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 61–80 條 · 共 309 條
11月16日週一
  1. 新浪科技78

    阿里發布 Qwen4-Max,三個榜單均列國產模型第一,單項任務成本降 58%

    阿里正式發布新一代旗艦模型 Qwen4-Max,並已接入千問 App、千問辦公、Qoder 和 Qwen Studio。Qwen4-Max 在 Arena Agent Arena、Code Arena 和 Vals Index 三個榜單均為國產模型排名第一。

    推薦理由:文章並列官方任務成本數據與多個第三方榜單,亦呈現不同編程基準的落差,方便比較 Qwen4-Max 的成本變化和表現邊界。

  2. 新浪科技78

    阿里千問發佈Qwen4-Max:總參數2.4萬億、激活71B,Token消耗省一半

    阿里千問發佈Qwen4-Max,總參數2.4萬億、激活71B,支援百萬Token上下文。在Terminal-Bench 4.0同為Xhigh思考檔位時,其每次嘗試平均Token用量較Qwen3.8-Max減少約47.5%,評測得分提升近28%。Qwen4-Max已在千問AI平台提供API服務,亦可透過阿里Token Plan調用,或在千問辦公、Qoder、千問APP體驗。

    推薦理由:這組同檔位對比把Token用量與評測得分放在一起,呈現Qwen4-Max相較Qwen3.8-Max在編程評測中的效率及表現變化。

  3. 新浪科技76

    阿里通義千問 Qwen4-Max 正式上線,主幹參數規模達 2.4 萬億

    阿里通義千問團隊正式推出 Qwen4-Max,模型採用 MoE 架構,主幹參數規模達 2.4 萬億,支援原生視覺理解及 100 萬 Token 上下文窗口。Qwen4-Max 在 Work360 得分為 52.69,高於 Qwen3.8-Max 的 47.74;該評測中單項任務平均費用由 26.58 元降至 11.16 元,下降 58%。

    推薦理由:文章以 Work360 得分、不同推理強度下的 token 消耗及單項任務費用,呈現 Qwen4-Max 相對前代的能力與成本變化。

  4. DoNews77

    千問 Qwen4-Max 正式上線,Work360 單個任務平均費用下降 58%

    千問團隊正式推出 Qwen4-Max,模型作為正式版本接入千問 AI 平台,開發者可透過 Token Plan 或 API 調用。模型在 Work360 取得 52.69 分,高於前代 Qwen3.8-Max 的 47.74 分;同一評測中,單個任務平均費用由 26.58 元降至 11.16 元,降幅 58%。

    推薦理由:Work360 與 Terminal-Bench 4.0 的對照數據,呈現 Qwen4-Max 在任務費用及 token 消耗上的變化。

  5. IT之家79

    阿里通義千問 Qwen4-Max 正式上線,主幹參數規模達 2.4 萬億

    阿里通義千問團隊正式推出 Qwen4-Max,採用主幹參數規模達 2.4 萬億的 MoE 架構,原生支援視覺理解及 100 萬 Token 上下文窗口。模型已接入千問 AI 平台,開發者可透過 Token Plan 或 API 接入,也可經 Qwen Studio、QwenWork 和 Qoder 體驗。

    推薦理由:文中同時列出 Work360 分數、不同推理強度下的 token 消耗變化及單任務費用,呈現這次升級在能力與成本上的具體對照。

11月14日週六
  1. 虎嗅83

    NVIDIA 除黃仁勳離任外,還面對多重挑戰

    黃仁勳於11月12日辭去 NVIDIA 總裁、首席執行官及董事職務,結束33年掌舵生涯;文章指出,NVIDIA 還面對客戶自研晶片、軟件移植成本下降及融資策略延續等挑戰。其互連網絡與 AI 計算平台構成競爭壁壘,但雲端服務商和模型公司正加快自研晶片,AI 編程亦可能降低跨平台移植成本。文章亦分析黃仁勳以採購承諾和融資平台支持下游客戶的做法,並指出其能否延續取決於實際 AI 需求及繼任者的投資取向。

    推薦理由:文章把 NVIDIA 的競爭壁壘拆分為互連與網絡生態、客戶自研晶片及融資支持,呈現黃仁勳離任後多重挑戰如何交織。

  2. 創業邦85

    黃仁勳離任後,英偉達面對三大難題

    黃仁勳離開英偉達後,公司面臨管理接班、CUDA生態延續及2790億美元供應與產能承諾兑現等考驗。這筆承諾主要是為未來需求安排供應和產能,並非已收到的客戶訂單或已支付的現金,若需求延遲可能造成庫存積壓和供需錯配。文章亦指出,英偉達正尋找推理、機械人、自動駕駛及工業 AI 等增長方向,但這些市場能否達到數據中心業務規模仍需要時間驗證。

    推薦理由:文章梳理黃仁勳離任後英偉達在管理接班、CUDA生態延續與巨額供應承諾兑現上的壓力,並連結這些問題與公司如何維持增長的關係。

11月13日週五
  1. DEV Community76

    Gemini 4 Hydrogen 與 Gemini 3.8 Flash:升級是否值得?

    文章比較 Gemini 4 Hydrogen 與 Gemini 3.8 Flash,指出 Artificial Analysis 任務測試中,Hydrogen 在 high 設定下每項完成任務成本為 $1.87、評分指數為 51;Flash 在 high 設定下則為 $7.77 和 31。

    推薦理由:文章比較兩款模型的任務成本與評分,並整理思考層級預設、API 協定支援及長輸出路徑等遷移限制。

  2. DoNews80

    谷歌發佈 Gemini 4 Hydrogen,主打日常編碼與智能體工作流

    谷歌推出 Gemini 4 Hydrogen,面向日常編碼與智能體工作流,主打快速執行與高效運行。相較 Gemini 3.8 Flash,Hydrogen 在預設 high 思考檔位下任務完成速度提升 2.5 倍,Terminal-Bench 4.1 得分由 18.2% 升至 57%,虛構錯誤率降低 5 倍以上。

    推薦理由:文中對照 Hydrogen 與 Gemini 3.8 Flash 的速度及基準成績,並列出 Orchestrator 的配額與速度變化,讓模型效能與智能體調度表現有可比較的數據依據。

  3. 新浪科技80

    Google 發佈 Gemini 4 Hydrogen,Gemini App 免費用戶可體驗

    Google 發佈 Gemini 4 Hydrogen,主打更快的回應速度、更低的使用成本及更高效的 AI Agent 執行能力。Artificial Analysis 測得其 High 推理檔位得 51 分,高於 Gemini 4 Argon 的 50 分;API 每百萬輸入 Token 收費 1.5 美元,每百萬輸出 Token 收費 7.5 美元。

    推薦理由:文章並列 Hydrogen 的評測表現、API 定價及 Gemini 產品入口,呈現高效率模型在能力、成本與普及使用上的取捨。

  4. AWS Machine Learning Blog63

    Amazon Bedrock 四項推理設定如何影響成本

    AWS Machine Learning Blog 説明,Amazon Bedrock 的快取時長、服務層級、推理力度及 maxTokens 均會影響推理成本,並展示如何測試和核對效果。

    推薦理由:文章將四項請求設定納入同一測試流程,逐項核對模型支援、token 或成本變化及任務完成度,提供可套用於不同工作負載的評估方法。

  5. Ars Technica · AI76

    Google 推出 Gemini 4 Hydrogen,取代 Gemini 3.8 Flash

    Gemini 4 Hydrogen 已在 Google 旗下產品中取代 Gemini 3.8 Flash,並即時開放使用,存取限制較此前寬鬆。它提供 low、medium、high、xhigh 四種思考等級;Google 稱 high 模式速度比 Gemini 3.8 Flash 快 2.5 倍,虛構説法減少逾 5 倍。

    推薦理由:文中並列 Gemini 4 Hydrogen 相對 Gemini 3.8 Flash 的速度、虛構説法及 Terminal-Bench 變化,並以 Artificial Analysis Intelligence Index 分數對照 Argon。

  6. The Decoder81

    Google Gemini 4 Hydrogen 評分超越發佈僅四週的更大型 Argon

    Google 發佈 Gemini 4 Hydrogen,模型在預設 high 思考級別的 Artificial Analysis Intelligence Index 得分為 51,高於 Gemini 4 Argon 的 50;xhigh 級別得分為 54。

    推薦理由:文中並列 Google 公佈的基準成績與 Artificial Analysis 的獨立評測,呈現 Hydrogen 在能力分數、終端任務表現及不同思考級別成本上的差異。

  7. IT之家80

    Google 發佈 Gemini 4 Hydrogen 模型,主打日常編碼與智能體工作流,輸入每百萬 Token 1.5 美元

    Google 推出 Gemini 4 Hydrogen,面向日常編碼及智能體工作流,支援最高 100 萬 Token 輸入及輸出。輸入每百萬 Token 收費 1.50 美元、輸出 7.50 美元,並設 low、medium、high(預設)及 xhigh 四檔思考深度。

    推薦理由:材料並列收費、思考檔位和 Orchestrator 基準數據,亦與 Gemini 3.8 Flash 比較速度與錯誤率,呈現其日常編碼定位的成本及效能參考。