搜索“推理”

Chollet称仅靠自回归采样无法解决物理任务

2026年10月14日,François Chollet 提出判断,认为仅靠自回归采样无法解决真实世界物理任务。他表示,物理世界对模型幻觉和近似模式匹配毫不宽容;要实现真正的自主机器人,必须把因果性和离散推理重新工程化进循环中。他同时称赞 Biwei 与 Aether AI 团队正在做的正是这类基础性、非共识的工作。目前该判断仅有其本人这一来源的表述,尚无后续发展事实。

Tensormesh 发布 KV 缓存管理平台

2026 年 10 月 14 日,Tensormesh 发布 Tensormesh Platform,为企业自建 LLM 推理提供 KV 缓存管理,跨 GPU 内存、CPU 内存和存储复用推理状态,以减少重复的 prompt 处理。该平台基于其开源项目 LMCache,提供安全、可观测性、弹性、策略管理和多租户五项能力,并支持 pin、定位、移动、压缩和清除缓存条目的 controller API。报道还提到,其 CacheBlend 技术在 EuroSys 2025 论文中报告首 token 时间快 2.2–3.3 倍、吞吐量高 2.8–5 倍。目前尚无后续发展事实。

Reactor获NVIDIA与Sapphire Ventures追加融资

Reactor获得NVIDIA与Sapphire Ventures的A轮追加轮融资。据钛媒体·AGI报道,该公司正构建面向实时交互式视频与世界模型的推理基础设施,开发者可通过统一SDK和API以60FPS以上帧率、低于40毫秒延迟运行模型。报道称其累计融资达7400万美元,最新一轮由NVIDIA与Sapphire Ventures追加投资。其平台已汇集多款可实时运行的视频与世界模型,并在好莱坞制片厂、广告平台等媒体娱乐场景推进活跃项目。目前尚无后续发展事实。

Intel公布Crescent Island规格并命名GPU D-Series

2026年10月13日,Intel公布原代号Crescent Island的AI推理GPU详细规格,并将其命名为Intel GPU D-Series。据The Elec报道,该系列是首个采用Intel最新Xe3P GPU架构的产品线,首款型号D270采用风冷设计和PCIe 5.0接口,无需专用机架或液冷即可装入数据中心,配备32个Xe3P核心和256个矩阵引擎,FP8算力1.3 petaFLOPS,功耗350瓦,支持160GB至480GB LPDDR5X内存,单卡可运行最高3000亿参数模型,八卡系统可支持最高1万亿参数模型,目前正向客户提供验证样品。SiliconANGLE报道称,Intel在OCP全球峰会上主张推理而非训练将定义企业AI经济,并给出1.5 TB/s内存带宽等规格。Intel同时推出面向智能体AI、符合OCP ORV3标准的机架设计,基于Xeon 6+的配置功耗为133.45 kW。

Anthropic 警告小型 AI 模型或将在 IoT 设备上自我复制

Anthropic 警告,小型 AI 模型可能在数月后具备在商用物联网设备上自我复制的能力,从而形成不依赖数据中心的分布式 AI 负载网络。相关实验显示,Qwen3.5-9B 在九种硬件中的八种成功安装并配置运行 Llama3.1-8B 所需软件;GLM-5.2 在五次试验中有四次触达受控模拟网络的全部八个节点。保留此前尝试数据后,Qwen3.5-9B 的成功率从早期 45% 升至后期 84%。研究未演示完全自主的自复制 AI 蠕虫,但 Anthropic 预测,300 亿参数及以下的模型可能在 2026 年底达到所需能力。目前,在测试硬件上完成推理部署需 28 至 51 小时(Qwen3.5-9B)或 71 至 150 小时(Gemma4-26B-A4B)。另有报道称,Anthropic 本周发布博客称小型模型可能“数月内”获得自复制能力,并呼吁加强联网设备安全。

Sarvam AI 推出 Bulbul V4 Flash 文本转语音模型

2026年10月13日,Sarvam AI 推出面向印度语言的文本转语音模型 Bulbul V4 Flash。据其官方博客,该模型在生产环境下首音频延迟低于 250 毫秒,定价为每 10,000 字符 20 卢比,比 Bulbul V3 的 30 卢比便宜三分之一;模型基于 V4 研究蒸馏而来,训练数据超过 4000 亿音频 token,语音库规模较 V3 扩大近七倍,并针对实时对话优化了推理栈。10月14日,Analytics India Magazine 报道称,该模型支持 11 种语言,提供 83 种音色和 224 种音色与风格组合,在可比负载下比 V3 快最多 40%,已通过 Sarvam API、Playground 和 Content Studio 开放,现有 Bulbul 用户可经原 API 迁移;Sarvam 还预览了主打情感表达的 Bulbul V4 Pro,但未公布发布时间与价格。目前该模型已开放使用。

indigo 称 Gemini 4 Argon 追平第一梯队但未超越

2026年10月14日,indigo 发布实测文章,提出判断:Gemini 4 Argon 让 Google 的模型重新追上了第一梯队,但没有超越对手。文章称,应用 Antigravity(Harness)落后对手半年到一年,拖累了模型表现。编程方面,从零搭应用又快又好,低推理档即可达到 Opus 5.5 水平,但审查自己代码敷衍、改造复杂老代码库很弱,Vibe Check 得分 21%,Claude 和 GPT-6 在 81%–85%。写作一次成篇可读性约 10.6 年级,其他前沿模型在七到八年级,但作为编辑伙伴梳理结构、打磨比喻很出色;设计排名第二仅次于 Opus 5.5;知识工作分析和提炼洞察强,处理多文件会丢细节、查事实会自信答错。文章还提到官方已预告自动安全分类器、云端执行和 max 推理档位。

Physical Intelligence 的 Pi API 进入 beta

2026年10月14日,Physical Intelligence 宣布 Pi API 进入测试版,向更多团队开放。据官方说明,该 API 支持上传机器人数据、微调其能力最强的模型,并把机器人接入云端推理,基础设施由官方负责。官方同时表示,此前该公司已与多个行业的企业合作,将模型适配到从采摘草莓到组装服务器的各类机器人上。目前该 API 处于测试版阶段,官方邀请团队通过链接加入测试版。

Gemini 4 Argon 在 Gemini 应用中上线

2026年10月13日,Gemini 4 Argon 在 Gemini 应用中上线。据 Google Blog 介绍,该模型主打前沿推理和复杂任务性能提升,回答更直接、少重复、少套话,长任务中会更频繁地同步进度;编码能力也有明显改进,Google Antigravity 的智能体编码界面已直接进入 Gemini macOS 应用,主聊天窗口新增 chat 到 tasks 的切换开关,任务模式下 Gemini 可在用户离开电脑时继续工作。Gemini 目前接入超过 40 个应用,包括 Instacart、OpenTable、Adobe 和 Shopify。10月14日,Gemini 宣布 Gemini 4 Argon 能把视频或摄像头画面重新想象成可演奏的合成器,用户可在 Canvas 中快速搭建交互式音频应用,设定氛围后把摄像头当作乐器来演奏。

Artificial Analysis 发布 Decision Index v1.0

2026年10月13日,Artificial Analysis 发布 Decision Index v1.0,用于评测决策模型在分类、工具调用、知识、幻觉与推理上的表现。该指数包含四项评测:由 AA-Omniscience 改编的 500 道私有题、HLE 的 513 道文本多选题、NVIDIA 工具调用评测以及 Ai2 安全分类测试集。据其公布结果,Jev 1.13 以 58 分居首,GLiDE 与 Microsoft-Decision-1 均为 54 分;Decider v1.1 27B 每百万任务成本最低,为 17 美元,Celeris-1 Decision 每任务 0.06 秒最快。该方同时表示,决策模型比 LLM 更快更便宜,但知识与推理落后。目前尚无后续发展事实。

Anthropic称在降低Claude蒸馏攻击有效性上取得进展

Anthropic宣布在降低针对Claude的蒸馏攻击有效性方面取得进展。蒸馏攻击指通过大量调用模型输出,反向训练出能力接近的仿制模型。据其发布的博客,早期证据显示这些防御方法使蒸馏者获取的数据量减少约90%至99%。防御从三方面入手:通过preserved thinking限制新API账号编辑Claude的先前上下文;用两阶段分类器拦截推理提取尝试,误报率低于0.1%;对反复尝试提取的账号施加更严格限额并封禁。Anthropic称在最强通用模型上,该分类器已能捕获其9月报告中描述的全部蒸馏手法,提取的推理token数比此前低10至100倍。Anthropic也承认,preserved thinking要求部分开发者更新集成,且会对被拦截请求收费。

腾讯混元发布并开源 Hy3 preview 语言模型

腾讯混元发布并开源 Hy3 preview 语言模型。据官方信息,该模型为快慢思考融合的混合专家模型,总参数 295B,激活参数 21B,最大支持 256K 上下文长度,官方称其为重建后训练的第一个模型,在复杂推理、指令遵循、上下文学习、代码和智能体等方向有大幅提升。模型已在元宝、CodeBuddy、WorkBuddy、QQ、ima、QQ浏览器、腾讯文档、腾讯乐享上线,并支持 OpenClaw、OpenCode、KiloCode 等开源智能体产品;已在 GitHub、Hugging Face、ModelScope 开源,腾讯云推出 API 价格和 Token Plan,个人版最低 28 元/月。官方同时提到工具调用错误恢复能力不足、对推理超参数敏感等已知问题。目前尚无后续发展事实。

InternLM 发布 STAR-Bench 仓库与主页

2026年10月14日,InternLM 发布 STAR-Bench 仓库与主页。据同一发布信息,STAR-Bench 是用于衡量音频 4D 智能(对声音在时间与 3D 空间中动态变化的推理)的基准,v1.0 已上线 HuggingFace,相比 v0.5 修订了空间任务问答。该基准包含基础声学感知(绝对与相对两种设定下的六项属性)和整体时空推理(连续与离散过程的片段重排,以及静态定位、多源关系、动态轨迹等空间任务)。评估支持 Qwen2.5-Omni、Kimi-Audio、Phi4-MM、Gemini、GPT-4o Audio 等模型,数据与代码仅限研究用途。目前没有进一步的有证据发展。

InternLM 发布 ETCHR 训练与评测代码

2026年5月24日,InternLM 发布 ETCHR(Editing To Clarify and Harness Reasoning)的训练与评测代码。据其原创项目介绍,ETCHR 是一个以问题为条件、具备推理感知能力的图像编辑器,作为多模态大语言模型(MLLM)的解耦式视觉推理助手,可即插即用地辅助 Qwen3-VL-8B、Gemini-3.1-Flash-Lite、Kimi K2.5 等下游模型而无需微调。其 Edit-Verify-Reason 推理机制在验证失败时回退原图,在细粒度感知、图表理解、逻辑推理、拼图还原和 3D 理解五类任务上均提升 Pass@1 准确率。项目已开源 ETCHR-FLUX.2-klein-9B 模型、SFT-400K 与 GRPO-10K 数据集及 DL3DV-2K 基准,基于 FLUX.2-klein-base-9B,遵循 FLUX 非商用许可。目前尚无后续发展事实。

InternLM 推出 35B 基础模型 Intern-S2-Mobius

2026年10月,InternLM 推出 35B 基础模型 Intern-S2-Mobius。该模型基于 Mobius-v0 架构,由 Xtuner 和 LMDeploy 实现,将知识存储与推理计算解耦,以全局共享 Memory 替代逐层绑定的 FFN 知识存储,并让多个 Reasoner 迭代查询和精炼隐状态,具备 Backward Residual Connection 与 Dynamic Latent Reasoning 两项能力。模型由 Qwen3.5-35B 继续预训练,并经 SFT 和 RL 后训练。技术报告称其端到端推理效率提升近 4 倍,在推理基准上得分与 Qwen3.5-35B 相当或更强,同时推理链更短、请求吞吐更高,在 Biology-Instructions、Mol-Instructions、MolecularIQ 等科学任务上有较大提升。模型以 bfloat16 权重格式发布,支持 LMDeploy、Transformers、vLLM、SGLang 部署,推荐使用 MTP 投机解码。目前尚无后续发展事实。

InternLM 发布流式空间智能基准 OVO-S-Bench

2026年10月14日,InternLM 发布面向多模态 LLM 流式空间智能的基准 OVO-S-Bench。据其官方项目介绍,该基准为全人工标注,包含 348 个源视频上的 1,680 道题,按瞬时自我中心感知、时空上下文追踪、空间模拟推理、异我中心建图四个层级划分。在 38 个闭源与开源 MLLM 上的评测显示,Gemini-3.1-Pro 以 59.2 分落后人类专家 86.6 分 27 分,异我中心建图被指为主要瓶颈;流式与空间微调模型反而不及自身基座,无流依据的思维链推理会放大空间错误。目前尚无后续发展事实。

InternLM 介绍 Intern-S2-397B 多模态基础模型

2026年10月13日,InternLM 发布并介绍 Intern-S2-397B 及其预览版 Intern-S2-Preview-397B、Intern-S2-Preview-35B 等科学多模态基础模型,覆盖预训练、强化学习任务与长程智能体三个方向。其中 Intern-S2-Preview-35B 基于 Qwen3.5 继续预训练,仅用 35B 参数在多个核心专业科学任务上达到万亿级 Intern-S1-Pro 的相当水平,并采用共享权重 MTP 与 CoT 压缩提升推理效率。系列模型支持 LMDeploy、vLLM、SGLang 部署,以 Apache 2.0 许可发布。目前尚无后续发展事实。

InternLM 发布 Intern-Decision 多模态决策模型仓库

2026年10月14日,InternLM 发布 Intern-Decision 多模态决策模型仓库。据同一来源的报道,该模型将状态、可选图像和多个带类型的问题转化为带概率的决策,支持 choice、score 和 noul(是/否)三类问题;训练时微调 Qwen3.5 的语言主干,并冻结视觉塔和投影器。Intern-Decision-4B 在七套基准上平均准确率 90.02%,在 RTX 4090 上本地平均请求延迟 44.16 ms,在 96 例校准基准上 Brier 为 0.550、ECE 为 0.089。该版本包含训练、两种推理后端、基准评分、温度校准和浏览器 demo,但训练数据、校准与验证记录、图像及模型权重未包含在内。目前尚无后续有证据的发展。

Intel公布Crescent Island规格并命名GPU D-Series

Intel 公布规格并命名 Crescent Island AI推理GPU，品牌名Intel GPU D-Series

查看事件：Intel公布Crescent Island规格并命名GPU D-Series

丘成桐牵头组建数学与人工智能实验室联盟

2026年10月11日,丘成桐数学与人工智能实验室联盟在清华大学成立,由菲尔兹奖得主丘成桐牵头,联合求真书院、丘成桐数学科学中心等八家数学研究机构组建。联盟首个实验室落地清华求真书院,未来将在北京、上海、南京、深圳、香港5地陆续组建数学人工智能实验室,并明确研发数学科学专用模型、建设AI辅助数学研究基础设施等六项重点任务。另有报道称,该联盟联合八家机构,目标建成超1000名研究者的网络,丘成桐警告中国正落后于美国;西方数学界则普遍存疑,25位菲尔兹奖得主包括Terence Tao和Peter Scholze担忧AI生成的证明侵蚀数学理解、让研究者依赖无法跟进的工具,部分人呼吁抵制AI生成证明。中国方面希望构建专用模型、可机器验证的证明以及透明的AI推理。