搜索
Redwood Research发现GPT-6 Astra能将题目后的空白Token当作思考空间，在四跳推理测试中准确率从约10%升至50%、旧AIME题从约60%升至约90%，这一现象引发对AI思维链监控有效性的担忧。
今天，蚂蚁百灵大模型发布Ring-2.6-1T。这是一款面向真实复杂任务场景的万亿级思考模型，目前已上线OpenRouter，并开放限时一周免费体验，后续将正式开源。Ring-2.6-1T加入了可调节的Reasoning Effort机制。开发者可以在high和xhigh两种推理强度之间选择：high面向Agent、Coding、多步工具调用等高频任务
本次发布的核心——AIMesh，正是这场架构创新的集大成者。 它被定义为面向「AI工厂」的数据与内存网，核心思路是用一套「三网合一」的柔性网络，替代传统僵化的存储架构。
半成品模型，已经刷下高难度数学推理测试AIME 25满分战绩。
当前的训练与评测范式存在一个根本性的局限：几乎所有主流 Benchmark（如 MATH500、AIME）都聚焦于孤立的单步问题，问题之间相互独立，模型只需「回答一个问题，然后结束」。但真实世界的推理场景往往截然不同： 为填补这一空白，复旦大学与美团 LongCat Team 联合推出 R-HORIZON—— 首个系统性评估与增强 LRMs 长链推理能力的方法与基准。
新一代旗舰模型Qwen3-Max带着满分成绩，正式地来了——国产大模型首次在AIME25和HMMT这两个数学评测榜单拿下100分！和前不久Qwen3-Max-Preview一致，参数量依旧是超万亿的规模。
AI是否会在5年内破解黎曼猜想？是否会保持每年5x的算力扩张节奏？十年后，AI将把我们带向一个什么样的世界？近日，Epoch AI负责人Jaime Sevilla，与数据与分析负责人Yafah Edelman在对话中，为我们揭示了未来十年AI发展的路线图。
Qwen下一代模型架构，抢先来袭！ Qwen3-Next发布，Qwen团队负责人林俊旸说，这就是Qwen3.5的抢先预览版。 基于Qwen3-Next，团队先开源了Qwen3-Next-80B-A3B-Base。
DeepConf由Meta AI与加州大学圣地亚哥分校提出，核心思路是让大模型在推理过程中实时监控置信度，低置信度路径被动态淘汰，高置信度路径则加权投票，从而兼顾准确率与效率。在AIME 2025上，它首次让开源模型无需外部工具便实现99.9%正确率，同时削减85%生成token。
三天不开源，Qwen团队手就痒。 昨天深夜再次放出两个端侧模型： Qwen3-4B-Instruct-2507：非推理模型，大幅提升通用能力 Qwen3-4B-Thinking-2507：高级推理模型，专为专家级任务设计