#推理

Vercel 开发者可在 AI Gateway 上使用 Perplexity Decider

Vercel 开发者现在可以在 AI Gateway 上使用 Perplexity Decider！https://twitter.com/vercel_dev/status/2111211692030152951

Perplexity Decider v1.2 和 Decider Flash v1.2 登陆 OpenRouter

Aravind Srinivas 引用了 OpenRouter 的公告，并称 OpenRouter 是使用 Perplexity Decider 模型的最佳平台。 https://twitter.com/openrouter/status/2111200007437402243 OpenRouter 表示，这些开放权重模型接受文本或图像输入，并返回带有概率的类型化答案。Decider v1.2 是一个全新的 27B 检查点，接替 v1.1；Decider Flash v1.2 则为 4B，速度更快，成本减半。 http://openrouter.ai/perplexity/pplx-decider-v1.2 http://openrouter.ai/perplexity/pplx-decider-flash-v1.2

我们刚刚又开源了一对最先进的决策模型：

Aravind Srinivas 宣布开源两个决策模型： pplx-decider-flash-v1.2：40 亿参数，每百万个 token 收费 1 美分，在 HF Decision Index 上排名第一的 40 亿参数模型。 pplx-decider-v1.2：270 亿参数，每百万个 token 收费 2 美分，在 HF Decision Index 上总排名第二。

Anthropic STEM Fellows 项目利用 Claude 探索更高效的量子电路

Anthropic 报告称，Claude Mythos 5 通过其 STEM Fellows 项目，根据自然语言指令设计了量子电路。 这些电路优于目前已发表的最佳电路，有时提升一个数量级甚至更多。

Google 发布 Gemini 4 Argon，API 访问暂时半价

Google 正在向全球开发者、企业和付费订阅用户推出 Gemini 4 Argon，重点突出其编程、专业知识工作、多模态理解和持续执行任务的能力。11 月 30 日前，API 定价为每百万输入令牌 2 美元、每百万输出令牌 10 美元；12 月 1 日起，价格将分别涨至 4 美元和 20 美元。Google 称，Argon 曾在无人值守的情况下用 11 小时优化 ADK，工程师合并了两项更改；Ethan Mollick 称其有所改进，但指出它在复杂的多智能体任务中仍有不足。

VLA与世界模型如何赋予机器人具身大脑

本文介绍了VLA模型和世界模型在上海的研发与部署情况：VLA使机器人能够执行任务，而世界模型则预测行动前可能发生的情况。蚂蚁灵波的“灵波通用大脑”已适配17个机器人品牌和20种配置，搭载该系统的机器人已在上海多家药房门店工作。文章称，这两种方法正开始融合，规划、标准制定和评估工作也在推进。

Sam Altman 欢迎 Nick Cammarata 对机械可解释性的乐观看法

Sam Altman 表示，他很高兴看到 Nick Cammarata 发布关于可解释性的帖子。 Cammarata 表示，他在 OpenAI 的早期工作让他感到悲观：当时原始的工具只能让约 2% 的神经元变得可理解。他如今声称，现代智能体工具能让规模高达数万亿参数的模型中绝大多数神经元变得可理解，并相信随着自动化科学家不断改进，雄心勃勃的可解释性研究很快就能取得突破。 https://already-clean.goodfire.com/

Elorian 发布 Glimpse，这是其首个围绕视觉推理构建的 AI 模型

Elorian 于周五发布了 Glimpse，作为一款研究预览版，提供 API 访问和仅限候补名单用户使用的聊天界面。其视觉暂存空间可在推理过程中裁剪图像区域、提取视频帧，并运行代码来测量或比较视觉内容。定价为每百万输入 token 0.60 美元、每百万输出 token 3 美元；Elorian 的评测报告称，Glimpse 在科学图表推理和短视频字幕生成方面的表现优于 GPT-6 Astra。

Google 的 Gemini 4 Argon 比数月来任何一款 Google 模型都更接近 AI 前沿

Google DeepMind 的 Gemini 4 Argon 使用 Provider Adapter Harness 得分 97.5%，完成 ARC-AGI-3 测试，成本为 4,800 美元，低于 GPT-6 Astra 的 99.9%。在 Standard Harness 的低推理设置下，其得分降至 49.8%；由于 API 问题，测试未能完成所有游戏。Epoch AI 给 Argon 评定了 165 个 ECI 积分，与 Opus 5.5 和 GPT-6 Astra 相近，不过早期估算将其列为数学能力第八、软件工程能力第六。

Perplexity 接入 Gemini 4 Argon，称其在 WANDR 基准测试中创下新高

Aravind Srinivas 表示，Gemini 4 Argon 在 Wide-And-Deep-Research（WANDR）基准测试中创下新的 SoTA，目前已向所有 Perplexity 用户开放，可用于快速搜索和 Computer（智能体）模式。https://t.co/0U671BhbMj 被引用的 @perplexity_ai 公告称，该功能面向 Pro 和 Max 订阅用户开放。https://t.co/n1TyI9RhBX

Bao Yu 展示 Handwired 如何将代码转化为精确的神经网络

Bao Yu 表示，他们制作了一段教程视频，介绍如何在不进行训练的情况下将代码转化为神经网络，并使每个数字都完全匹配。该帖子还提供了视频的英文版和中文版链接，并称他们尝试使用 Handwired 制作了倒计时和贪吃蛇等示例。

Reflection发布Beam：一款用于编程和智能体工作的501B开源模型

Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。

AI 可解释性是否接近突破？一篇新文章引发研究人员分歧

Cammarata 认为，更好的工具和自动化智能体让神经网络比早期研究所认为的更容易解释；而 Google DeepMind 的 Neel Nanda 则反驳说，广泛意义上的突破还遥不可及。Cammarata 报告了初步发现：在 Qwen3-32B 中，约 90% 的神经元极点各有一项主要功能；他还将经典的叠加示例重新解释为彼此相关的特征。Nanda 认为神经元分析具有实用价值，但预计仍会存在显著缺口，并坚持认为叠加现象确实存在。配套的技术论文尚未发布。

Reflection-Beam-1.0 在 vLLM 中获得 Day-0 支持

Reflection-Beam-1.0 已在 vLLM 中获得 Day-0 支持，拥有 501B 个总参数、每个 token 激活 23B 个参数，以及 1M token 的上下文窗口。 Beam 将混合注意力与 Harmony 格式的推理和工具使用相结合，并在 SkyRL 中获得 Day-0 RL 支持，涵盖 LoRA、BF16 全量微调和 MXFP8 RL，使用 vLLM 进行 rollout。 vLLM 与 Reflection 和 Inferact 合作完善了服务路径，涵盖从融合内核到 DFlash 的各个环节。

Reflection 发布 Beam，一款拥有 501B 参数的开放权重 MoE 模型

Reflection 发布了 Beam，这是一款拥有 501B 参数的 MoE 模型，权重依据 Apache 2.0 许可证开放，并有 40 多家生态合作伙伴。 NVIDIA AI 表示，该模型使用 NVIDIA GB300 NVL72 训练，在 Blackwell Ultra 上开箱即用，第 0 天即可达到每 GPU 每秒超过 70K 个 token。 Reflection 引述的公告包含 BF16、FP8 和 NVFP4 权重、DFlash2 drafter 以及 Mirror CLI；Beam 1.0 NVFP4 检查点可在 https://huggingface.co/reflection/Beam-1.0-501B-A23B-NVFP4 获取。

Liquid AI 发布 d1-ultra，在 Artificial Analysis Decision Index v1.0 中位居榜首

Liquid AI 已发布 d1-ultra。据 Artificial Analysis 报告，该模型以 65 分在其 Decision Index v1.0 中位居榜首。在 AA-Omniscience-Decision 基准上，其非幻觉率从 d1 的 2% 升至 85%，而准确率从 41% 降至 32%。这项非幻觉指标衡量的是：对于模型未能正确回答的问题，它表示自己不知道的频率。d1-ultra 每项任务耗时 92 ms，每 1M 个输入 token 收费 $0.042，且仅按输入 token 计费。

这篇论文说明了为什么我对“前沿模型可以轻易被更便宜的模型取代”这一观点持怀疑态度（也说明了为什么你应该让最好的模型担任编排者）：在长期任务中，准确性和判断力的微小提升会不断累积，从而大幅改善最终结果。

这篇论文说明了为什么我对“前沿模型可以轻易被更便宜的模型取代”这一观点持怀疑态度（也说明了为什么你应该让最好的模型担任编排者）：在长期任务中，准确性和判断力的微小提升会不断累积，从而大幅改善最终结果。

NVIDIA Vera Rubin NVL72 初步 AA-AgentPerf 测试结果出炉，与 GB300 NVL72 对比

Artificial Analysis 报告称，在 AA-AgentPerf 的初步测试结果中，NVIDIA Vera Rubin NVL72 在 DeepSeek V4 Pro 上的每兆瓦吞吐量最高可达 GB300 NVL72 的约 5.7 倍。其优势在单用户速度较快时最大；在测试的四款模型中，峰值吞吐量增幅为 1.14 倍至 1.45 倍。NVIDIA 提交的所有 Vera Rubin 测试结果均使用 TensorRT-LLM 和搭配 NVIDIA Dynamo 的 vLLM；该基准会重放真实的智能体编程会话，并测量每兆瓦实测 GPU 功耗对应的吞吐量以及每个智能体的输出速度。

Meta 发布 Muse Spark Open，在 Artificial Analysis Intelligence Index 上获得 39 分

Meta 发布了 Muse Spark Open，这是一个 816B（42B 激活参数）的开放权重模型。Artificial Analysis 报告称，该模型在其 Intelligence Index 上得分为 39，使其成为美国排名第一的开放权重模型。 Muse Spark Open（xhigh）的得分比 Muse Glimmer（high，17 分）高 22 分。Muse Glimmer 是 Meta 的 30B 稠密开放权重模型。https://t.co/jf31mQNINe

vLLM 报告首个 TPUv7 提交至 AgentX，并由 vLLM 提供服务

我们很高兴看到首个 TPUv7 提交至 AgentX，并由 vLLM 提供服务。 感谢 @Google TPU、@RedHat_AI 和 @inferact 的团队成员付出的努力，让它成功运行。我们期待通过 AgentX 在 TPU 上部署更多模型。https://t.co/Ea730oFhrd

Ethan Mollick 称，Harness 和智能模型可能让著名的高难度基准测试走向终结

Harness + 智能模型 = 最后一批著名高难度基准测试的终结。 模型现在可以连续工作极长时间（再见了，METR Long Tasks），可以输出数学计算正确的专业文档（再见了，GDPval），还可以解开复杂的新颖谜题（告别了，ARC-AGI-3）。https://twitter.com/arcprize/status/2110768288523251762

NVIDIA Nemotron 3.5 Super VL 现已在 Ollama 上线

NVIDIA Nemotron 3.5 Super VL 现已在 Ollama 上线。 该模型将推理能力与视觉理解能力相结合，适用于多种智能体工作流。 Ollama 表示，在智能体任务中，与其他同等规模的开放模型相比，该模型在单 GPU 上的吞吐量最高可达 5 倍。

NVIDIA 推出适用于本地智能体的 Nemotron 3.5 Bolt 24GB

NVIDIA AI 推出 Nemotron 3.5 Bolt 24GB，称其可装入 24GB 内存。 引用的 @NVIDIARTXSpark 帖子介绍了打包在 24GB 内存中的 74B-A9B 参数模型，该模型针对 RTX Spark 进行了优化，并设计为可与应用同时运行。 https://t.co/SOiBgeMMjD https://t.co/yPsBt9N58A

Granite Switch 4.1 在一个端点中整合聊天、决策与语音

IBM 发布了 Granite-Switch-4.1-8B 和 -30B，通过一个托管端点整合了聊天、通用决策 aLoRA、专用 Guardian aLoRA，以及 Granite-Speech-5.0-Turbo-CTC 转录功能。IBM 表示，组合模型使用的 GPU VRAM 与基础模型大致相同，因为适配器会复用基础模型的 KV 缓存。用户还可以使用 Granite Libraries 适配器组合自定义 Switch 模型；IBM 计划推出用于在 Mellea 中训练适配器的 Adapter SDK。

蚂蚁开源 Ling-3.1-flash，支持跨工具和文档的持续工作

蚂蚁已开源 Ling-3.1-flash。这款模型总参数量约为 560B，每个 token 激活约 25B 参数，上下文窗口最长可达 1M。QbitAI 在一项电商促销方案任务和一项模拟就医准备任务中对其进行了测试，并报告称模型的计算过程可追溯，且会明确处理缺失信息。评测还发现，面对较长输入时模型偶尔会出现注意力偏移，并指出当前版本不具备原生视觉理解能力。

Meta 发布 Muse Spark Open，面向编码和智能体工作

Meta 宣布推出 Muse Spark Open，称其为迄今能力最强的美国开放权重模型，专为编码、智能体工作和多步推理打造。 NVIDIA AI 表示，这款 816B 模型基于 NVIDIA GB300 NVL72 训练，上下文窗口为 1M token，可用于处理大型代码库。Meta 还推出了针对 Blackwell Ultra 优化的 NVFP4 检查点。 https://t.co/yAtoxNeYJm https://t.co/HJUKdC1n3D

同一新闻，精选展示《Meta releases Muse Spark Open, an open-weight multimodal mixture-of-experts model》

Meta 与苹果携手在 Mac 上运行 Muse Spark Open

Meta 今天宣布推出 Muse Spark Open，并开放其权重；Meta 表示，该模型可在两台搭载 Apple M5 Ultra 的 Mac Studio 上使用最新的 MLX 框架运行。Meta 称，这款原生多模态模型总参数量为 8160 亿，擅长长周期任务、复杂软件工程和多步推理。Meta 与苹果历经数月合作，苹果发布了一篇技术文章，介绍 MLX、Muse Spark Open 以及另外两个开放模型。

同一新闻，精选展示《Meta releases Muse Spark Open, an open-weight multimodal mixture-of-experts model》

Meta 发布 Muse Spark Open，提供可下载权重并允许有条件的商业使用

Baoyu 报道称，Meta 于 10 月 15 日发布了 Muse Spark Open。这是一款开放权重模型，总参数量为 816B，激活参数量为 42B，上下文窗口为 1M token。它接受文本、图像、视频和音频输入，并输出文本；Muse 模型许可允许免费商业使用，但须遵守署名要求、使用限制，并且符合条件的 API 业务需另行签署协议。模型卡列出的最低内存要求为：NVFP4 需 700GB，BF16 需 2TB；Meta 则称，该模型针对两台各配备 512GB 统一内存的 Mac Studio 进行了优化。

同一新闻，精选展示《Meta releases Muse Spark Open, an open-weight multimodal mixture-of-experts model》

Alexandr Wang 称，Muse Spark 是迄今能力最强的美国开放权重模型

1/ Muse Spark 开放发布，是迄今能力最强的美国开放权重模型。 总参数量 816B，激活参数量 42B。上下文长度为 100 万 token。原生支持多模态。专为编程和智能体工作打造，例如长时程任务、高难度软件工程和多步推理。 美国！🇺🇲 https://t.co/NjtOB7aY9D

Meta 发布 Muse Spark Open，面向编程和智能体工作

今天，Meta 发布了 Muse Spark Open，Meta 称这是迄今能力最强的美国开放权重模型。 Meta 表示，该模型专为编程和智能体工作打造，在长周期任务、复杂软件工程和多步推理方面表现出色。 模型的关键规格包括：总参数量 816B / 激活参数量 42B、1M token 上下文窗口，以及对文本、图像、视频和音频的原生多模态支持。

同一新闻，精选展示《Meta releases Muse Spark Open, an open-weight multimodal mixture-of-experts model》

MAI 宣布推出内部预训练的 3T 参数级基础模型

我们现已拥有 3T 参数级的最先进预训练基础模型，完全由 MAI 内部构建。 后训练结果即将公布，敬请期待！ 技术博客文章中有大量详细信息。 https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/

Microsoft Research 推出面向基于证明的通用计算的 Magnetar

Microsoft Research 推出 Magnetar，这是一种零知识虚拟机，使用仅基于标准哈希函数的安全机制来证明 RISC-V 程序的执行。它支持用 Rust、Go 或 C 编写的程序，无需开发者将其改写为密码学电路。Microsoft 报告称，在 15 个基准测试程序中，Magnetar 在同一台机器上的平均速度比现有最快的可比 zkVM 快 10 至 39 倍，证明验证时间约为 12 毫秒。

CoT 价值的下降正在改变人们与 AI 智能体协作的方式

在智能体时代，CoT（包括摘要版 CoT）的价值骤然下降，这改变了人们与 AI 协作的方式。 要有效引导 AI 并获得任何形式的可观测性，现在都需要你要求 AI 提供中间输出和测试，并借助 AI 排查你发现的问题。

vLLM 博客详解如何实现位级一致的 rollout 与训练，加快 RL 训练

1/ 🚀 vLLM 博客新文：更快完成 RL 训练——位级一致、高性能、由智能体驱动 权重相同并不保证策略相同：推理优化可能改变训练时重新计算的 logprobs。 我们让 rollout 与训练实现位级一致 https://t.co/S0xkMKfSmc

NVIDIA 推出 Nemotron 3.5 Super VL：面向长时运行 AI 智能体的开放模型

认识 NVIDIA Nemotron 3.5 Super VL。 NVIDIA 推出的这款新型开放模型将推理和工具使用与文本、图像、文档及视频理解能力结合起来，适用于长时运行的 AI 智能体。 总参数量为 120B，其中激活参数量为 12B。

同一新闻，精选展示《NVIDIA Expands Nemotron Family With Super VL and Bolt Open Models》

Mistral AI 发布 Timestral：一系列时间序列基础模型

Mistral AI 发布了四种规格的 Timestral，参数量从 5M 到 209M，支持使用仅包含过去数据的协变量和已知未来协变量进行概率性多变量预测。Mistral 表示，在 GIFT-Eval、TIME 和 fev-bench 的五项指标上，其 209M 模型在预训练零样本模型中排名第一，且使用单个检查点、不进行集成。所有规格均支持 CPU 推理。Mistral 发布了一个 GitHub 仓库，供用户在自己的数据上运行 Timestral；用户还可通过 Mistral Forge 进行领域适配和微调。

GPT-6-Astra 每题花费 2.40 美元，解决了 50 道物理研究问题中的 49 道

GPT-6-Astra 在 OpenAI 的 Codex 环境中运行，未获得人类提示，解决了 TheoPhysEval 涵盖十一个理论物理子领域的 50 道题中的 49 道，总花费略低于 116 美元。Anthropic 的 Opus 5.5 得分为 92%，而两款模型在无法访问互联网时都达到了 92%。研究人员强调，该基准测试的是运用已知方法进行计算的能力；而选择有前景的研究问题，对当前的智能体来说仍是另一项挑战。

StepFun 发布 Step 5 Preview 开放权重，这是一款 600B MoE 模型

NVIDIA AI 祝贺 StepFun 发布 Step 5 Preview，称这是 StepFun 迄今规模最大的开放权重发布。 NVIDIA 表示，这款 600B MoE 模型支持持续长达 24 小时的智能体任务，并在 NVIDIA GB300 上使用 NVFP4 时达到近 8K tokens/sec/GPU 的运行速度。 StepFun 发布公告的引述内容列出了每个 token 激活 27B 参数、1M-token 上下文窗口、原生文本和视觉输入，以及 Hugging Face 和 ModelScope 上的 BF16 和 FP8 权重。 NVP4 检查点：https://t.co/lSECChAwlW 使用以下链接部署：https://t.co/GO1wqTSBOk https://t.co/28TBzUo6ZU

Apertus 1.5 发布说明详述多模态理解、思考模式和更长上下文

Project Apertus 发布了 8B 和 70B 两种规模的 Apertus 1.5，新增图像和音频理解、可选思考模式、262,144-token 上下文窗口，并改进了指令遵循和工具使用能力。模型权重于 2026 年 7 月 24 日在 Hugging Face 上以 Apache 2.0 许可证发布；模型仅生成文本，语音语言处理仍处于实验阶段。团队还公布了训练数据、训练方案、中间检查点和可复现的评估记录。

上海人工智能实验室的书生-S2 助力证明三维 Ghys 猜想

徐迪生团队在一项人机协作中使用了上海人工智能实验室的书生-S2 模型，证明了三维 Ghys 猜想，相关预印本已发布在 arXiv 上。研究人员指导了七轮递归探索，问题图的节点数从 15 个扩展到 389 个。北京大学团队使用其 SHEAF 框架，将全部四个主要定理形式化，在约五天内生成约 55 万行 Lean 代码，并通过了 Lean 检查。