阶跃星辰开放 Step 5 Preview 权重，600B 稀疏 MoE 面向长程 Agent
10 月 15 日，阶跃星辰正式开放 Step 5 Preview 权重，包含 BF16 与 FP8 两个版本，并同步发布技术博客、开源开发工具及部署指南，权重已上线 Hugging Face 和 ModelScope。
推荐理由：原文披露了 Step 5 Preview 的架构与训练设计，读者可据此判断长程 Agent 在上下文管理上的工程取舍。
技术方向
推理能力 最新动态
模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
13 条精选近 30 天 11 条共收录 40 条
更新
推理能力的精选
InfoQ 中文精选AI 评分7878 Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，在笔记本上每秒证明 720 万至 870 万条处理器指令。
推荐理由：微软研究院公开 Magnetar 的设计与基准数据，可了解零知识证明在通用程序上的性能与密码学取舍。
The Decoder精选AI 评分8484 GPT-6-Astra 在 TheoPhysEval 上解出 50 道物理研究题中的 49 道，单题成本不到 3 美元
一项新基准测试让商用 AI 智能体在无人类提示下解答理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 50 题中的 49 题（98%），平均单题成本不到 3 美元，整套基准约 116 美元。
推荐理由：这份基准把日常科研计算交给商用智能体实测，并给出各模型得分与单题成本，可对照自身研究流程。
雷锋网精选AI 评分8484 上海AI实验室书生-S2助力三维Ghys猜想证明并通过Lean形式化验证
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型S2，通过人机协同完成三维Ghys猜想证明，北京大学董彬、刘若川团队用SHEAF框架完成全部四个主定理的Lean形式化验证。攻关中书生-S2完成7批接续推演，问题图从15个节点扩展到389个，输出上千页推导；形式化验证约5天、峰值100个智能体并行、产出约55万行Lean代码。相关论文已发布在arXiv，形式化代码在GitHub公开。
推荐理由：读者可看到人机协同攻关数学难题的完整流程，以及形式化验证如何为AI产出的证明提供严格检查。
爱范儿精选AI 评分8888 谷歌发布 Gemini 4 Argon，主打长程任务与低价 API
谷歌正式面向全球上线 Gemini 4 Argon，定位复杂多步骤真实世界任务，覆盖编程、金融、法律、网络安全与前沿科学等领域。API 提供 100 万统一输入输出 Token 上限，首发优惠期每百万输入 Token 2 美元、输出 10 美元，缓存输入折扣 95%，开发者可通过 AI Studio、Android Studio 与 Gemini API 接入。
推荐理由：谷歌新旗舰的定价与长程任务表现，以及未付费用户额度收紧的规则变化，是判断其可用性的关键。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在专业工作流中的落地程度。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，支持可配置推理强度、工具调用和结构化输出，提供 500K token 上下文窗口。
推荐理由：AWS 官方给出 Grok 4.7 在 Bedrock 上的实测数据，读者可据此为智能体各步骤选择推理强度并控制 token 成本。
TechCrunch · AI精选AI 评分7878 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，这是该公司首次尝试前沿模型。
推荐理由：Meta 首次发布前沿模型，给出定价、基准对比与仅限订阅的版本差异，可据此判断其市场位置。
The Decoder精选AI 评分7777 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，官方称这是其最快、最便宜的小模型，平均成本比 Haiku 4.5 低约 75%，提示词在 100,000 token 以内的请求价格最高下降 90%，超过该长度的请求价格则是五倍。
推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的跑分和每任务成本，可看出小模型降价背后的 token 消耗代价。
The Decoder精选AI 评分7676 Reflection 发布首款开源权重模型 Beam，主打低算力下的编码与推理
AI 公司 Reflection 发布首款免费开放的模型 Beam，面向编码、逻辑推理和智能体任务。
推荐理由：Reflection 首款开源权重模型 Beam 以 MoE 架构和超大规模 RL 训练换取低算力成本，读者可据此了解开源模型竞争的新路线。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界。
TechCrunch · AI精选AI 评分8282 OpenAI 发布新模型 Astra，称其为最强且最具争议的模型
OpenAI 周四发布新模型 Astra，称其是公司迄今最强、能力最全面的模型，并宣称在计算机与浏览器使用上代表新前沿。Astra 当天先向使用其网络安全项目 Daybreak 的客户开放，接下来一周将陆续登陆 Pro、Plus、Enterprise、Business 等付费方案及 API。
推荐理由：OpenAI 发布新模型 Astra，除能力宣称外还涉及不透明递归推理与可监控性下降的争议，可供读者判断能力与安全之间的取舍。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX，新增结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库适配 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断CUDA经验能否复用到非NVIDIA硬件。