跳到正文
SuperIntelligence
只看模型#推理
  1. The Decoder78

    Gemini 4 Argon 在 ARC-AGI-3 基准测试中的表现分析

    Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 基准测试中使用 Provider Adapter Harness 获得 97.5% 的分数，成为继 OpenAI 之后第二家突破 95% 的 AI 实验室。

    推荐理由：原文对比了不同测试环境下的分数差异，并指出模型在数学和软件工程领域的相对短板。

  1. Hugging Face Blog65

    Apertus 1.5 发布：支持图像音频理解、思考模式及 262k 长上下文

    Apertus 1.5 在 8B 和 70B 版本中新增图像与音频理解、可选思考模式，并将上下文窗口扩展至 262,144 tokens。该模型基于 Apertus 1.0 进行持续预训练，采用早期融合架构处理多模态数据，并在指令遵循与工具调用能力上有所提升。项目以 Apache 2.0 许可证开源权重、数据及训练细节，同时发布了符合 EEE 标准的评估卡片以增强透明度。

    推荐理由：Apertus 1.5 通过持续预训练引入原生多模态与思考模式，并公开全链路训练细节，为复现和评估提供了完整依据。

  1. Google DeepMind97

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 正式发布前沿模型 Gemini 4 Argon，面向开发者、企业及消费者开放 API 及订阅服务。该模型在编码、金融、法律、网络安全和科学等领域表现突出，在 Vals Index 中排名第一，并具备 1M token 的上下文窗口。

    推荐理由：原文详述了该模型在代码重构、科学发现及安全防御中的具体性能提升与落地案例，展示了其处理复杂长程任务的实际能力。

  1. IT之家78

    Meta 发布 Muse Wonder 系列旗舰 AI 模型

    Meta 发布 Muse Wonder 与 Muse Wonder Full 两款旗舰 AI 模型，宣称在推理、写作与代码能力上接近 Anthropic 顶尖模型。

    推荐理由：原文披露了 Muse Wonder 系列模型的定位、性能对标及开放策略，读者可据此评估 Meta 在前沿 AI 竞赛中的最新进展。

  1. Mistral AI84

    Mistral AI 发布 Mistral Large 4 预览版

    Mistral AI 推出 Mistral Large 4（ML4）公开预览版，这是一款拥有 1 万亿参数、490 亿激活参数的原生多模态开放权重模型。该模型在欧洲数据中心使用 NVIDIA Grace Blackwell GPU 从零开始训练，在编码、智能体工作流及网络安全等领域表现卓越，部分指标超越闭源前沿模型。权重将于本月底发布，目前可通过 Mistral Studio 试用 API。

    推荐理由：Mistral Large 4 以开放权重形式提供前沿性能，其欧洲本土训练背景为寻求数据主权的用户提供了新选择。

  2. The Decoder82

    Reflection 发布开源模型 Beam，主打低算力高性能

    AI 公司 Reflection 发布首个开源权重模型 Beam，旨在以最小算力实现强性能，直接对标 DeepSeek 和 Qwen 等中国开源模型。该 MoE 架构模型总参数 501B，每 token 激活 23B，专注于编码、逻辑推理和 Agent 任务。

    推荐理由：原文给出了新开源模型在低算力下匹配主流模型性能的具体基准数据与训练细节，读者可据此评估其成本效益。

  1. Google DeepMind94

    Google DeepMind 发布 Gemini 4 Argon：面向复杂工作流的前沿智能体模型

    Google DeepMind 正式宣布推出新前沿模型 Gemini 4 Argon，该模型旨在通过深度推理处理复杂的长周期工作流，目前正通过 Fairwind Program 向受信任的网络安全防御者逐步开放。

    推荐理由：原文披露了 Gemini 4 Argon 在长上下文、软件工程及网络安全防御上的具体基准数据与分阶段开放策略，为评估前沿模型的实际落地能力提供了关键参考。

  1. Anthropic Claude.dev 开发者博客82

    Anthropic 发布 Claude Sonnet 5.5：速度提升 30%，默认开启思考模式

    Anthropic 发布 Claude Sonnet 5.5，作为 Claude 5.5 系列的第二款模型，其速度比 Sonnet 5 快 30%，且因通常消耗更少 token，实际成本降低最多 30%。

    推荐理由：原文详细列出了从 Sonnet 5 迁移到 5.5 的五个破坏性变更及 API 参数调整，开发者可据此快速评估升级成本与兼容性风险。

  1. Anthropic65

    Anthropic 发布新动态

    Anthropic 通过其官方 X 账号 @AnthropicAI 发布了一条新动态。该消息由官方直接发出，具体细节需参考原文内容。

    推荐理由：官方账号发布的新动态，读者可据此了解 Anthropic 最新的产品或功能变化。

已经到底了