技术方向
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。
11 条精选近 30 天 8 条共收录 31 条
llama.cpp 与 ggml 发布 v1.0.0，并明确今后以主版本号变更标示公共 C API 的破坏性改动。项目方称 llama.cpp 目前支持超过 150 种模型架构及主流投机解码方法，发行渠道覆盖 Linux、macOS、Windows、Android、iOS 及 Docker、Homebrew、conda-forge 等。
推荐理由：llama.cpp 发布 v1.0.0 并确立语义化版本规则，下游依赖其 API 的开发者可据此判断升级边界。
Google DeepMind 发布 Gemini 4 Hydrogen，定位为面向日常编码与智能体工作流的高效执行模型，即日起在 Gemini API、AI Studio、Gemini app、Google Search 及 Google Antigravity 等渠道向所有用户开放。
推荐理由：官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多模型编排的配额与速度数据，可据此判断日常编码与智能体工作流如何选型。
Google DeepMind 向开发者、企业和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。
推荐理由：官方给出 Carbon 与 Argon 的定位差异、多项基准排名和定价，便于判断何时该用更重的模型。
Hugging Face 发文介绍决策模型，这类模型接收 state 和 questions，直接返回带概率的结构化决策而不生成文本。
推荐理由：Hugging Face 把决策模型统一成 state 加 questions 的接口，并给出 Transformers 与 llama.cpp 的调用方式，便于判断这类非生成式输出能否接入现有服务。
AWS 宣布 Claude Fable 5.2 与 Claude Mythos 5.2 已在 Amazon Bedrock 和 Claude Platform on AWS 上可用。
推荐理由：文中给出了 Fable 5.2 在编码与科研任务上的定位、数据保留要求与 Bedrock 调用方式，便于评估迁移成本。
Mistral 发布旗舰模型 Mistral Large 4（Le Chonk）的开源权重，这是一款 1 万亿参数的原生多模态模型，本月早些时候已进入公开预览。
推荐理由：原文给出与 GLM-5.3 等开源模型在编码基准和 token 效率上的对比，便于判断自托管旗舰模型的实际成本。
Google 研究者提出睡眠框架，让 LLM 在活跃交互与离线记忆巩固之间交替，把短期上下文写入长期参数。该框架在 BABILong 上将长上下文理解扩展至 10M tokens，在 SQuAD 与持续预训练上分别取得 48.9% 和 46.2%，并在 AIME 24/25 与 HMMT 25 上达到 79.2%、69.0% 和 46.1%。
推荐理由：Google 研究者提出睡眠框架，用记忆巩固与梦境自改进两阶段让 LLM 持续学习而不遗忘旧知识。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明高维对数凹分布下平面切割与任意形状切割的差距可由与维度无关的常数界定。研究采用人类主导的智能体搜索流程，探索了 100 多条候选路径，由研究者筛选并递归应用新判据，最终在 2026 年 10 月 4 日版本中完成证明。同期另有独立团队给出完整证明，并有 Lean 4 形式化验证发布。
推荐理由：读者可看到人机协作如何被拆成可复用的搜索与筛选流程，以及独立证明与 Lean 形式化如何构成交叉验证。
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go、C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比同机最快 zkVM 快 10 到 39 倍。
推荐理由：Magnetar 仅依赖标准哈希函数就把 zkVM 证明速度提升 10 到 39 倍，可据此比较通用性与安全假设之间的取舍。
Mistral 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重计划本月底发布。
推荐理由：Mistral 公布 1 万亿参数原生多模态模型 ML4 的预览与开放权重计划，并给出编码、智能体与网络安全基准对比。
OpenAI 发文解释在 GPT-5 发布后为何推荐用 Responses API 集成模型，称其为推理模型和智能体场景专门设计。文章称 Responses 在轮次间保留推理状态，GPT-5 通过 Responses 调用在 TAUBench 上比 Chat Completions 高 5%，内部基准显示缓存利用率提升 40–80%。
推荐理由：OpenAI 官方解释 Responses API 的设计取舍，读者可据此理解推理模型时代 API 为何从对话式转向有状态智能体循环。