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 241–260 條 · 共 291 條
3月6日週五
  1. gihyo.jp83

    OpenAI 發佈 GPT-5.4,整合推理、編碼與智能體工作流

    OpenAI 於 2026 年 3 月 5 日發佈 GPT-5.4,將推理、編碼和智能體工作流能力整合到單一模型。GPT-5.4 支援最多 100 萬個模型 token 的上下文,並加入內置電腦操作及工具搜尋功能。API 已可使用,GPT-5.4 正逐步推出至 ChatGPT 和 Codex;GPT-5.4 Pro 亦已可透過 API 使用。

    推薦理由:GPT-5.4 將推理、編碼與智能體工作流整合於單一模型,並加入電腦操作及工具搜尋,呈現其面向長流程任務的能力組合。

3月4日週三
  1. Google DeepMind71

    Gemini 3.1 Flash-Lite 為大規模開發者工作負載而設

    Google DeepMind 推出 Gemini 3.1 Flash-Lite,現正以預覽版向開發者及企業開放,開發者可透過 Google AI Studio 的 Gemini API 使用,企業則可透過 Vertex AI 使用。

    推薦理由:文章把 Gemini 3.1 Flash-Lite 的定價、相較 2.5 Flash 的速度數據及質素描述並列,呈現其面向高頻工作負載的成本定位。

2月20日週五
  1. gihyo.jp77

    Gemini 3.1 Pro 預覽版發佈,可從文字生成清晰 SVG 動畫

    Google 於 2026年2月19日推出 Gemini 3.1 Pro 預覽版,強化推理能力,並大幅提升從文字提示詞直接生成 SVG 動畫的質素。在 ARC-AGI-2 基準上,Gemini 3.1 Pro 得分 77.1%,高於 Gemini 3 Pro(33.1)、Claude Opus 4.6(68.8)及 GPT-5.2(52.9)。

    推薦理由:文章列出 Gemini 3.1 Pro 在 ARC-AGI-2 的 77.1% 評分,並對照 Gemini 3 Pro、Claude Opus 4.6 和 GPT-5.2 的成績,呈現各模型在該基準上的差異。

  2. Google DeepMind77

    Gemini 3.1 Pro:面向最複雜任務的更智能模型

    Google DeepMind 發佈 Gemini 3.1 Pro,作為 Gemini 3 系列核心模型升級,提升複雜問題的推理能力。它在 ARC-AGI-2 取得經驗證的 77.1% 得分,推理表現超過 Gemini 3 Pro 兩倍。

    推薦理由:Gemini 3.1 Pro 在 ARC-AGI-2 取得經驗證的 77.1% 得分,並稱推理表現超過 Gemini 3 Pro 兩倍,為核心推理升級提供量化比較依據。

2月18日週三
  1. gihyo.jp82

    Anthropic 發佈能力接近 Opus 級別的 Claude Sonnet 4.6;Figma 宣佈推出利用 Claude Code 的瀏覽器 UI 擷取功能

    Anthropic 於 2026 年 2 月 17 日發佈 Claude Sonnet 4.6,表示其多個領域的能力接近 Opus 級別,並以 beta 形式支援 1M token 上下文窗口。

    推薦理由:文章對照 Claude Sonnet 4.6 與 Opus 4.6 的任務適用差異,並交代電腦操作評測與現實操作之間的限制。

2月13日週五
2月12日週四
  1. Andrej Karpathy:Blog79

    Andrej Karpathy 用 200 行純 Python microgpt 解説 GPT 訓練與推理

    Andrej Karpathy 以 microgpt 示範如何用一個 200 行、無依賴的純 Python 檔案訓練及推理 GPT。程式涵蓋資料集、Tokenizer、自動微分、GPT-2-like 架構、Adam 及生成流程;示例以約 32,000 個名字訓練,模型有 4,192 個參數。文中亦對照生產級 LLM 在數據、模型規模、訓練和推理工程上的差異。

    推薦理由:文章將 GPT 的演算法核心與生產級 LLM 的規模化工程逐項對照,呈現數據、模型規模、訓練及推理流程的差異。

2月6日週五
2025年12月18日週四
2025年12月17日週三
2025年12月11日週四
  1. OpenAI News67

    GPT-5.2 推進科學與數學研究

    OpenAI 表示,GPT-5.2 是其目前在數學與科學領域最強的模型,並在 GPQA Diamond 和 FrontierMath 等基準上取得新的最佳成績。文章列舉其求解一個尚未解決的理論問題,以及生成可靠數學證明的案例,展示基準表現如何轉化為實際研究進展。

    推薦理由:文章把 GPQA Diamond、FrontierMath 的基準表現連結到求解尚未解決的理論問題和生成可靠數學證明的案例,呈現 GPT-5.2 在研究任務中的具體落點。

  2. OpenAI News71

    OpenAI 發佈面向日常專業工作的 GPT-5.2

    OpenAI 發佈 GPT-5.2,稱其為面向日常專業工作的最先進前沿模型,具備最先進的推理、長上下文理解、編碼和視覺能力。GPT-5.2 可在 ChatGPT 和 OpenAI API 中使用,以支援更快、更可靠的智能體工作流。

    推薦理由:原文交代 GPT-5.2 的能力定位及 ChatGPT、OpenAI API 的使用入口,讀者可瞭解它面向的專業工作與智能體工作流。

2025年12月3日週三
  1. Mistral AI77

    Mistral AI 發佈 Mistral 3 模型系列,包含 Ministral 3 與 Mistral Large 3

    Mistral AI 發佈 Mistral 3 模型系列,包含 14B、8B、3B 三款 Ministral 3,以及 Mistral Large 3。Ministral 3 的每種尺寸均提供 base、instruct 和 reasoning 版本,具備圖像理解能力;全系列均按 Apache 2.0 授權釋出。

    推薦理由:Mistral 3 覆蓋 3B 至 675B 的模型規模,並列出邊緣端與資料中心的部署路徑,可供比較開源模型的部署選擇。

2025年12月1日週一
2025年11月19日週三
2025年11月13日週四
  1. Google DeepMind66

    Google DeepMind 推出 SIMA 2:能在虛擬 3D 世界中遊玩、推理並與你一同學習的智能體

    Google DeepMind 推出研究智能體 SIMA 2,將 Gemini 推理能力整合至虛擬 3D 遊戲,使其能理解目標、規劃行動並與用户對話。它能將在不同遊戲中學到的概念遷移,也可透過試錯及 Gemini 回饋利用自身經驗繼續訓練,並在 Genie 3 生成的新世界中嘗試執行任務。

    推薦理由:SIMA 2 結合 Gemini 推理、跨遊戲技能遷移與自生成經驗訓練,並交代長程任務、記憶和精細鍵盤滑鼠操作的限制。

2025年8月5日週二