百度发布文心 5.5 Flash Preview，总参数 2800 亿、支持百万 Token 上下文
百度 11 月 11 日发布文心 5.5 Flash Preview，总参数量 2800 亿、每 Token 激活 140 亿参数，支持最长 100 万 Token 上下文，生成速度超过每秒 200 tokens。
推荐理由：文心 5.5 Flash Preview 以 2800 亿总参数、百万 Token 上下文和低价 API 切入编程与 3D 建模场景，权重开源时间也已给出。
技术方向
推理能力 最新动态
让大模型先想再答的能力：思维链、推理模型，数学与逻辑评测上的突破和争议。
16 条精选近 30 天 14 条共收录 346 条
更新
推理能力的精选
雷锋网精选AI 评分7878 Latent Space精选AI 评分8888 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺 LLM 榜首
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，官方称二者在几乎所有评测能力上都高于 Opus 5.5，并在 Artificial Analysis Intelligence Index v5 上以 65 分重回第一，超过 Gemini 4 Carbon 的 60 分。
推荐理由：汇总多家独立评测与成本数据，呈现 Fable 5.2 登顶背后的 token 消耗与 effort 档位反常。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 向开发者、企业和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。
推荐理由：官方给出 Carbon 在多项基准上的排名与成本对比，并说明它与 Argon 的分工定位。
MarkTechPost精选AI 评分8282 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2：同一模型，不同安全护栏
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两者是同一底层模型，Fable 5.2 增加分类器拦截高风险网络安全任务和大部分研究生物学任务，Mythos 5.2 则去掉这些限制、需通过 Cyber Verification Program 和 Life Sciences Verification Program 访问。
推荐理由：同一底层模型拆成两档安全护栏，配合自报基准与定价，可对照 Opus 5.5 判断成本与能力取舍。
InfoQ 中文 · AI精选AI 评分8080 Meta 发布轻量模型 Muse Ember，成本约为 Claude Haiku 5.5 的三分之一
Meta 发布轻量级模型 Muse Ember，已通过 Meta Model API 和 Muse Code 上线，模型名为 muse-ember-1.0，定价为每百万输入 Token 0.10 美元、每百万输出 Token 0.50 美元。
推荐理由：Meta 用成本与智能指数的效率前沿对比，说明小模型在 Agent 高频调用场景中的定位与取舍。
AWS Machine Learning Blog精选AI 评分7272 AWS 上线 Claude Fable 5.2 与 Claude Mythos 5.2
AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 与 Claude Platform on AWS 上可用，前者面向编码、数学与科研等技术工作，可自主运行数小时到数天并自查输出。
推荐理由：文章交代了 Fable 5.2 在编码与科研任务上的定位，以及数据留存与迁移路径，便于评估接入成本。
Latent Space精选AI 评分8080 Thinking Machines 发布 Inkling 2 Small：594B 总参数 17B 激活 MoE，68 小时预训练
Thinking Machines 发布 Inkling 2 Small，一个 594B 总参数、17B 激活的多模态 MoE，支持文本与图像输入，上下文窗口 1M。
推荐理由：材料汇总了 Inkling 2 Small 的架构、训练时长与多份第三方评测，可对照其与同尺寸模型的强弱项。
量子位精选AI 评分8080 MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，MATH-500 得分提升约 6 倍
MIT 的实验让 GPT-6 Astra 直接读取并编辑 Qwen3.5-0.8B 的权重，只改动 0.016% 的参数，MATH-500 得分就从 7.9% 升到 48.1%，约 6 倍，全程没有训练和梯度下降。
推荐理由：MIT 的实验展示了不靠梯度训练、直接让大模型读写权重来修复小模型推理循环的路径，可作为理解权重空间编程的案例。
Mistral AI精选AI 评分8686 Mistral 开源 1 万亿参数多模态模型 Mistral Large 4（Le Chonk）
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是其 1 万亿参数原生多模态旗舰模型，此前已在本月早些时候进入公开预览。
推荐理由：原文给出开放权重、三档推理模式和定价，读者可据此判断自托管编码与安全智能体的成本。
Hugging Face Blog精选AI 评分8282 Mistral Large 4（Le Chonk）登陆 Hugging Face：1T 参数 MoE 多模态模型
Mistral 在 Hugging Face 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），约 1T 总参数、49B 激活参数，上下文窗口 1M tokens，提供 FP8 与 NVFP4 两个官方版本。
推荐理由：原文给出 1T 总参数、49B 激活的 MoE 多模态模型在网络安全与编码基准上的具体分数，并附本地与云端部署路径。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布 LFM3 系列：一套 2B 骨干覆盖文本、视觉、音频、全模态与决策模型
Liquid AI 发布 LFM3 新一代 Liquid Foundation Models，六个 2B 级模型（文本、视觉、音频、全模态、两个决策模型）全部从 LFM3-1.7B-Base 分支而来，并已在 Hugging Face 开源权重。
推荐理由：Liquid AI 用一套 2B 级共享骨干覆盖文本、视觉、音频和决策模型，读者可据此比较端侧多模态路线的取舍。
Microsoft Research精选AI 评分7575 微软研究院等证明 31 年悬而未决的 KLS 猜想
微软研究院机器学习与优化组研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该关系在高维下由固定常数界定，与维数无关。
推荐理由：微软研究员与合著者借助人类引导的智能体搜索证明 KLS 猜想，读者可了解人机协作推进数学证明的具体流程。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，面向机器人场景，在测试 3D 物理空间问题理解的 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：原文给出 ERQA 87% 与真实机器人成功率 56% 到 75% 的对比，可据此判断物理推理模型在机器人栈中的位置。
Google AI Blog精选AI 评分8888 Google 发布 Gemini 4 Argon，面向开发者与企业开放 API
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini 平台的 API 向开发者与企业开放，Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型的能力边界。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态模型
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底开放。
推荐理由：官方给出 ML4 的参数量、多模态与编码基准，并说明权重月底开放，可据此判断开源模型的能力边界。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把多年 kernel 经验带到 Apple Silicon
研究团队把 K-Search 的进化式 kernel 搜索扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA kernel 经验直接迁移到 Apple Silicon。
推荐理由：读者可以看到 CUDA 优化经验如何被结构化翻译成 MLX 策略，以及翻译层对搜索结果的量化影响。