何恺明团队VISTA论文：让Claude在ARC-AGI-3拿满分
何恺明团队在arXiv发布VISTA论文，把ARC-AGI-3官方给模型的64×64数字表换成图片，并加入可随时调用的无损视觉记忆相册，Claude Opus 5在25个公开游戏全部183关拿到满分，GPT-5.6 Sol拿到99分。
推荐理由：何恺明团队用视觉输入加无损视觉记忆替代数字表，让同一模型在ARC-AGI-3上从40分升至满分，可看方法迁移思路。
技术方向
推理能力 最新动态
模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
73 条精选近 30 天 8 条共收录 163 条
更新
推理能力的精选
新智元精选AI 评分8080
新智元精选AI 评分8787 毕树超称 Meta 的 Muse Spark 半年协助破解 6 大数学开放难题
Meta 超级智能实验室的毕树超宣布，其模型 Muse Spark 1.1 和 1.2 在过去 6 个月内协助数学家攻克概率论、微分方程、群论、优化理论、算术物理学、非结合代数六大领域的开放问题，产出 6 篇论文，其中 5 篇给出悬而未决问题的答案，并推翻了群论中一项 2024 年提出的猜想。
推荐理由：Meta 用网页端对话模型在 6 个月内参与解决 6 个数学开放问题，可观察 AI 辅助科研的实际边界。
NVIDIA Blog精选AI 评分6666 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
Latent Space精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
智东西精选AI 评分8282 谷歌发布 Gemini 4 Argon，输出上限提至 100 万 Token
谷歌发布新一代旗舰模型 Gemini 4 Argon，面向软件工程、法律金融等企业知识工作与网络安全防御，输出 Token 上限从此前 6.4 万提升至 100 万。
推荐理由：谷歌发布 Gemini 4 Argon，披露了输出上限、基准成绩和 API 定价，可据此判断其企业级 Agent 任务的定位与成本。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
NVIDIA Blog精选AI 评分6262 NVIDIA Vera Rubin NVL72 首次亮相 MLPerf Inference v6.1 并取得领先性能
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 结果给出 Vera Rubin NVL72 与 GB300 NVL72 的吞吐、扩展效率和软件优化数据，可作为推理基础设施选型的参考。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：两款语音对话模型分别面向规模化与高复杂度任务，并给出语音智能体基准成绩与开发者接入渠道。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档，Apache 2.0 开源
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部以 Apache 2.0 许可开源。
推荐理由：原文完整披露了 Granite 4.2 的预训练、SFT 数据配比与多阶段 RL 细节，可据此了解推理模型在智能体环境中的训练路径。
Hugging Face Blog精选AI 评分6060 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 9 项基准中 7 项超过其全精度版本
Multiverse Computing 提出 Quantization-Aware Healing（QAH），把 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，在 9 项基准中有 7 项超过该 60B 模型的 bfloat16 版本。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附 9 项基准对比，可据此判断 4-bit 部署的精度取舍。
Hugging Face Blog精选AI 评分6262 Liquid AI 发布 LFM2.5-DSpark 草稿模型，推理最高提速 3.2 倍
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下提升解码速度，GPU 上吞吐最高提升 3.18 倍，端侧最高 2.87 倍。
推荐理由：官方给出三个模型的草稿检查点与 H100、MacBook 实测吞吐，可据此判断投机解码在端侧与云端的落地差异。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX，通过结构化的 CUDA 到 MLX 翻译层，把已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断 CUDA 经验能否复用到 Apple Silicon。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，包含 VLA 模型 Gemini Robotics 2、具身推理模型 Gemini Robotics ER 2 和端侧模型 Gemini Robotics On-Device 2。
推荐理由：Google DeepMind 发布三款机器人模型，首次实现人形机器人全身控制，并给出开放入口与适配成本。
Hugging Face Blog精选AI 评分8787 Thinking Machines 发布 Inkling 与 Inkling-Small 开源多模态模型
Thinking Machines 在 Hugging Face 发布 Inkling 系列开源多模态模型，Inkling 为 975B 总参数、41B 激活参数的 MoE 架构，原生接受图像、文本和音频输入，支持 1M 上下文，训练数据达 45 万亿 token。
推荐理由：原文给出 Inkling 的架构细节、部署配置与基准对比，读者可据此判断这一开源多模态模型的落地门槛。
Mistral AI精选AI 评分7171 Mistral 发布 Robostral Navigate 具身导航模型
Mistral 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE 验证未见集上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点、比最佳多传感器方案高 4.5 个百分点。
推荐理由：原文给出单目 RGB 相机下的导航成功率与训练方法，读者可据此判断紧凑模型做具身导航的可行边界。
Hugging Face Blog精选AI 评分6262 vLLM 的 transformers 建模后端实现原生推理速度
Hugging Face 宣布 vLLM 的 transformers 建模后端在多个 LLM 架构上已追平甚至超过 vLLM 手写原生实现，模型作者无需移植即可获得高速推理。
推荐理由：原文给出 vLLM 的 transformers 后端在多种 Qwen3 模型上追平手写实现，读者可据此判断是否省去移植成本。
Mistral AI精选AI 评分7171 Mistral 发布 Leanstral 1.5 形式化验证模型
Mistral 发布 Leanstral 1.5，采用 Apache-2.0 许可，119B 总参数、6B 激活参数，在形式化验证上大幅升级：miniF2F 达到 100%，PutnamBench 解出 587/672 题，FATE-H 87%、FATE-X 34% 均为新 SOTA。
推荐理由：官方给出 Leanstral 1.5 在形式化验证基准上的成绩与成本对比，可据此判断开源证明模型的实用边界。
Google Research精选AI 评分6262 Google 用冻结多 token 预测加速 Pixel 上的 Gemini Nano 模型
Google Research 发布新架构，将多 token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上，在不改动主干权重的前提下加速端侧推理，已上线 Pixel 9 和 10 系列。
推荐理由：Google 把多 token 预测接到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
Hugging Face Blog精选AI 评分8585 智谱发布 GLM-5.2，面向长程任务支持 1M 上下文
智谱发布旗舰模型 GLM-5.2，主打长程任务能力，首次在 1M token 上下文下稳定支撑长程工作，并采用 MIT 开源许可。
推荐理由：GLM-5.2 把 1M 上下文与编码智能体能力结合，并给出与闭源前沿模型的基准对比，可据此判断开源模型在长程任务上的位置。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 DiffusionGemma 文本扩散模型，推理速度最高提升 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 26B MoE 文本扩散模型的速度、显存与质量取舍，便于判断本地低并发场景是否值得换用。