跳到正文

推理能力

模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。

最新精選

第 201–220 條 · 共 291 條
9月23日週三
  1. gihyo.jp85

    Anthropic 發佈 Claude Opus 5.5,輸出速度較 Opus 5 提升逾 30%,API 輸入及輸出單價較 Opus 5 下調 20%

    Anthropic 發佈 Claude Opus 5.5,稱其輸出速度較 Opus 5 提升逾 30%,預設設定下典型工作的費用降低 40%。Claude Platform 的輸入及輸出價格分別為每 100 萬 token 4 美元及 20 美元,較 Opus 5 下調 20%。

    推薦理由:文章列出多項基準測試中 Claude Opus 5.5 與 Opus 5 的成績,並交代 Terminal-Bench 比較採用不同推理計算量設定,補足判讀性能差異所需的背景。

9月16日週三
  1. gihyo.jp79

    Google 發佈 Gemini 3.8 Live 及 Gemini 3.8 Live Extended Thinking

    Google 於 2026 年 9 月 15 日發佈語音對話模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking,兩者可在持續對話時理解視覺資訊及非同步呼叫外部工具。

    推薦理由:兩款模型分別面向快速、具成本效益的語音智能體與複雜多步任務,並可在不中斷對話下呼叫工具,清楚區分兩者的適用場景。

9月9日週三
9月8日週二
9月4日週五
9月3日週四
  1. Google DeepMind76

    Google DeepMind 發佈 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber

    Google DeepMind 發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber,並稱 Gemini 3.8 Flash 是其迄今推理與編碼能力最強的模型,速度和成本與 3.7 Flash 相同。

    推薦理由:兩款模型共享基礎智能,普通版面向長程編碼與智能體任務,Cyber 版則限可信防守者使用,提供漏洞發現與修補能力。

8月25日週二
  1. Hugging Face Blog62

    Granite 4.2 大語言模型如何構建

    IBM Granite 團隊詳述 Granite 4.2 推理模型系列的構建流程,涵蓋架構、訓練方法及評測結果。該系列有 3B、8B、30B 三種稠密、僅解碼器模型,均由 Granite-4.1 base models 後訓練;後者以約 15T tokens 預訓練,並透過五階段策略將上下文窗口延至 512K tokens。

    推薦理由:文中並列三種規模共用的訓練主線,以及 8B、30B 額外加入真實環境 Agentic RL 的分支,可據此理解各規模訓練階段和智能體能力培養的差異。

8月12日週三
  1. Google Research64

    空書架還是遺失的鑰匙?Google Research 指大語言模型參數化事實性的瓶頸在於回憶

    Google Research 提出 knowledge profiling 框架及 WikiProfile 基準,發現前沿大語言模型的事實性錯誤更多源於已編碼事實難以回憶,而非未能編碼。

    推薦理由:研究以 WikiProfile 分別測量事實編碼、回憶與識別,將模型事實性錯誤區分為知識缺失或提取失敗,提供比單看答題準確率更細的診斷視角。

8月11日週二
  1. gihyo.jp78

    Meta 發佈面向本地 AI 智能體的 30B 開放權重模型 Muse Glimmer

    Meta 於 2026年8月10日發佈開放權重模型 Muse Glimmer,面向可在本地持續運行的 AI 智能體,規模約 30B 參數。模型以 Apache License 2.0 公開,提供約 4-bit 量化版本;Meta 稱模型可在 24GB 或 32GB 記憶體環境運行,並支援多階段推理、工具呼叫及長時間任務。

    推薦理由:文章比較 Muse Glimmer 與 Gemma4-31B、Qwen3.6-27B 的基準表現,並説明 24GB、32GB 記憶體環境的量化配置,呈現本地部署條件與任務表現。

8月7日週五
7月31日週五
  1. gihyo.jp77

    OpenAI 下調 GPT-5.6 Luna、Terra API 費用,並為 GPT-5.6 Sol 推出高速模式

    OpenAI 於 2026年7月30日下調 GPT-5.6 Luna、Terra 的 API 價格,並為 GPT-5.6 Sol 的 API 推出高速模式。每 100 萬個 token 的輸入/輸出費用方面,Luna 由 $1/$6 降至 $0.2/$1.2,Terra 由 $2.5/$15 降至 $2/$12。

    推薦理由:文中並列兩款模型的 API 降價幅度,以及高速模式的速度與收費差異,並説明訂閲費不變時 credit 消耗下降如何增加使用額度。

7月30日週四
  1. Google DeepMind66

    Google DeepMind 發佈 Gemini Robotics ER 2,支援影片理解、任務編排與多機械人協作

    Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。

    推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。

7月25日週六
  1. gihyo.jp87

    Anthropic 發佈 Claude Opus 5 並開始提供

    Anthropic 發佈 Claude Opus 5,並於7月24日開始提供;模型面向編碼、長期智能體任務及知識工作,性能較 Claude Opus 4.8 提升。

    推薦理由:文章並列多項基準分數、正答率與誤答率變化,並交代預設推理設定及 API 價格,方便掌握性能評估與部署差異。

7月23日週四
7月21日週二
  1. The Next Platform77

    Microsoft 與 AMD 合作部署大規模 AI CPU 及 GPU 叢集

    Microsoft 與 AMD 宣佈合作,在 Azure 部署基於 AMD「Helios」機架的大規模 AI 系統,主要用於前沿模型推理。每個雙寬 Helios 機架配備 72 張 Altair MI455X GPU 和 18 顆 Venice Epyc 9006 CPU,GPU FP4 算力為 2.9 exaflops,合計搭載 31 TB HBM 4 記憶體。

    推薦理由:文章提供 Helios 機架的硬件配置與 Azure 部署方向,可看出 GPU 推理叢集和 Venice CPU 叢集各自對應的工作負載。

7月16日週四
  1. gihyo.jp76

    Thinking Machines Lab 發佈首個開放權重模型 Inkling,支援文字、圖像及語音推理

    Thinking Machines Lab 於 2026年7月15日發佈首個 AI 模型 Inkling,公開模型權重,支援文字、圖像及語音輸入並以文字輸出。

    推薦理由:Inkling 可按任務連續調整推理用量,降低成本與等待時間,或為較難任務分配更多推理資源,呈現推理開銷與任務需求之間的可調取捨。

  2. Moonshot AI:Kimi Blog84

    Moonshot AI 發佈 2.8T 參數模型 Kimi K3

    Moonshot AI 發佈 Kimi K3,稱其為全球首個開放 3T 級模型;它有 2.8T 參數、原生視覺能力及 1-million-token 上下文窗口。

    推薦理由:資料披露 Kimi K3 相較 Kimi K2 的整體擴展效率提升約 2.5×,並交代其整體表現仍落後最強的專有模型。

7月10日週五
7月9日週四
  1. gihyo.jp82

    OpenAI 發佈 GPT-Live 新一代語音模型,支援更自然的即時對話

    OpenAI 發佈新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 可同時聆聽和發話,令即時對話更自然。遇到複雜處理、高階推理或網頁搜尋需求時,GPT-Live 會在背景委派予最新頂尖模型,並逐步將結果帶入對話;本次推出 GPT-Live-1 和 GPT-Live-1 mini。

    推薦理由:文章比較級聯語音系統與 ChatGPT Advanced Voice Mode 的限制,並交代全雙工架構如何帶來即時回應及背景任務處理。

7月2日週四