技术方向
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。
10 条精选近 30 天8条共收录49条
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。
推荐理由：原文给出 1T 总参数、49B 激活、1M 上下文的完整架构与基准数据，可据此判断开源权重模型在网络安全与编码智能体上的位置。
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。
推荐理由：原文给出 Mistral Large 4 在 vLLM 上的完整部署参数与多项优化前后对比数据，可作为长上下文推理配置的参考。
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%。
推荐理由：原文给出开放权重、三档推理模式和多项编码与安全基准，可据此判断自托管部署的成本与能力边界。
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。
推荐理由：Artificial Analysis 的独立评测显示 Gemini 4 Carbon 登顶 Intelligence Index v5，但在编码智能体上仍落后 Claude Opus 5.5。
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。
推荐理由：原文给出 v5 的基准构成、权重与各模型得分，可据此比较前沿模型在编码、科研与知识任务上的差距。
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。
推荐理由：原文把 OpenAI 声称推翻 ETH 的算法换算成具体变量规模，并拆解 Lean 定理实际证明了什么、没证明什么。
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。
推荐理由：官方给出 Argon 在 ERQA 的 87% 成绩与四类机器人工作流示例，可据此判断物理推理模型在机器人栈中的落点。
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。
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基准表现，可据此判断前沿模型在长程任务上的进展。
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再逐步提供给开发者、企业和消费者。
推荐理由：原文给出 Gemini 4 Argon 的基准成绩、1M 输出 token 上限和分阶段开放方式，可据此判断前沿模型在长周期工程与安全防御上的位置。
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX 后端，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：读者可以看到 CUDA 内核经验如何被结构化翻译成 MLX 优化策略，以及翻译层对性能提升的具体贡献。