#推理

Nace AI 开源 Drex Max v1：27B 决策模型可在 Apple Silicon 本地运行

Nace AI 以开放权重形式发布 Drex Max v1，这是一个 27B 稠密决策模型，支持 262,144 token 窗口，单次前向为每个选项输出概率而不生成文本。

Drew Breunig 将 NES 6502 CPU 模拟器嵌入 Qwen3.5-4B 权重

Drew Breunig 受 Divyansh Agrawal 的 qwenputer 启发，把可运行的 NES 6502 CPU 模拟器嵌入 Qwen3.5-4B 的权重中，现在可以在 Qwen 里（很慢地）运行 Super Mario Bros 等 NES ROM。

AI 数学能力越强，人类数学家的价值反而越高

经济学家 Filipe Campante 认为，AI 在大量高难数学问题上取得突破，反而会提升人类数学家的价值，因为数学证明需要他人验证，而连 Terry Tao 都难以理解 OpenAI 智能体声称给出的证明。其与 Süddeutsche Zeitung 合作的实验显示，接触 AI 生成图片的读者对新闻内容信任下降，但对可信来源的访问和续订意愿上升。

Samaya AI 发布金融研究智能体模型 Sterling，FrontierFinance 得分超 Claude Fable 5.1

Samaya AI 发布 Sterling，一个基于 NVIDIA Nemotron 3.5 Lightning（30B 总参数、3B 激活）LoRA 后训练的金融研究智能体模型。

为什么 LLM 在 temperature 0 下仍不确定，以及如何构建确定性 AI 产品

Broutonlab 的这篇指南指出，LLM 即使 temperature 0 加固定 seed 也无法保证输出一致：Thinking Machines 2025 年 9 月用同一 prompt 在 temperature 0 下跑 1000 次，得到 80 种不同补全，前 102 个 token 一致后在 Feynman 出生地表述上分叉。

Baseten 发布 2B 决策模型 joey-1，每百万 token 定价 0.01 美元

Baseten 旗下 Base Labs 发布 2B 决策模型 joey-1，基于 Qwen3.5-2B 后训练，输出标签和校准概率而非生成文本，每百万输入 token 定价 0.01 美元，权重以 MIT 协议开源在 Hugging Face。

Baseten 发布决策模型 joey-1，单次决策成本约一美分

Baseten 旗下 Base Labs 发布决策模型 joey-1，直接输出标签和校准后的置信度分数，而非生成文本。joey-1 基于 Qwen3.5-2B 后训练，处理平均 2000 token 请求的 P50 端到端延迟为 20 ms，约为 elephant-1（49 ms）的 2.5 倍速度，价格为每百万 token 0.01 美元，是 mammoth-1 的十分之一。

亚马逊联合 Booking.com 用知识蒸馏与 Medusa 加速旅行场景 LLM

亚马逊科学与 Booking.com 合作，将知识蒸馏与 Medusa 框架结合，把 70B 参数的 Llama-3.1 教师模型压缩为 1.1B 的 TinyLlama 学生模型，质量接近教师模型而成本不到三分之一、速度最高提升 20 倍。

Tenstorrent Blackhole 如何在同一芯片上服务 Agentic AI 的 Prefill 与 Decode

Tenstorrent Galaxy 系统在 Blackhole 芯片上同时处理 prefill 与 decode，让运营方按负载变化在两者间调配容量，而不必在购买硬件时就固定分配。

Lean 创造者 Leo de Moura 谈 AI、Lean 与形式化验证的未来

Lean 创造者 Leo de Moura 讨论了 AI、Lean 与形式化验证的未来。文章围绕形式化验证与 AI 的结合展开，但正文未提供具体模型、参数或评测数据。

Mistral Large 4（Le Chonk）在 Hugging Face 发布

Mistral 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，采用 FP8 与 NVFP4 两种官方权重，并以 Mistral Ecosystem Open-Weight License 分发。

vLLM 在发布当天支持 Mistral Large 4

vLLM 宣布在 Mistral Large 4 发布当天提供支持，该模型为 1 万亿参数、每 token 激活 49B 的 MoE 原生多模态模型，提供 FP8 与 NVFP4 两种 checkpoint。

Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 开放权重

Mistral AI 发布旗舰多模态模型 Mistral Large 4（Le Chonk）的开放权重，参数量达 1 万亿，在 FrontierCode 2.0 上以 19.7% 领先，Terminal-Bench 4.0 提升 13 个百分点至 41%。

用显式分类构建更好的 AI 产品

前 Steadily 首席软件工程师 Dhruv Dang 提出用显式分类替代隐式分类来构建 AI 产品：把分类拆成独立步骤，让应用代码在模型执行前检查结果。显式分类带来两项优势——可对不确定请求追问而非误执行，并能按请求复杂度在昂贵与廉价模型间调度。文中以 AI 博客智能体为例，将单模型单提示词流程重构为专门的 intent-agent 分类步骤。

Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5

Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分登顶，在 9 项评测中的 4 项排名第一，包括 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA。

Meta Andromeda：通过模型-系统协同设计驱动下一代广告检索

Meta 发布下一代个性化广告检索系统 Meta Andromeda，单张 GH200 GPU 推理吞吐超过每秒 100 亿条广告，相比 2024 版提升 100 倍。新架构将 LLM 式 MoE 引入检索阶段，推理 FLOPs 比 2024 版检索模型少约 300 倍，性能接近排序阶段水平。自 2025 年以来，该系统已在 Facebook 带来 2.4% 的转化率提升。

Polymathic AI 与普林斯顿等机构发布 FlashMap，LLM 解码最高提速 6.14 倍

Polymathic AI、普林斯顿大学、USC ISI、NYU 和 Flatiron Institute 的研究者发布 FlashMap，用连续流映射替代离散扩散草稿器，一次前向传播草拟 16 个 token 的整块内容。

Claude 对决无 GPU 的 SapienTronic AI：推理竞赛

SapienTronic AI（原 Minotaur AI）与 Claude 在 1,186 道水处理厂与逻辑谜题上对决，前者在笔记本上 28 秒零 token 满分，Claude 耗时 28 分钟、约 50 万 token 且答错一题并对此确信不疑。测试包含最长 200 步的推理链、14 座城镇共 252 条事实的逻辑题，以及只有无限城镇才能满足的陷阱题，并单独统计"自信的错误"。

Artificial Analysis 发布 Intelligence Index v5 与 Progress Index v1

Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的评测基于私有测试集或留出答案。

CUDA++ 在 NVIDIA DGX Spark 上不依赖 CUDA 运行本地 AI

作者发布 CUDA++，可在 NVIDIA DGX Spark 的 GB10（sm_121）上把 GPU 程序直接编译成机器码并运行，构建和运行时不需要 CUDA toolkit、nvcc、PTX、libcuda 或 cuBLAS。

Giotto 发布欧洲主权 AI 模型 Alto 与 Solo 及配套操作系统

Giotto 发布推理模型 Alto 与可在单 GPU 运行的 Solo，并配套助手、代码、文档、集成、Agent 和监控等操作系统能力。官方基准显示 Alto 在 AIME 2026 达 100.0%、GPQA-Diamond 91.9%、HLE 52.0%，Solo 在 AIME 2025 达 100.0%、GPQA-Diamond 88.3%。

OpenAI 称其 AI 推翻计算机科学沿用近 30 年的指数时间假设

OpenAI 在 10 月 26 日的博客中称，其模型设计出一种算法，突破了求解逻辑谜题此前假定的速度上限，从而否证了近 30 年前提出的指数时间假设（ETH）。

同一新闻，精选展示《OpenAI 称其模型推翻指数时间假说，Lean 证明与算法速度被逐条拆解》

在 NVIDIA DGX Spark 上提升 MoE 推理性能的 3 种方法

NVIDIA DGX Spark 上对 Inclusion AI 的 Ling-3.0-flash 做 batch-size-1 评测时，性能分析显示解码受内存带宽限制，读取模型权重主导了执行时间。其中 MoE 计算与输出层投影两个操作尤为突出。

费曼的晃动盘子与现代 AI 背后的阈值概念

Luis 基于约 10 年 AI 学习经验提出用"阈值概念"组织 AI 学习路径，并据此开发了 AI 教练 Zairai。文章借用费曼晃动盘子与莱特兄弟的故事，强调从好奇心出发在"最近发展区"学习，并列出从数据学习行为、表征与嵌入向量、下一 token 预测、注意力等八个关键概念。

OpenAI 称其模型推翻指数时间假说，Lean 证明与算法速度被逐条拆解

OpenAI 于 2026 年 10 月 26 日称其内部模型产出三项数学与物理结果，其中包括一个推翻指数时间假说（ETH）的确定性算法，该算法可在多项式空间内计数 k-CNF 的全部解。

前 DeepMind 研究员称 AlphaGo 思路可治 AI 幻觉，创办 Metis Reasoning

前 DeepMind 研究员 Thore Graepel 创办 Metis Reasoning，主张用 AlphaGo 的搜索加验证思路解决大模型幻觉：以显式知识账本记录已知内容与置信度，由独立模块对照计算、形式证明或实证证据核查每一步推理。团队称该方案可减少幻觉、给出带来源引用的解释，并让知识无需重训即可修改或删除，但目前仅有白皮书，无可用系统、benchmark 或与现有推理模型的对比。

Mirendil 发布首个模型 Fern 0.1，支持 10M token 上下文

Mirendil 发布首个模型 Fern 0.1，这是一个从零训练的编码模型，上下文窗口最高 10M token，约合 23 MB 代码。其基座 Mirendil-Base 由一名研究员借助 AI 智能体在 3.5 个月内预训练完成，总计算成本低于 1000 万美元，训练数据仅来自公开来源。

vLLM Semantic Router 发布 d3-ultra：27B 开源多模态决策模型

vLLM Semantic Router 团队发布 d3-ultra，一个 26.09B 参数、Apache-2.0 许可的多模态决策模型，不生成文本，而是对输入一次性读取后按 Choice、Yes/No、Score、Box、Track 等题型返回概率。

OpenAI 发布 GPT-6.1 Terra 模型，主打视觉推理与计算机操作

OpenAI 发布 GPT-6.1 Terra，官方称其结合了细致的视觉推理、精确的计算机操作和更清晰自然的写作，相比 GPT-5.6 Terra 有明显提升。

同一新闻，精选展示《OpenAI 发布 GPT-6.1 Terra》

OpenAI 发布 GPT-6.1 Terra，API 价格减半并逼近更大模型

OpenAI 发布 GPT-6.1 Terra，API 输入每百万 token 1 美元、输出 5 美元，均为 GPT-5.6 Terra 的一半，缓存输入降至每百万 token 0.05 美元。

同一新闻，精选展示《OpenAI 发布 GPT-6.1 Terra》

Kevin Roose 谈新书《The AGI Chronicles》与播客 Machine Gods

Kevin Roose 出版新书《The AGI Chronicles》，记录前沿实验室竞逐通用人工智能的历程，并与 Casey Newton 离开《纽约时报》创办视频优先的科技播客 Machine Gods。他在访谈中表示 YouTube 是当下最重要的媒体平台，而高质量新闻在其中占比极小，希望探索可持续的视频新闻模式。

Import AI 478：数学形式化助力对齐、ProgramBench 与 Mirendil 展示 RSI 雏形

Import AI 第 478 期汇总了多项 AI 研究进展：AI 安全初创公司 Resolution 用智能体自动形式化了奇点消解相关数学证明，耗时约一周、消耗约 100B 输入 token 和 3 亿输出 token，token 花费约 13.5 万美元，产出约 60 万行 Lean 代码。

月之暗面发布 Kimi K3.1 Pro，API 上线并承诺 11 月 4 日前开放权重

月之暗面在 Kimi API 上线 Kimi K3.1 Pro，暂未开放权重，承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens，与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半，另提供速度快 2-3 倍、价格翻倍的 Highspeed 版本。

AI 为何越来越擅长数学：从提示序列与分支因子看模型解题

作者分析 OpenAI 与 Anthropic 近期在数学开放问题上的进展，提出用提示序列长度 k 与分支因子 b 解释模型为何擅长数学。模型以深度优先方式穷举路径，配合自动验证器剪枝，把失败尝试当作负向提示；人类则靠直觉缩小分支，两者形成互补。

EXL 解读如何设计可持续的 AI 服务框架（serving harness）

EXL 研究人员提出，企业 AI 的竞争优势正从模型能力转向围绕模型构建的服务框架（serving harness），即架构、内存管理、调度与推理优化的工程系统。文章建议先按业务负载确定约束再选架构，并以 KV cache 随并发和上下文增长导致 GPU 显存不足为例，强调先测量再优化、只针对影响最大的瓶颈。框架还应便于吸收新模型与新硬件，使换模型成为评估与配置决策而非架构重建。

VocabX 如何通过特化 SLM 词表将推理成本降低 77%

Dharma-AI 预告即将发布的 VocabX 论文，提出按 token 成本而非频率特化小模型词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上把平均响应从 350 个 token 降到 101 个，实测推理成本下降 77.0%，bench 分数从 0.703 升到 0.810。

TorchNeuron 性能剖析（一）：在 AWS Trainium 上做系统级 profiling

Hugging Face 博客发布 TorchNeuron 性能剖析系列第一篇，讲解如何在 AWS Trainium 上用 torch.profiler 系统分析推理性能。文中以 RMSNorm 为例对比三种实现，演示通过 key_averages() 表定位消耗 Neuron 设备时间的算子，并用 Neuron Explorer 追踪从框架调度到 NeuronCore 硬件执行的完整链路。

微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统

微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序，在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 到 39 倍，证明验证约需 12 毫秒。

Google DeepMind 发布 Gemini 4 Argon 机器人模型

Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。