83

    Google DeepMind 開放 Gemini 4 Carbon 使用,面向複雜知識工作與科學推理

    Google DeepMind 開放 Gemini 4 Carbon,供開發者、企業、科學家及一般用戶使用,並定位為面向複雜知識工作、軟件工程及科學推理的前沿模型。

    推薦理由:文章列出 Gemini 4 Carbon 在多項工作流程基準的排名及相對成本,並交代付費開發者和企業的使用入口,呈現其產品定位與採用條件。

11月10日週二
  1. Hugging Face Blog64

    Hugging Face 生態系如何支援決策模型

    Hugging Face 將決策模型支援整合至 Transformers,並以共通介面讓模型根據狀態、問題及允許答案輸出結構化決策和機率。

    推薦理由:文章比較決策模型與傳統分類、零樣本分類的定位差異,並展示 Transformers 與 llama.cpp 如何透過共通介面處理選項、序位評分及是非判斷。

  2. 虎嗅80

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,主打艱巨技術任務

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,定位為應對艱巨技術挑戰的長程智能體模型。文章稱,Fable 5.2 在 30 小時內完成費馬大定理的形式化;Mythos 5.2 在內部 CVE 再發現評估中,發現的漏洞數量比 Claude Opus 5.5 多 10.2%,比 Claude Mythos 5.1 多 14.4%。

    推薦理由:文章以數學形式化、硬件設計及安全測試等案例,呈現兩款模型面向長程複雜技術工作的定位。

  3. Latent Space87

    Anthropic IPO 路演啟動之際,Claude Fable 5.2 發佈並重登 LLM 榜首

    Anthropic 啟動 IPO 路演之際發佈 Claude Fable 5.2 和 Claude Mythos 5.2;Fable 5.2 在多個獨立排行榜居首,取回 Gemini 4 Carbon 曾短暫佔據的第一位。

    推薦理由:文章並列每 token 價格下降與 GDPx 單項成本上升,並以測試量和 subagents 解釋差異,呈現模型榜單表現與任務成本並非同一指標。

  4. IT之家79

    Anthropic 發佈 Claude Fable 5.2 與 Claude Mythos 5.2,Fable 在多項基準領先 GPT-6 Astra

    Anthropic 發佈 Claude Fable 5.2 與 Claude Mythos 5.2,官方稱兩款模型在編碼、推理、科學研究、網絡安全及機械人等領域均有提升,輸出速度最高提高 30%,成本下降 20%。

    推薦理由:文中並列 Claude Fable 5.2 在編碼與多學科推理基準上的成績及競品數據,呈現其在不同測試中的相對表現。

  5. gihyo.jp83

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,提升推理、圖像理解及長時間智能體工作能力

    Anthropic 於 2026年11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,改進編碼、圖像理解與複雜推理,並提升長時間智能體工作的表現。

    推薦理由:文章並列兩款模型的基準測試、價格及開放條件,並説明共用基礎模型下 Mythos 的安全措施與使用門檻差異。

  6. 新浪科技83

    Anthropic 發佈 Claude Fable 5.2 與 Claude Mythos 5.2

    Anthropic 於當地時間11月9日推出 Claude Fable 5.2 與 Claude Mythos 5.2,稱兩者是目前公開發布的能力最強模型。兩者底層模型一致,Fable 面向普通用戶,Mythos 僅向通過核驗的機構開放;相較5.1,輸出速度最高提升30%,標準定價下調20%。

    推薦理由:報道把新模型發佈放在 IPO 路演與算力成本壓力的背景下,呈現技術迭代能力與長期算力開支之間的權衡。

  7. 創業邦77

    Claude Fable 5.2 發佈,30 小時形式化證明費馬大定理並超越 Opus 5.5

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2;文章稱,1000 個 Fable 5.2 智能體在 30 小時內完成費馬大定理的形式化證明。文中還稱,Opus 5.5 運行 18 小時只完成 26%,而 Fable 5.2 用 8 天寫出可在筆記本電腦啟動的原型作業系統。

    推薦理由:文章以費馬大定理形式化證明及 Opus 5.5 的對比為主線,再列出作業系統、物理和生物案例,呈現兩款模型被宣稱的能力範圍。