Mistral Large 4(Le Chonk)發佈改進版開放權重
Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。
推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。
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。
Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。
推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。
Mistral 已為 1 萬億參數的 Mistral Large 4 發佈開放權重;模型每項任務啟用 520 億個參數,可讀取文字和圖像,並生成文字及程式碼。
推薦理由:文中比較編碼與網絡防禦基準的得分,並列出每項編碼任務的 token 用量差異,呈現 Mistral Large 4 的測試表現。
Google DeepMind 發佈 Gemini 4 Carbon,在 Artificial Analysis Intelligence Index v5.0 得 59 分,高於 Argon 的 50 分。
推薦理由:多個外部基準呈現 Gemini 4 Carbon 相較 Argon 的提升幅度,也揭示它在智能體編碼、知識工作與答題準確度上的不同表現。
Apple 發佈搭載 M5 Pro 或 M5 Max 的全新 14 吋及 16 吋 MacBook Pro,並首次為 Mac 加入觸控操作。新機配備採用串聯式 OLED 技術的 PROLED XDR 顯示屏,最高 HDR 和 SDR 亮度達 2000 nits,並加入 Dynamic Island。產品於 2026 年 10 月 28 日起接受預訂,並於 11 月 6 日起供貨。
推薦理由:公告列出串聯式 OLED 顯示、Mac 首次加入觸控與 Dynamic Island,以及 M5 Pro、M5 Max 的定位,概括新機在顯示、互動和運算上的變化。
GitHub 於 2026 年 10 月 28 日在 GitHub Universe 2026 宣佈 Copilot Fusion 正式開放使用,這套多模型路由與協調系統會按提示詞選擇模型及配合方式。
推薦理由:GitHub提供基準分數及成本、token 用量和耗時比較,配合三種力度與三種執行流程,呈現 Copilot Fusion 的路由設計及資源取捨。
OpenAI 宣佈在數學、電腦科學及物理學領域取得三項成果,並採用不同發布安排,科研界對成果公開方式提出批評。數學成果據稱證明掛谷猜想,電腦科學成果則宣稱證偽指數時間假説;物理學研究涉及量子色動力學及楊–米爾斯理論,但沒有解決質量間隙問題。受訪研究人員指出,核驗成果需要大量時間,並質疑由 OpenAI 選定專家及限制查閲範圍,主張公開材料供學界共同檢視。
推薦理由:三項成果的公開程度並不一致,爭議落在專家遴選與證明材料的平等查閲,呈現 AI 科研如何兼顧核驗和開放的難題。
Ai2 發佈《Old Ideas, Novel Problems》研究及基準,發現大語言模型判斷研究構想新穎性的結果會因評估設定而大幅變動。以 GPT-5.4 評估人類與 AI 生成構想的配對時,僅更改提示詞便令準確率由 93.5% 降至 40.9%,並改變逾半配對的判斷。
推薦理由:研究從 ICLR 2026 評審中抽取明確談及原創性的案例,建立可比較人類與 AI 生成構想的基準,呈現提示詞變動對評估結果的影響。
OpenAI 推出 GPT-6.1 Terra,支援理解圖片和螢幕,以及操作瀏覽器、桌面和應用,API 價格亦低於 GPT-5.6 Terra。
推薦理由:文章並列 GPT-5.6 Terra 對照任務的耗時、token 用量與帳單,再比較綜合測試得分和成本,呈現降價、速度與評測表現之間的差異。
OpenAI 發佈 GPT-6.1 Terra,並稱其在視覺推理、專業任務執行及電腦操作基準上達到接近前沿模型的表現。最高推理力度下,該模型在 Agents’ Last Exam 得分 60.0%、每項任務成本 $1.01;GPT-5.6 Terra 得分 50.7%、成本 $3.58。
推薦理由:文章並列專業任務、視覺推理及桌面操作基準與單項任務成本,呈現 GPT-6.1 Terra 相較同系列模型的能力與成本取捨。
OpenAI 宣佈其模型在數學、電腦科學及物理學取得三項研究成果,涉及局部光滑猜想、指數時間假設(ETH)及量子場論。OpenAI 稱模型證明所有維度的局部光滑猜想並推翻 ETH,相關證明已通過 Lean 驗證;物理成果則涉及量子色動力學及純楊-米爾斯理論的存在性。OpenAI 表示會邀請外部專家牽頭組建小組消化和核驗成果,並將文稿視為原始研究資料,而非定論。
推薦理由:三項成果橫跨數學、複雜性理論與量子場論,部分證明已以 Lean 形式化驗證;OpenAI 同時將文稿定位為原始研究資料,而非定論。
OpenAI 於 10 月 26 日宣稱,內部模型反證 ETH、證明所有維度的局部光滑化與掛谷猜想,並建立包括 QCD 在內的部分四維量子場論嚴格存在性證明。局部光滑化與 ETH 的證明已完成 Lean 形式化,ETH 部分將由原假設提出者及其他研究者組織外部審查。物理成果則交由 David Gross 牽頭的團隊整理,AI 生成的原始證明暫未公開。
推薦理由:文章比較數學、電腦科學與物理成果的公開及審查安排,呈現 AI 生成證明如何進入學界核查和知識整理流程。
OpenAI 公佈數學、計算機科學及物理學三項新發現,涉及調和分析、計算複雜性理論和量子場論。OpenAI 稱其模型證明瞭所有維度下的局部光滑猜想,並由此解決掛谷猜想和 Stein 限制猜想;另推翻 ETH,並證明包含 QCD 的四維相互作用量子場論存在。
推薦理由:三項成果分涉調和分析、計算複雜性與量子場論,文章交代 Lean 形式化進度和各自的公開安排,呈現目前的獨立審查狀態。
OpenAI 發佈並開始提供 GPT-6.1 Terra,強化視覺推理、電腦操作和文字表達,標準 API 價格為 GPT-5.6 Terra 的一半。在 Agents' Last Exam 中,medium 推理設定較 GPT-5.6 Terra 高 15 分,成本約為三分之一;low 設定下的事實錯答率約為 GPT-5.6 Terra 的三分之一。
推薦理由:文章以基準結果和定價對照 GPT-6.1 Terra 與 GPT-5.6 Terra,呈現視覺操作和工作任務表現提升時的成本變化。
OpenAI 發佈平衡型 AI 模型 GPT-6.1 Terra,並稱其在視覺推理、電腦操作及編程方面表現提升。其標準 API 價格較 GPT-5.6 Terra 低 50%;每個 token 價格為 GPT-6 Astra 的十分之一,任務處理速度快逾 3 倍。
推薦理由:多項基準測試同時列出得分與任務成本,並比較 Terra 和 GPT-6.1 Sol、GPT-6 Astra 在複雜編程上的能力差異。
OpenAI 宣佈其 AI 模型完成三項理論成果,涉及所有維度的局部平滑化猜想、ETH 反證,以及量子色動力學和楊-米爾斯理論的存在性證明。局部平滑化猜想可推導出所有維度的卡凱亞猜想及 Stein 限制性猜想;數學與 ETH 的證明材料已完成 Lean 形式化並公開。量子場論相關證明的原始材料暫未公開,將由外部理論物理學家團隊進一步整理和審查。
推薦理由:文章並列數學、計算複雜性與理論物理三類成果的公開程度及專家審查安排,呈現 AI 生成證明後不同領域的驗證流程。
Shivam Kumar 建議把 GPT-6.1 Terra 設為日常智能體任務的預設模型,複雜編碼和最難推理任務則改用 Sol 或 Astra。
推薦理由:文章把模型選擇拆成任務路由與推理力度兩個維度,並提出以完成率、錯誤率及每項完成任務成本,檢視 Terra 是否適合作為日常預設模型。
OpenAI 發佈 GPT-6.1 Terra,該模型在 Agents' Last Exam 最高推理檔得分 60.0%,高於 Astra 的 59.3% 和 Sol 的 58.6%。
推薦理由:Agents' Last Exam 的分數與單次任務成本對照,呈現 Terra 在不同推理檔位下與 Astra、Sol 的能力和成本差異。
OpenAI 於 10月27日推出 GPT-6.1 Terra,主打以較低成本完成複雜電腦操作,尤其是需要視覺推理及操作桌面軟件的工作。
推薦理由:多項基準與定價數據並列比較 GPT-6.1 Terra、前代及同系列模型,呈現其在桌面操作、推理和編碼任務上的表現與成本差異。
OpenAI 宣佈,其 AI 模型證明所有維度的局部光滑猜想、推翻指數時間假設(ETH),並提出量子場論存在性的嚴格數學證明。數學和電腦科學成果已透過 Lean 形式化驗證並公開證明材料;物理學成果正由專家審查,所有成果仍需學界獨立確認。ETH 被推翻後,研究人員需重新審視多類計算任務的速度提升空間,找到可實現的算法仍需大量後續研究。
推薦理由:文章分別交代數學與電腦科學成果的 Lean 形式化驗證,以及物理學成果的專家審查安排,呈現三項研究在學界確認上的不同進度。
OpenAI 發佈 GPT-6.1 Terra,這款中端模型結合精細視覺推理、精準電腦操作及更自然的寫作,面向日常辦公任務。模型已向 ChatGPT Plus、Pro、Enterprise 和 Edu 用戶開放,可在 ChatGPT Work 與 Codex 使用;開發者亦可透過 OpenAI API 以 gpt-6.1-terra 調用。
推薦理由:文章以 Agents'Last Exam、OSWorld 2.1 等基準對照前代及旗艦模型,呈現 Terra 在推理、電腦操作與任務成本上的差異。