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 41–60 條 · 共 309 條
11月18日週三
  1. 新浪科技78

    深度實測 GPT-6.2:實力確實強,也確實難用

    文章實測 GPT-6.2 Astra,發現它能快速生成可互動的 3D 遊戲與場景,但寫作表現、溝通方式及長程 Agent 任務仍有明顯問題。文中亦引述官方數據,稱它在專業 Agent 任務上的表現超越 Claude Fable 5.2,完成同等任務的綜合成本只有後者的 5%。

    推薦理由:文章將官方成本與能力主張,和 3D、寫作等實測並置,呈現 GPT-6.2 Astra 的強項與日常協作落差。

  2. gihyo.jp83

    OpenAI 發佈面向專業工作的 GPT-6.2 Astra 及面向日常工作的 GPT-6.2 Sol

    OpenAI 於 2026年11月17日發佈 GPT-6.2 Astra 和 GPT-6.2 Sol。兩款推理模型已在 ChatGPT Work、Codex 和 API 提供,Astra 面向複雜專業工作,Sol 著重日常寫作、編碼的速度與成本效益。

    推薦理由:文章並列兩款模型在專業與日常任務上的定位、基準結果及 API 價格,呈現能力表現與使用成本的比較脈絡。

  3. IT Square · AI77

    Hugging Face 語言模型改由 OpenRouter 路由,經 Hugging Face 入口自備供應商 API key 不再適用

    Hugging Face 把 160 個語言模型的推理路由改由 OpenRouter 接手,請求失敗時會在同一呼叫內改試下一間供應商。OpenRouter 2026 年 10 月實測中,容量錯誤減少 46%、首字延遲改善 16.9%、吞吐量提升 16.3%,每次請求成本則高 6.0%。

    推薦理由:文章並列路由實測的速度、可靠性與成本變化,並界定自備供應商 API key 不再適用的範圍,方便團隊評估帳單與接入方式。

  4. 虎嗅82

    GPT-6.2 Astra 和 Sol 展示專業任務能力提升,安全限制亦加強

    OpenAI 正式推出 GPT-6.2 Astra 和 GPT-6.2 Sol,分別提升複雜專業任務,以及日常工作、編程和多步驟智能體任務的效率。Artificial Analysis 榜單中,Astra 得 62 分、排名全球第二,Sol 得 57 分;Astra API 輸入及輸出價格均下調 20%,快取輸入價格下調 60%。

    推薦理由:文章並列 GPT-6.2 在專業任務、成本與基準測試上的變化,也交代幻覺率和網絡安全限制,呈現能力提升與使用邊界。

  5. 虎嗅84

    NVIDIA 2027財年第三季度收入超預期,黃仁勳離任後的接班考驗仍在後面

    NVIDIA公佈2027財年第三季度業績,季度收入達1158.44億美元,同比增長103%,高於公司指引中值及市場預期。數據中心收入為1076億美元,佔總收入約93%;公司預計第四季度收入達1300億美元,但毛利率將降至71%—72%。文章分析,Agent 推理可能提高客戶對記憶體與儲存的重視,令 NVIDIA 高價算力方案承受成本壓力;本季截至10月25日,早於黃仁勳離任。

    推薦理由:文章由季度業績切入,拆解 Agent 推理對記憶體、儲存與算力成本的不同要求,呈現 NVIDIA 平台優勢面對的壓力。

  6. 新浪科技81

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別定位為面向複雜項目的旗艦模型及面向日常工作的高效率模型。

    推薦理由:兩款模型的分工、成本與評測數據提供了比較基礎,而長任務停滯和障礙省略等反饋,則呈現基準分數以外的使用風險。

  7. MarkTechPost79

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,Astra API 價格下調 20%

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向複雜專業工作及日常任務,兩者均已在 OpenAI API 上線。Astra 每 1M tokens 的輸入/輸出價格為 $8.00/$40.00,較 GPT-6 Astra 低 20%;兩款模型均有 1,050,000-token 上下文窗口及 128,000 最大輸出。

    推薦理由:文章並列 Astra 的降價與基準排名,以及 Sol 以約五分之一成本接近 Astra 的編碼成績、Coding Agent Index 下跌 3 分,呈現兩款模型的取捨。

  8. TechPowerUp90

    NVIDIA 公佈 2026 年第三季業績,收入達 $115.8 billion

    NVIDIA 公佈截至 2026 年 10 月 25 日的第三季收入為 $115.8 billion,按季增長 20%、按年增長 103%。資料中心收入為 $107.6 billion,按季增長 21%、按年增長 110%。公司預計 2027 財政年度第四季收入為 $130.0 billion,正負 3%,並未將中國資料中心運算收入納入預測。

    推薦理由:NVIDIA 第三季收入按年增長 103%,資料中心收入為 $107.6 billion;下一季 $130.0 billion 的收入指引,呈現公司對短期增長的預期。

  9. DEV Community78

    Gemini 4 Hydrogen 在綜合指數得分高於 Argon

    Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的預設 high 思考層級得分為 51,高於 Argon 的 50,xhigh 得分為 54。

    推薦理由:文章把 Gemini 4 Hydrogen 的分項基準、思考層級與任務成本並置,呈現綜合指數背後的工作類型取捨及路由判斷依據。

  10. OpenAI News65

    OpenAI 發佈更新版 Astra for Law,開放 ChatGPT Enterprise 客戶申請

    OpenAI 發佈更新版 Astra for Law,這項基於 GPT‑6.2 Astra 的法律模型配置現可供所有 ChatGPT Enterprise 客戶透過 Trusted Access Program 申請,亦可申請 API 存取。

    推薦理由:材料並列 LAB-AA 與 Vals AI 的基準數據及法律搜尋索引變化,可從任務滿分率和資料覆蓋兩方面瞭解此次更新。

  11. Artificial Analysis 完整文章84

    OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 位列 Artificial Analysis Intelligence Index 第二

    OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 在 Artificial Analysis Intelligence Index 升至第二位,僅次於 Anthropic 的 Claude Fable 5.2。

    推薦理由:文章並列智能指數、成本前沿與編碼代理指數結果,呈現 GPT-6.2 Astra 與 GPT-6.2 Sol 在整體排名、成本和編碼表現上的差異。

  12. Hacker News 熱門(buzzing.cc 中文翻譯)89

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。

    推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。

11月17日週二
  1. 虎嗅78

    中國不能把 AI 產業建成英偉達的海外客戶

    文章主張,中國 AI 產業不應把海外租用英偉達算力作為發展基礎,並應建立不依賴美國許可的算力體系。美國新規把第三國數據中心向中國等受管制地區提供遠程算力納入限制,符合條件且累計 TPP 超過 1200 萬的關聯集羣提供算力可能須申請許可證;新規亦要求重新審查既有相關算力服務,並設 90 日過渡安排。文章提出發展國產芯片及集羣軟件體系、以算法優化降低算力需求,並按任務把微調和推理盡可能轉向國產芯片。

    推薦理由:文章將降低海外算力依賴拆解為供給體系、算法效率與任務配置三個層面,呈現算力自主涉及芯片以外的集羣、軟件與模型能力。

  2. 阿里雲開發者社區 AI78

    阿里巴巴發佈 Qwen4-Max,每個 Token 激活參數降至 71B,單任務平均費用降至 11.16 元

    阿里巴巴於 2026 年 11 月 16 日正式發佈 Qwen4-Max,千問 AI 平台同步開放 API 按量計費及 Token Plan 調用。

    推薦理由:文章並列官方與第三方評測及成本口徑,呈現 Qwen4-Max 的效率和費用變化,也交代其在部分基準上的落差,便於按任務類型評估選型。

11月16日週一
  1. 中華網科技80

    阿里巴巴發佈 Qwen4-Max,單項任務平均費用下降 58%

    阿里巴巴發佈基座大模型 Qwen4-Max,總參數量為 2.4T,並已在千問 AI 平台提供 API 服務。模型具備原生視覺能力、支援百萬上下文;文中稱其單項任務平均費用較上代下降 58%。中小尺寸模型將陸續開源,用戶亦可透過阿里 Token Plan 調用新模型。

    推薦理由:報道列出 Qwen4-Max 相較上代在多項評測、Token 用量及任務費用上的變化,讓讀者可一併對照模型表現與推理成本。