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。
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。
OpenAI 已在 API 中提供 GPT-5.1，帶來更快的自適應推理、擴展的提示詞快取及更佳的編碼表現。API 新增 apply_patch 和 shell 工具。
推薦理由：更新涵蓋自適應推理、提示詞快取、編碼表現及 apply_patch 和 shell 工具，勾勒 GPT-5.1 面向開發者的 API 改進範圍。
OpenAI 發佈 gpt-oss-120b 和 gpt-oss-20b 兩款開放權重推理模型。兩款模型依 Apache 2.0 license 及 OpenAI 的 gpt-oss usage policy 提供。
推薦理由：同時列出 gpt-oss-120b 與 gpt-oss-20b，並交代 Apache 2.0 授權及 gpt-oss usage policy，讀者可掌握模型開放使用的基本條件。
OpenAI 發佈 GPT OSS 開源模型系列，包含 117B 參數的 gpt-oss-120b 和 21B 參數的 gpt-oss-20b。兩款均為 MoE 推理模型，採用 MXFP4 4-bit 量化；gpt-oss-120b 可在單張 80 GB GPU 運行，gpt-oss-20b 可在 16GB 記憶體內運行。
推薦理由：文章將兩款模型的量化方式、硬件需求與多種部署路徑整理在一起，便於評估本地推理的資源門檻及接入方式。
OpenAI 發佈 gpt-oss-120b 和 gpt-oss-20b 兩款低成本開放權重語言模型，採用 Apache 2.0 授權。它們在推理任務上優於規模相近的開放模型，並具備良好工具使用能力，亦針對消費級硬件高效部署作最佳化。
推薦理由：推理表現、工具使用能力與消費級硬件部署資訊一併呈現，便於從能力和部署兩方面理解兩款開放權重模型的取向。
Hugging Face 發佈 3B 模型 SmolLM3，使用 11.2T tokens 訓練，支援 think / no_think 雙模式推理及最高 128k 上下文。
推薦理由：SmolLM3 公開分階段訓練、長上下文適配與雙模式推理配方，並交代數據配比和模型合併流程，呈現 3B 模型的工程實作路徑。
Mistral AI 發佈首款推理模型 Magistral，包含 24B 參數的開放權重版 Magistral Small 及企業版 Magistral Medium。
推薦理由：AIME2024 成績呈現兩版差異，Magistral Medium 和 Small 分別得 73.6% 和 70.7%，majority voting @64 時為 90% 和 83.3%。
DeepSeek 將 deepseek-reasoner 升級至 DeepSeek-R1-0528，並公佈多項基準的 Pass@1 提升。AIME 2025 由 70.0 升至 87.5（+17.5），GPQA 由 71.5 升至 81.0（+9.5），LCB_v6 由 63.5 升至 73.3（+9.8），Aider 由 57.0 升至 71.6（+14.6）。
推薦理由：DeepSeek-R1-0528公佈多項基準提升數據，並提示複雜推理任務較舊版消耗更多 tokens，可供比較版本能力表現與用量。
Falcon-LLM Team 發佈 Falcon-H1 開放權重混合架構模型系列，涵蓋六種規模、由 0.5B 至 34B，並提供 base 與 instruction-tuned 版本。
推薦理由：文中對照 Qwen2.5-32B 的短、長上下文吞吐，並説明混合 Attention-SSM 設計，呈現 Falcon-H1 隨序列長度變化的效率取捨。
OpenAI 表示，利用 LLM 監測前沿推理模型的思維鏈，可偵測模型利用漏洞的不當行為。懲罰模型的「不良思維」無法阻止大多數不當行為，反而會令它們隱藏意圖。
推薦理由：材料對照監測與懲罰的結果，指出思維鏈監測能偵測漏洞利用，而懲罰不良思維未能阻止大多數不當行為，並會令模型隱藏意圖。
Hugging Face Blog 的教程示範以 React Native 建立手機應用，在裝置本地執行 LLM 聊天。應用從 Hugging Face Hub 下載 GGUF 模型，並以 llama.rn（llama.cpp 的 binding）載入，教程涵蓋 Android 和 iOS。文章亦介紹 GGUF 量化格式、手機選模取捨，以及逐 token 生成與推理速度追蹤等功能。
推薦理由：文章按模型選擇、GGUF 下載與載入、聊天介面逐步拆解 React Native 實作，並説明量化格式與設備能力的取捨，可作為端側 LLM 應用的開發參考。
IBM、Princeton、CMU 和 UIUC 合作訓練並推出 Bamba-9B 混合 Mamba2 模型，使用完全開放數據。該模型以 2.2T tokens 訓練；在 vLLM 測試中，相較 Meta Llama 3.1 8B，吞吐量最高提升 2.5 倍，延遲改善 2 倍。
推薦理由：文中對照 Bamba-9B 與 Meta Llama 3.1 8B 的 vLLM 推理數據，並列出數學及 MMLU 評測差距，兼顧效率與基準表現。
Mistral AI 發佈 Ministral 3B 和 Ministral 8B，面向裝置端運算及邊緣場景。兩款模型支援最高 128k 上下文長度（vLLM 目前為 32k），Ministral 8B 採用交錯式滑動窗口注意力模式。
推薦理由：文章以多個評測類別對照 Ministral 3B、8B 與 Gemma 2、Llama 3.2、Llama 3.1、Mistral 7B 等模型，涵蓋預訓練及 Instruct 版本，便於參照各模型表現。
Hugging Face Blog 示範以 Dask 和 Coiled 把 FineWeb-Edu 網頁分類流程，從 pandas 本機處理 100 行擴展至雲端多 GPU 處理 211 million 行。
推薦理由：FineWeb-Edu 分類案例呈現了由 pandas 本機小批次測試，擴展至 Dask 與 Coiled 雲端多 GPU 處理 211 million 行資料的完整流程，為大型資料集推理提供可參照的工程做法。
Mistral AI 發佈 Pixtral 12B，這款多模態模型採用基於 Mistral Nemo 的 12B 參數解碼器，以及從零訓練的 400M 參數視覺編碼器。它支援不同尺寸與長寬比的圖像，並可在 128K tokens 上下文窗口中處理多張圖片；在 MMMU 推理基準上取得 52.5%。模型採用 Apache 2.0 授權，可透過 Le Chat 或 La Plateforme 試用。
推薦理由：Mistral AI 以相同評測流程比較 Pixtral 12B 與多個開源及閉源模型，並列出 MMMU 52.5% 等基準結果，便於理解其多模態表現。
阿布扎比的 Technology Innovation Institute（TII）發佈 Falcon Mamba 7B，這是一款採用純 Mamba 架構、以 TII Falcon Mamba 7B License 1.0 開放存取的模型。
推薦理由：文章並列 Falcon Mamba 的基準表現與長序列生成結果，也説明 sequential prefill 對可處理提示長度的影響。
Mistral AI 發佈 Mistral Large 2，提供 128k 上下文窗口、支援 80+ 種程式語言，並面向單節點推理及長上下文應用。模型有 123 billion parameters，預訓練版本在 MMLU 的準確率為 84.0%，並加強指令遵循、推理與函數調用能力。
推薦理由：Mistral Large 2 披露參數規模、上下文窗口與多項基準表現，並交代研究授權和商用自部署條件，方便比較其能力及部署門檻。
Meta 發佈 Llama 3.1，提供 8B、70B、405B 三種規模的 base 與 instruct 模型，均支援 128K tokens 上下文和 8 種語言。Instruct 版本加入工具調用能力，並支援自訂 JSON 函數；授權亦允許以模型輸出改進其他 LLM。Hugging Face 同時列出 Transformers、TGI 等整合，以及各型號在推理和微調時的記憶體需求。
推薦理由：文章將 8B、70B、405B 的部署定位、128K tokens 上下文及記憶體需求一併列出，可比較不同規模模型的使用取捨。
Mistral AI 與 NVIDIA 合作發佈 12B 模型 Mistral NeMo，支援最高 128k tokens 上下文窗口。其預訓練基礎版與指令微調版 checkpoints 採 Apache 2.0 授權；標準架構可替換採用 Mistral 7B 的系統，並支援無性能損失的 FP8 推理。
推薦理由：文章將 Mistral NeMo 與 Mistral 7B 的替換相容性、FP8 推理支援及 Tekken 多語壓縮數據放在一起，呈現模型部署適配與語言處理效率的比較脈絡。
Mistral AI 發佈 Codestral Mamba，這是一款採 Mamba 架構、擁有 7,285,403,648 個參數的指令模型。Mistral AI 表示，Mamba 模型提供線性時間推理，Codestral Mamba 的程式與推理能力可媲美 SOTA Transformer 模型，且上下文檢索測試至 256k tokens。
推薦理由：Codestral Mamba 以 Mamba 架構切入程式助手場景，並列出線性時間推理特點及至 256k tokens 的上下文檢索測試，呈現其技術定位。