#推理

华为麒麟 9050 Pro 的逻辑折叠如何支持 Mate 90 旗舰功能

华为表示，其量产的麒麟 9050 Pro 采用逻辑折叠技术，通过垂直互连的电路层缩短信号路径，为 Mate 90 Pro Max 带来性能和能效提升。本文介绍了高密度混合键合如何实现这种布局，以及内存协同如何让麒麟 9050 芯片运行一个 30B MoE 模型时，额外内存占用低于 2.5GB。华为还表示，麒麟 2027 芯片正在测试中，目前测试结果符合预期。

vLLM 为没有置信度头的草稿模型添加自适应验证

直到一个月前，vLLM 中的自适应验证还需要搭配自带训练好的置信度头的草稿模型。现在，它已支持你正在部署的草稿模型：不带置信度头的 MTP、EAGLE、DFlash 和 DSpark 检查点。无需重新训练。 信号早已存在于草稿模型中

Gemini 4 Argon 正在助力科学突破

Gemini 4 Argon 已经在量子计算、核聚变、蛋白质设计等领域助力取得新的科学突破。🧵 https://t.co/Shj3Y4whoK

Google 发布 Deep Review，用于分析复杂技术文档

Google Research 已公开发布 Deep Review，这是一种用于对研究论文及其他复杂文档（包括法律和金融材料）进行技术核验和反馈的智能体 AI 系统。它从 Paper Assistant Tool 演进而来；该工具曾为超过 16,000 份手稿提供可选反馈。Deep Review 结合了文档分段、自适应计算预算、并行核验和全局综合。全球用户每天可免费获得两次评审；使用 Gemini API 密钥可获得更高额度并接入 API。上传的文档绝不会用于训练、微调或改进 Google 模型。

Google 评估 Earth AI 地理空间智能体，并扩大实验性访问范围

Google 发布了一份技术报告，评估其处于实验阶段的 Geospatial Reasoning 智能体在四项基准测试中的表现，并通过 Ask Google Earth 和 Agent-to-Agent API 扩大早期访问范围。使用 Gemini 3.8 Flash 和 Gemini 3.1 Pro 进行的评估发现，专用 Earth AI 工具提升了空间推理能力，而预先规划有助于处理开放式工作流。Google 正在发布 GeoKTools 和 GeoExpertQueries 的开发划分数据集，但提醒称，GeoExpertQueries 评估的是对专家工作流程的遵循情况，而非最终答案的正确性，因此智能体的输出应作为草稿，由专家审核。

Alexandr Wang 称 Muse Wonder 的交互风格为“主动专注”

Muse Wonder：“这确实是我第一次觉得，使用模型就像是在告诉一名员工该做什么，而不是像照看一只蠢宠物一样，事事都得一步步引导它。” 我们称之为 ACTIVE FOCUS ™️ https://twitter.com/harris_p10/status/2110387905550024815

Alexandr Wang表示，Muse Wonder速度快、令牌效率高

@merge_api表示，Muse Wonder完成一项任务平均需要6.8分钟，而Claude Opus 5.5需要13.2分钟，Claude Sonnet 5.5需要15.3分钟。引述的帖子称，三者的得分分别为52.4、57.6和56.0。 Alexandr Wang称Muse Wonder“速度超快，令牌效率高”，并表示：“试试看！” https://twitter.com/merge_api/status/2110385332046762163

François Chollet 表示，自主机器人技术需要因果推理和离散推理

仅靠自回归采样无法解决现实世界中的物理任务。物理世界完全无法容忍幻觉或近似模式匹配。如果我们想实现真正的自主机器人技术，就必须将因果推理和离散推理重新融入其中 https://t.co/UJtL2t0tQ2

vLLM 表示，让推测解码切实落地将惠及整个推理社区

让推测解码更易于实践，将惠及整个推理社区。 观看 @huggingface 与 @mervenoyann、@MaartenGr 和 @_EldarKurtic 的直播，了解如何加速本地 LLM！https://twitter.com/huggingface/status/2110350304613114226

在这场直播中，向 @mervenoyann、@MaartenGr 和 @_EldarKurtic 了解如何使用推测解码实现本地 LLM 的倍数级加速 https://www.youtube.com/watch?v=H4azmWcqO5g

在这场直播中，向 @mervenoyann、@MaartenGr 和 @_EldarKurtic 了解如何使用推测解码实现本地 LLM 的倍数级加速 https://www.youtube.com/watch?v=H4azmWcqO5g

AA-AgentPerf 新增了 DeepSeek V4.1 Flash 在 NVIDIA 和 AMD 硬件上的基准测试

Artificial Analysis 将 DeepSeek V4.1 Flash 纳入 AA-AgentPerf。该基准测试工具会重放真实的智能体编程会话，并模拟提示缓存和工具调用延迟。按每位用户 100 tokens/s 的输出速度计算，GB300 以约 261M tokens/s per MW 领先，其次是约 220M 的 B300 和约 128M 的 MI355X。与 DeepSeek V4 Pro 0813 相比，V4.1 Flash 在 Artificial Analysis Intelligence Index 上得分为 39，而 V4 Pro 0813 为 36；在这一用户输出速度下，V4.1 Flash 的每 MW 吞吐量约为后者的 1.3 倍至 6.2 倍，具体取决于硬件。

毛家源详解 IROS 2026 上的单次示范机器人学习与 83% 的真实场景泛化率

Leiphone 报道了毛家源在 IROS 2026 上的演讲，介绍了宾夕法尼亚大学、麻省理工学院和斯坦福大学在机器人学习与组合泛化方面的研究。RAPID 将编码智能体与物理验证相结合，只需一次人工示范即可学习复杂的非抓取任务。在另一项视频动作研究中，团队引入了 Temporal Ratio，用于衡量模型对未来帧与当前帧的关注程度；基于该指标的自适应引导，使真实双臂机器人在未见过的组合任务上的平均成功率从 71.8% 提高到 83%，且无需重新训练。

Qwen 庆祝 @lightseekorg 的 Qwen3.8-Flash-Next TokenSpeed 测试结果

@lightseekorg 报告称，Qwen3.8-Flash-Next 每位用户的输出速度达到 685 tokens/s。 祝贺 @lightseekorg 取得亮眼的 TokenSpeed 测试结果！🚀 很高兴看到 Qwen3.8-Flash-Next 在 Nvida GPU 上达到每位用户 685 tokens/s 的输出速度。期待社区进一步释放 Qwen 的推理潜力！

Industrial Next 希望工厂机器人能在几分钟内切换任务，而不是几周

Industrial Next 在 TechCrunch Disrupt 2026 上展示了由 AI 驱动的机器人工作站。该公司称，这些工作站无需传统编程，就能让制造商在几分钟而非几周内重新配置生产线。其专有基础模型将视觉、任务情境和运动联系起来，新任务则通过仿真和演示来教授。该初创公司宣布与 BMW Group Technology Office 合作，评估灵巧操作在制造业中的应用。联合创始人 Lukas Pankau 表示，部分工作站已在为一家未披露名称的智能手机客户执行精密装配任务。

Nathan Lambert称情境意识令人毛骨悚然，但并不出奇

我觉得这种程度的情境意识并没有那么出奇，但这段互动读起来仍然非常诡异。我敢说，相当老的模型只要被告知“要安全，你是人工智能，我们正在监视你”，也会做出类似的事。

Dyna Robotics 联合创始人 Jason Ma 解析 Dyna-2 与持续一小时的实体智能体工作流

Dyna Robotics 联合创始人兼首席科学家 Jason Ma 介绍了 Dyna-2 如何将未来视频预测与机器人动作相结合，以及智能体框架如何支持持续一小时的工作流。他表示，该模型使用了超过一百万小时的人类视频进行训练，有些任务只需 45 分钟的演示数据。访谈还谈到大董餐厅的折餐巾部署、设备端推理，以及硬件耐用性和感官数据缺失对拓展机器人能力的限制。

我们一直在探索利用 Gemini 4 Argon 加速 @Google 研究工作的潜力。我们进行的一项测试是，使用人类完成趣味任务（有人想玩投沙包吗？）的视频，自动生成训练模拟，而不是完全依赖手动编程。https://t.co/3oK74wKSmt

我们一直在探索利用 Gemini 4 Argon 加速 @Google 研究工作的潜力。我们进行的一项测试是，使用人类完成趣味任务（有人想玩投沙包吗？）的视频，自动生成训练模拟，而不是完全依赖手动编程。https://t.co/3oK74wKSmt

Gemini 4 Argon 现已面向全球推出，是 Google 迄今能力最强的前沿模型

Google 正在向全球的开发者、企业和消费者推出 Gemini 4 Argon，以取代 Gemini Pro，成为其前沿系列模型。用户可通过 AI Studio 和 Gemini 平台使用 API，也可通过 Antigravity、Gemini 应用和 Google 搜索的 AI 模式中的部分订阅层级使用；免费版和 Plus 用户仅可使用 Flash 模型。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入可享 95% 折扣。

Gemini 4 Argon 达到 GA，在 Artificial Analysis 智能指数上追平 GPT-6 Astra

Artificial Analysis 报告称，Gemini 4 Argon 现已达到 GA，在其智能指数上的表现追平 GPT-6 Astra；截至 11 月 30 日，在折扣定价下，每项任务的成本为后者的 60%。 Argon 每项任务收费 $1.99，每 100 万输入/输出 token 分别收费 $2/$10；11 月 30 日后，价格将升至 $4/$20，缓存读取可享 95% 折扣。 Artificial Analysis 还报告称，Argon 在智能体评测中的表现大幅提升，并在 AA-Omniscience 上的幻觉率为 15%；在其智能指数得分达到 45+ 的模型中，这一比率最低。

Google 发布 Gemini 4 Argon，定价具竞争力并声称基准测试成绩提升

Google 推出了 Gemini 4 Argon，称其推理能力和基准测试表现有所提升，可与 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 相比。该模型从今天起向 Pro 和 Ultra 订阅用户开放，可在 Gemini 应用和 Search 的 AI 模式中使用；Ultra 订阅用户还可在 Antigravity 中使用。Plus 订阅用户和免费用户能否使用仍不明确。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，11 月底价格将翻倍；不过，较低的 token 费率并不一定意味着任务成本更低。

同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》

Liquid AI 发布 LFM2.5-24B-A2B，打造快速、私密的设备端智能体

Liquid AI 发布了 LFM2.5-24B-A2B，这是一款开放权重推理模型，总参数量为 24B，激活参数量为 2B，面向能够进行推理并调用工具的设备端智能体。其上下文窗口从 32K 扩展至 131K 个 token，推理版和 Base 版均已在 Hugging Face 上提供。Liquid AI 报告称，该模型在 Apple M5 Max 上的速度为 184 tokens/s，工具使用表现具有竞争力，同时也承认，在知识密集型和代码基准测试中，更大的模型仍有优势。

Google 发布 Gemini 4 Argon，提供付费访问并推出 API 入门定价

据 Baoyu 报道，Google 于 10 月 13 日发布 Gemini 4 Argon，用于处理复杂的多步骤任务，并援引了 Sundar Pichai 关于全球付费可用性的公告。访问方式包括付费的 Gemini API 和平台、Google Antigravity 中的 Ultra 订阅，以及 Gemini 应用和搜索中的 Pro 或 Ultra 订阅。入门 API 定价为每百万输入令牌 2 美元、每百万输出令牌 10 美元（包括思考令牌），有效期至 11 月 30 日；12 月 1 日起价格翻倍。输入、思考和输出共用 1,048,576 个令牌的限额。

Google DeepMind 推出 Gemini 4 Argon，面向复杂推理和智能体任务

Google DeepMind 已通过其 API 和部分 Google 产品在全球推出 Gemini 4 Argon，具体访问权限取决于订阅或服务等级。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元；缓存输入 token 可享受 95% 的折扣，通过 Gemini API 的统一输入输出 token 上限为 1M。Google 表示，该模型在编程、专业工作流程、科学研究和机器人领域均有提升，同时增强了智能体防护措施和抵御提示注入的能力。

Google DeepMind 推出用于机器人的 Gemini 4 Argon

Google DeepMind 推出 Gemini 4 Argon，这是一款通用型物理推理模型，可用于机器人控制、仿真重建、物理理解和自我改进。Google DeepMind 报告称，该模型仅通过推理便取得了 87% 的 ERQA 得分；此外，在一项仿真生成的训练示例中，真实世界机器人的成功率从 56% 提高到 75%，完成时间则从 35s 缩短到 24s。Google AI Ultra 订阅用户今天起可通过 Google AI Studio 和 Google Antigravity 使用 Argon；付费 Gemini API 层级用户也可在 Interactions API 中使用 gemini-4-argon。

Artificial Analysis 推出决策指数，用于对比决策模型与语言模型的基准表现

Artificial Analysis 推出了 Decision Index v1.0，用于比较决策模型在分类、工具调用、知识和推理方面的能力、成本与速度。Jev 1.13 以 58 分领跑决策模型；Claude Haiku 5.5 (Low) 得分为 61，但每项任务耗时 1.4 秒，而决策模型耗时 0.13 秒；每百万项任务的成本为 184 美元，而决策模型为 42 美元。领先的决策模型在分类和工具调用方面表现与语言模型相当，但在知识和推理方面落后；在这两项任务中，它们给出的答案概率通常高于其准确率。

Google 在 Gemini API、Gemini App 和 Antigravity 中推出 Gemini 4 Argon

Logan Kilpatrick 宣布，Gemini 4 Argon 将于今天在全球范围内推出，面向 Gemini API 用户、Gemini App 中的 Pro + Ultra 用户，以及 Antigravity 中的 Ultra 订阅用户开放。他表示，过去一个月里，Google 有超过 100,000 人测试了该模型；fairwind 计划中的网络防御人员和提前体验客户则在过去 2 周内获得了访问权限。他重点介绍了模型的写作、知识、持久编码能力，以及在需要投入更多工作时可提供的 1M token 输出。

同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》

Google 的 Gemini 4️⃣ Argon ✨ 正在全球陆续推出

Gemini 4️⃣ Argon ✨ 正在全球陆续推出。 Google 称，其前沿模型专为应对编码、金融、法律、网络安全和科学领域的复杂现实任务而打造。 了解如何在你喜爱的 Google 产品中使用 Argon 🧵 https://t.co/PtoPqbtPel

同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》

Google 开始向付费用户推出 Gemini 4 Argon

Google 今天开始在 Gemini 应用和 Antigravity 中更广泛地推出 Gemini 4 Argon，但仅限付费用户使用，较低档套餐用户的访问权限并不完整。其功能与此前公布的内容相同。Google 介绍了相关安全措施，包括拒绝恶意指令，以及自动化的偏离监控器。Google 还报告了内部应用案例，包括发现 YouTube 中冗余的表情符号渲染代码；移除后，服务器负载降低了 45%。此外，它还找出了 Project Wing 模拟器中一些可追溯至 2018 年的漏洞。

同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》

使用 Amazon Bedrock 上的 Grok 4.7 构建长周期智能体

AWS 展示了如何使用 Amazon Bedrock 上的 Grok 4.7 构建和评估工具调用智能体，并在三项合成任务中比较四种推理力度。该智能体在 72 次运行中有 67 次回答正确；xhigh 为 18 次全对，而 low 答对 18 次中的 15 次，输出 token 数约为前者的八分之一。本指南涵盖任务设计、自动评分、生产监控和运维控制，并指出这些小规模结果仅供参考，不足以得出统计学上确凿的结论。

丘成桐在西方质疑声中发起中国人工智能数学联盟

据《南华早报》报道，丘成桐和中国数学界领军人物周日在北京发起丘成桐数学与人工智能实验室联盟。该联盟汇集八家机构，旨在联结逾1,000名研究人员，并计划开发专用模型、机器可验证的证明以及透明的人工智能推理。与此同时，包括特伦斯·陶和彼得·舒尔策在内的25位菲尔兹奖得主担心，人工智能生成的证明会削弱人们对数学的理解，并使研究人员依赖自己无法跟进的工具。

Meta 发布 Muse Wonder 和 Muse Wonder Full 前沿模型

Meta 超级智能实验室发布了 Muse Wonder 和 Muse Wonder Full，这是其第二代模型系列，面向个人和专业场景中的智能体工作。Latent Space 报道称，Wonder 可通过 Meta Model API 和 Muse Code 使用，而 Full 仅限 Muse Code 订阅用户使用。Artificial Analysis 给出的 Wonder Full 和 Wonder Intelligence Index v4.3 得分分别为 56 和 52，而 Opus 5.5 为 58；Wonder 支持 1M 上下文窗口，可输入文本、图像、视频和音频，输出仅支持文本。

GPT-6 Astra 帮助数学爱好者 nor 证明了五种圆内圆盘装填情形

QbitAI 报道称，数学爱好者 nor 使用 GPT-6 Astra 证明了在圆内装填 15、16、17、18 和 20 个单位圆盘时的最优性，从而完成了 N≤20 的剩余情形。该方法结合了几何约束、有限的计算枚举和精确的最优性论证。nor 表示，过程中有大量人工参与，包括引导模型、修复问题、手动验证有效性，以及使用 Astra 和 Opus 5.5 重新检查结果。

作者建议为 Codex 和 Claude Code 配备健身硬件

我认为应该为 Codex 和 Claude Code 配备配套的健身硬件。例如，可以将推理强度与握力挂钩：握力越强，推理强度越高。这样，你就可以通过更努力地锻炼来获得更高的推理强度。

Sakana AI 的自我改进模型在解题和评判方面表现更好，但无法发现自身的盲点

Sakana AI 和加州大学伯克利分校的研究人员推出了 MASS，这是一种利用 Qwen3.6-27B 的多个副本来解决任务、评估结果并优化工作流程的方法，无需更强大的教师模型。经过两轮优化，它在测试任务中相较于基础模型的胜率达到 69.9%，不过基准测试的提升很大程度上源于完成的工作更多，而且部分分数有所下降。由于存在共同盲点，有缺陷的结果得以通过评估并进入训练；研究人员因此建议进行独立检查、限制自主性，并明确干预条件。

Meta 发布 Muse Wonder 和 Muse Wonder Full，基准测试得分更高

据 Alexandr Wang 引述的帖子，Meta 已发布 Muse Wonder 和 Muse Wonder Full。在最高推理力度下，它们在 Artificial Analysis Intelligence Index v4.3 上的得分分别为 52 和 56，而 Muse Spark 1.3 的得分为 48；两次发布间隔 6 周。Muse Wonder 可通过 Meta 的第一方 API 和 Muse Code 使用，而 Muse Wonder Full 仅向 Muse Code 用户开放；两者的上下文窗口均为 1M 个 token。

Meta发布前沿模型 Muse Wonder 和 Muse Wonder Full

Meta的超级智能实验室于周一发布了 Muse Wonder 和 Muse Wonder Full。这两款更大的模型据称比 Muse Spark 能力更强。Meta称，它们的基准测试得分与 Fable 5.1 和 GPT-6 Astra 相当，并强调通过“主动记忆”保留信息。通过 Meta Model API 使用 Wonder 的价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元；Wonder Full 仅向 Muse Code 订阅用户开放。这两款模型都将为 Muse 智能体提供支持。

Meta发布Muse Wonder和Muse Wonder Full AI模型

Meta发布了Muse Wonder和Muse Wonder Full，Muse Code订阅用户从今天起即可使用；Wonder也可通过Meta Model API调用。Meta称，内部基准测试显示，这些模型可与OpenAI的GPT-6 Astra以及Anthropic的Claude Opus 5.5和Claude Fable 5.1相媲美。该公司计划使用Wonder为其Muse AI智能体提供支持，首先面向订阅用户，但尚未提供时间表。

微软发布 Maia 300 AI 芯片，以减少对英伟达 GPU 的依赖

微软发布了第三代自研 AI 芯片 Maia 300，计划于 2027 年开始量产部署，并计划将 Maia 打造成其主要的 AI 推理系统。微软预计，与领先的基于 GPU 的系统相比，每兆瓦可处理的 token 数量将增加 40%，在完整的 96 加速器配置下，机架级 token 吞吐量最高可达 Maia 200 的 7 倍。Maia 300 基于台积电 N2P 制程节点打造，通过全新的芯粒架构将计算、内存控制器和 I/O 功能分离。

微软推出 Maia 300，并计划部署多吉瓦级 Maia 系统

微软将推出 Maia 300。Satya Nadella 表示，与领先的基于 GPU 的系统相比，Maia 300 每瓦可处理的 token 数量提高了 40%。 从明年起，微软将把 Maia 系列扩展至多吉瓦级部署，使其成为自家产品和服务的主要推理系统。 微软已在美国、欧洲和澳大利亚部署 Maia 200，在 Teams 和 Copilot 的各项体验中，每瓦可处理的 token 数量最高提升至原来的 1.7 倍。微软的目标是在持续将生态系统创新引入其计算集群的同时，进一步发挥全栈效率提升的优势。

安德烈·卡帕西谈人们体验 AI 能力的差距正在扩大

安德烈·卡帕西将人们接触大语言模型（LLM）的情况分为四个层级，并认为公众对其能力的认知落后于前沿系统用户所体验到的能力。他估计，约有 60 亿人几乎没接触过大语言模型，10 亿至 20 亿人使用休闲型聊天机器人产品，2000 万人在数学和代码工作中使用前沿模型，另有 5000 人可以访问内部前沿系统。他声称，这些内部系统能协调数千个智能体开展项目，而专家完成这些项目需要数年；人工审核则已跟不上进度。他将模型在代码和数学方面的进步归因于针对可验证奖励的强化学习，以及商业化的训练优先事项。