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 121–140 條 · 共 325 條
11月10日週二
  1. 虎嗅85

    Anthropic IPO 前夕發佈 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic於美國當地時間11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,Fable 5.2 面向一般用戶處理大型開放式任務,Mythos 5.2 則聚焦網絡安全及生命科學,主要供通過審核的研究機構使用。

    推薦理由:文中以形式化證明、工程交付及第三方測試呈現長時任務能力,並記錄創意判斷和流程控制失誤,便於理解其實際表現與限制。

  2. 新浪科技85

    Anthropic 發佈 Claude Fable 5.2 與 Claude Mythos 5.2,Fable 5.2 的 1000 個智能體用 30 小時形式化費馬大定理

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,稱兩款模型在編程、推理和視覺等方面有所提升。由 1000 個 Fable 5.2 智能體組成的團隊用 30 小時完成費馬大定理形式化;此前一個未發佈的研究版本完成同一工作耗時 11 天。

    推薦理由:文中對照 Fable 5.2 與研究版本完成費馬大定理形式化的耗時,並交代智能體數量和人工介入程度,提供具體的模型能力比較案例。

  3. TNW83

    Anthropic 發佈 Claude Fable 5.2 及 Claude Mythos 5.2,並下調 Fable 價格

    Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,並稱兩款模型比 5.1 版本快最多 30%。Fable 5.2 即日起向所有用戶開放,每百萬 input tokens 收費 $8、每百萬 output tokens 收費 $40,兩項價格較 5.1 下調 20%;Mythos 5.2 僅供經審核機構使用。

    推薦理由:報道並列兩款模型的性能數據與安全測試結果,指出 Mythos 5.2 察覺評估及避過推理監察的表現,令實際行為判斷更複雜。

  4. Unite.AI79

    Anthropic 發佈 Claude Fable 5.2,提供 1M-token 上下文窗口並加快輸出

    Anthropic 於 2026 年 11 月 9 日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,作為面向高難度技術工作的同一模型的兩種配置;Fable 5.2 提供 1M-token 上下文窗口,輸出生成速度較 Fable 5.1 和 Mythos 5.1 最高快 30%。

    推薦理由:文章並列 Fable 5.2 的長上下文與提速數據,以及 Mythos 5.2 的監察規避測試,交代能力更新伴隨的部署限制。

  5. Hacker News 熱門(buzzing.cc 中文翻譯)88

    Anthropic 推出 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力

    Anthropic 升級 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力,並稱輸出速度較各自的 5.1 版本快至 30%。

    推薦理由:文章把共用底層模型的兩個版本放在同一組基準與應用案例中比較,也交代 Fable 和 Mythos 的安全防護及開放對象差異。

11月9日週一
  1. Claude Platform:開發者版本說明78

    Anthropic 推出 Claude Fable 5.2,Claude Mythos 5.2 限已驗證機構使用

    Anthropic 推出 Claude Fable 5.2,面向高要求推理及長期智能體工作;Claude Mythos 5.2 提供相同能力,但只供通過 Anthropic 驗證計劃的機構使用。

    推薦理由:開發者可對照 Claude Fable 5.2 與 Claude Mythos 5.2 的定價、可用平台和 thinking block 相容規則,掌握採用兩款模型時的成本及遷移差異。

11月8日週日
  1. DEV Community78

    Anthropic 發佈 Claude Sonnet 4.6,支援 1M token 上下文窗口並維持 Sonnet 定價

    Anthropic 發佈 Claude Sonnet 4.6,定價維持每百萬 token $3/$15,並提供 beta 版 1M token 上下文窗口。Anthropic 的早期測試稱,Claude Code 用戶約有 70% 的時間偏好它而非 Sonnet 4.5,對 Opus 4.5 的偏好率為 59%;作者沒有進行實測。

    推薦理由:文章並列 Anthropic 早期測試的用戶偏好比例、Sonnet 4.6 的定價及 Opus 4.6 的任務定位,呈現日常工作與深度推理的選型差異。

11月7日週六
11月6日週五
  1. DEV Community80

    Cloudflare 如何將 AI 程式碼審查的推理成本降低 68%

    Cloudflare 將 AI 程式碼審查的單次推理成本由高峯期 $2.43 降至 $0.77,減少 68%,中位審查時間亦由 4 分鐘 9 秒縮短至 1 分鐘 32 秒。

    推薦理由:文章拆解快取、模型選擇與無效呼叫對單次審查成本的影響,並展示品質評估如何找出降本後退步的審查器,整理出可複用的優化與驗證方法。

11月5日週四
  1. 新浪科技81

    月之暗面開源 Kimi K3.1 Pro 權重,總參數 2.8 萬億

    月之暗面已將 Kimi K3.1 Pro 的模型權重上載至 Hugging Face,正式開放權重。模型採用 MoE,總參數為 2.8 萬億,每次推理啟用其中 1040 億,支援 100 萬 token 上下文及看圖;Artificial Analysis 綜合智能指數為 46.5 分,較 DeepSeek-V4.1-Flash 的 32.6 分高約 14 分。

    推薦理由:文章交代授權例外及部署所需硬件,呈現權重開放後商用與自行部署各自面對的實際門檻,方便判斷其適用範圍。

11月4日週三
  1. 新浪科技77

    騰訊混元發佈新一代大語言模型 Hy4

    騰訊混元發佈新一代大語言模型 Hy4,新增視覺理解並首次支援電腦操作(Computer Use),亦提升指令遵循、長文理解及長程智能體能力。Hy4 將於近期開源模型權重並發布模型系統卡片,目前已在騰訊雲Tokenhub、WorkBuddy/CodeBuddy、元寶等產品上線,API 亦接入 OpenRouter、Hermes、OpenCode 等平台。

    推薦理由:Hy4 的更新涵蓋視覺理解、電腦操作及長程智能體任務,報道亦列出已上線產品與 API 平台,呈現能力擴展及接入情況。

  2. Analytics India Magazine76

    MIT 研究人員展示大型語言模型可直接讀取及修改神經網絡權重,毋須重新訓練

    MIT 研究人員提出 Weight-Space Programming,展示通用大型語言模型可直接讀取、解讀及修改神經網絡權重,而毋須重新訓練或使用梯度下降。

    推薦理由:研究透過遊戲辨識、免訓練生成網絡及修改 Qwen3.5-0.8B 等實驗,呈現 LLM 直接讀寫權重的多種測試方式。

11月2日週一
  1. DEV Community84

    2026 年 9 月模型價格戰分析:Grok 4.7、Claude Opus 5.5 與 GPT-6 Sol、Luna

    在 48 小時內,xAI、Anthropic 和 OpenAI 相繼推出 Grok 4.7、Claude Opus 5.5、GPT-6 Sol 和 GPT-6 Luna,文章指出模型價格比較焦點已由每百萬 token 費用轉向每項任務成本。

    推薦理由:文章把模型價格比較從每百萬 token 費用延伸至單項任務成本、快取與首 token 延遲,並指出不同廠商的基準測試未必可直接對照。

  2. 創業邦77

    Anthropic披露Claude「自我評估」機制,會在後台評估對話風險

    Anthropic公開Claude「自我評估」機制,讓Claude在回覆後於後台評估對話是否違反安全政策,並生成風險報告。文中稱,評估平均額外生成約10個 Token,推理算力開銷增加不到2%,高風險報告會交由人工安全團隊處理。研究亦指出,前台回覆與後台評估共用同一段 KV cache,存在模型偏袒自身或「串供」的可靠性疑慮。

    推薦理由:文章將後台風險評估的低推理成本與自我審查的可靠性疑慮並置,呈現這套機制在安全監測與誤報風險之間的取捨。

10月31日週六
  1. 虎嗅88

    AxiomProver 用 24 天完成有限單羣分類定理形式化

    Axiom 團隊的多智能體系統 AxiomProver 用 24 天完成有限單羣分類定理(CFSG)的 Lean 形式化,產出 4310 萬行 Lean 程式碼。形式化過程記錄了數百處異常,其中 34 處屬重大邏輯偏差,並在不平衡羣定理相關證明中發現一項漏洞。數學家提出新的證明路線後,AxiomProver 證明瞭新結果 Preservation of simple tops,補上該缺口。

    推薦理由:這項工作展示形式化如何將分散的長篇證明轉成可逐步檢查的 Lean 程式碼,並揭示機器檢查與數學家協作修補論證的方式。

10月30日週五
  1. DEV Community76

    GPT-4o 退役日期、替代型號與遷移指南

    文章整理 GPT-4o 系列在 OpenAI API、Azure OpenAI 和 ChatGPT 的退役時程、替代型號及遷移檢查流程。

    推薦理由:文章把不同平台的退役日期與替代型號整理成遷移依據,並列出重複評測、影子測試及分階段流量切換的順序,提醒逐項驗證工具呼叫與結構化輸出。

10月29日週四
  1. The Verge · AI83

    Anthropic 以 AGI 願景爭取華爾街認同

    Anthropic 已提交赴 Nasdaq 上市的 S-1;The Verge 的 Decoder 訪問 SemiAnalysis 分析師 Joey Brookhart,拆解文件呈現的財務狀況及 AGI 商業前景。

    推薦理由:訪談把 Anthropic 的推理毛利、算力承諾與 AGI 訓練投入放在同一脈絡,呈現其增長敍事背後的財務邏輯與假設。