Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型，分别面向通用推理编码与网络安全防御。
推荐理由：同一价位下编码与推理能力相对前代明显提升，且同步给出安全专用版的基准与开放范围，读者可据此做选型对照。
技术方向
推理能力 最新动态
让大模型先想再答的能力：思维链、推理模型，数学与逻辑评测上的突破和争议。
182 条精选近 30 天 154 条共收录 222 条
更新
精选归档 · 第 9 页
Google DeepMind精选AI 评分7575
DeepSeek精选AI 评分7373 DeepSeek 发布 V4-Flash-Vision-Exp 实验多模态模型
DeepSeek 发布 V4 系列首个实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，在 V4-Flash 架构上加入视觉模块继续训练。
推荐理由：仓库同时给出与 Opus-4.8 的多模态 Agent 基准对比和开源推理实现，读者可据此判断它在 V4 系列里的相对位置。
Hugging Face Blog精选AI 评分6464 IBM Granite 4.2 推理模型构建详解：从预训练到多阶段 RL
IBM 发布 Granite 4.2 推理模型系列，提供 3B/8B/30B 三种 dense decoder-only 规格，以 Apache 2.0 开源。
推荐理由：详细拆解了 Granite 4.2 的架构与多阶段 RL 训练流程，包含 GRPO 异步训练和真实环境智能体 RL 设计，可作为开源推理模型训练方法参考。
智谱 GLM精选AI 评分7171 智谱发布开源模型 GLM-5.3，强化编码与漏洞利用能力
智谱发布开源模型 GLM-5.3，与 GLM-5.2 共享基座，全部增益来自后训练。在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam、CyberGym 取得开源 SOTA。
推荐理由：在同一份基准表中与八款模型横向打分，并附详细评测参数与防作弊设置，便于直接复现同口径对比。
智谱 GLM精选AI 评分6969 智谱发布开源模型 GLM-5.3，主打编码与漏洞利用能力提升
智谱发布开源模型 GLM-5.3，能力提升全部来自对 GLM-5.2 的后训练，底层基础模型未变；自研 Z.ai Code Bench 较 GLM-5.2 提升 50%，Terminal Bench 3.0 和 Agents' Last Exam 取得开源 SOTA，CyberGym 漏洞发现达到 SOTA，漏洞利用类基准较 GLM-5.2 翻倍以上。
推荐理由：原文列出了 GLM-5.3 在十余项编码与 Agent 基准上与闭源、开源模型的逐项分数，可作为评估开源前沿模型能力的对照参考。
Qwen精选AI 评分7373 千问开源 Qwen3.8-Flash-Next 模型，作为 Qwen4 架构实验预览
千问（Qwen）在 Hugging Face 开源 Qwen3.8-Flash-Next 的 FP8 量化权重，称其为 Qwen4 架构的实验性预览版本。该模型总参数 125B、激活 6B，并附带 51B n-gram embedding 与 4B MTP，原生 262,144 tokens 上下文可通过 YaRN 扩展至 1,000,000 tokens。
推荐理由：作为 Qwen4 架构的实验预览，文中给出的稀疏注意力与 N-gram 嵌入设计可与既有 MoE 路线横向对照。
DeepSeek精选AI 评分7676 DeepSeek-V4-Pro 0813 正式发布，新增 DSpark 推测解码模块
DeepSeek 正式发布 DeepSeek-V4-Pro 0813，在预览版基础上挂载 DSpark 推测解码模块，重点强化智能体能力。该模型在 HLE 上得分 42.7/60.0（无工具/有工具），Terminal Bench 2.1 达 87.9，DeepSWE 62.7。
推荐理由：正文给出与同代模型的基准对比和 vLLM/SGLang 部署方式，读者可直接评估其相对位置并复现推理流程。
Meta AI Blog精选AI 评分6161 Meta 发布多模态推理模型 Muse Spark 1.1，主打智能体能力
Meta 推出多模态推理模型 Muse Spark 1.1，在工具调用、计算机使用、编码和多模态理解上较前代有大幅改进，支持 1M token 上下文管理，可作为主智能体调度子智能体优化延迟。开发者可通过公开预览的 Meta Model API 接入该模型，同时它在 Meta AI 应用和 meta.ai 以 Thinking 模式上线。
推荐理由：原文逐项给出 Agent、Computer Use、编码、多模态的改进点，配合 Meta Model API 公开预览，读者可直接对照工作流判断适配度。
智谱 GLM精选AI 评分7272 智谱发布 GLM-5.2 旗舰模型，主打 1M 上下文与多档推理强度
智谱发布开源旗舰模型 GLM-5.2，主打 1M 上下文长程任务能力，并以 MIT 协议无地区限制开源。模型引入 IndexShare 稀疏注意力架构在 1M 上下文下将每 token FLOPs 减少 2.9 倍，并提供多档思考强度平衡性能与延迟；基准覆盖 HLE、SWE-bench Pro、MCP-Atlas、Terminal-Bench 2.1 等推理、代码与 Agentic 任务。
推荐理由：原文同时给出 1M 上下文、IndexShare 架构细节和与多款前沿模型的横向基准分数，读者可以据此评估 GLM-5.2 在长程任务上的相对位置。
Kimi (Moonshot)精选AI 评分7979 月之暗面开源发布 Kimi K3：2.8T 参数原生多模态智能体模型
月之暗面（Kimi）发布开源原生多模态智能体模型 Kimi K3，总参数 2.8T、激活 104B，原生支持文本、图像与视频，配备 1M token 上下文窗口。
推荐理由：Kimi K3 以 2.8T 参数和原生多模态设计开放权重，并在推理、编码与智能体多项基准上与 Claude Fable 5、GPT-5.6 Sol 等前沿模型直接对比，读者可据此查看其相对位置。
阶跃 StepFun精选AI 评分6262 阶跃 StepFun 发布 198B 参数视觉语言模型 Step 3.7 Flash
StepFun 发布 198B 参数稀疏 MoE 视觉语言模型 Step 3.7 Flash，每 token 激活约 11B 参数，吞吐量最高 400 tokens/s，支持 256k 上下文窗口与低/中/高三档推理强度。
推荐理由：原文说明了该 198B MoE 模型针对高频生产与智能体工作流的定位，以及通过三档推理强度平衡成本与速度的设计取舍。
Kimi (Moonshot)精选AI 评分7474 Kimi K2.6 开源发布：支持 300 子智能体协同，主打长程编码与原生多模态
Kimi K2.6 开源发布，定位原生多模态智能体模型，重点强化长程编码、代码驱动的界面设计与 Agent Swarm 多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向扩展至 300 个子智能体执行 4000 步协同任务，并在单次自主运行中产出文档、网页、表格等端到端结果。
推荐理由：原文给出 K2.6 与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 在 Agentic、编码、推理、视觉四类基准的多维对比，可作为开源前沿模型与闭源旗舰能力差距的一手参考。
Meta AI Blog精选AI 评分6969 Meta 发布 Muse Spark 模型，主打多模态推理与多智能体编排
Meta Superintelligence Labs 发布 Muse Spark 模型，原生多模态推理，支持工具调用、视觉思维链和多智能体编排。其 Contemplating 模式通过多智能体并行推理，在 Humanity's Last Exam 上达到 58%、FrontierScience Research 38%。
推荐理由：Muse Spark 在预训练效率和多智能体推理上给出了具体数字，可以与 Llama 4 Maverick 及同类推理模型横向比较。
阶跃 StepFun精选AI 评分7070 阶跃开源 Step 3.5 Flash 基座模型，总参数 196B 每 token 激活约 11B
阶跃（StepFun）开源 Step 3.5 Flash 基座模型，总参数 196.81B，每 token 激活约 11B，采用稀疏 MoE 与 3-way Multi-Token Prediction（MTP-3）。
推荐理由：原文给出了 11B 激活参数下的稀疏 MoE 设计与多模型基准对比，可用于评估开放模型的推理与 Agent 能力边界。
Kimi (Moonshot)精选AI 评分7676 Moonshot AI 开源发布原生多模态智能体模型 Kimi K2.5
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 用约 15T 视觉和文本混合 token 继续预训练，支持即时与思考双模式及 Agent Swarm 协同执行。
推荐理由：原文给出 1T/32B MoE 架构与 256K 上下文的多模态智能体能力，并附与 GPT-5.2、Claude 4.5 Opus、Gemini 3 Pro 的横评。
Kimi (Moonshot)精选AI 评分7979 月之暗面发布开源思考模型 Kimi K2 Thinking
Kimi K2 Thinking 是月之暗面（Moonshot AI）发布的开源思考模型，采用 MoE 架构，总参数 1T、激活 32B，原生支持 256k 上下文与 INT4 量化推理。
推荐理由：给出了K2 Thinking在推理、Agent搜索和代码任务上与GPT-5等多款主流模型的对照成绩，便于横向比较当前开源思考模型的水平。
xAI News精选AI 评分7272 xAI 发布 Grok 4 Fast，主打成本高效推理
xAI 发布 Grok 4 Fast 模型，主打成本高效推理，支持 2M token 上下文窗口，并采用统一架构在同一权重下切换推理与非推理模式。官方称其在 GPQA Diamond、AIME 2025、HMMT 2025 等基准上接近 Grok 4，平均思考 token 减少 40%，达成同等性能的价格下降 98%。
推荐理由：xAI 公开了 Grok 4 Fast 在多推理与搜索基准上的成绩和定价，读者可直接拿来对比 Grok 4、GPT-5 等模型的性价比。
xAI News精选AI 评分7171 Grok 4 与 Grok 4 Heavy 发布：原生工具调用与实时搜索集成
xAI 发布 Grok 4 与 Grok 4 Heavy，号称全球最智能模型，集成原生工具调用与实时搜索，已向 SuperGrok 和 Premium+ 订阅用户开放，并通过 xAI API 提供。
推荐理由：原文披露了在 200K GPU 集群上扩展强化学习的训练路径，并给出多个基准成绩，可作为对比前沿模型推理能力的参考。
xAI News精选AI 评分7676 xAI 发布 Grok 3 Beta 模型与 DeepSearch 智能体
xAI 发布 Grok 3 Beta 与 Grok 3 mini，主打基于大规模强化学习的推理能力，Grok 3 (Think) 在 AIME 2025 上达到 93.3%（cons@64）、GPQA 84.6%、LiveCodeBench 79.4%，Chatbot Arena Elo 1402，支持 1M token 上下文窗口。
推荐理由：读者可据此对比 Grok 3 与 Gemini 2.0、DeepSeek-V3 等模型在数学、代码与知识任务上的实测差距。
xAI News精选AI 评分6969 xAI 发布 Grok-2 与 Grok-2 mini Beta，登陆 𝕏 平台并开放企业 API
xAI 发布 Grok-2 与 Grok-2 mini Beta，已在 𝕏 平台对 Premium 和 Premium+ 用户开放测试，企业 API 将于本月晚些时候上线。
推荐理由：原文给出 LMSYS Elo 排名与多项学术基准对比，读者可直接看到 Grok-2 与 GPT-4 Turbo、Claude 3.5 Sonnet 的相对位置。