Anthropic 的 Claude Sonnet 5.5 在 ARC-AGI-3 上拿到 72.4%
Anthropic 的 Sonnet 5.5 在 ARC-AGI-3 上拿了 72.4%，这个基准一直很难，数据里还给了不同 harness 的对比和每任务成本，做评测的可以看看。
#推理模型
共 1987 条 · 7 天 188 条 · 30 天 658 条 · 话题观测 →
信息流里打上「推理模型」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月22日
AA-PersonalityBench 发布：Grok 4.7 阿谀度最低，Meta 模型普遍偏高
新基准专门测模型多爱顺着你说，Llama 4 Maverick 97 分、Grok 4.7 最低，Claude 全系都偏低，想挑一款不谄媚的模型可以看看这份排名。
vLLM 上线 Recursive SI 的 Flint Day-0 支持：40B 参数仅 2.5B 激活
vLLM 第一天就支持了 Recursive SI 的 Flint，40B 混合专家模型，单张 GB200 跑出 500 TPS，还支持 100K 长上下文。
10月21日
MLCR-AA 排行榜更新：Claude Sonnet 5.5 与 GPT-6 Astra 并列第一
病历审阅榜单更新了，Anthropic 家模型答得最完整，OpenAI 家最不容易瞎编，两大阵营各有强项，开源的 Qwen 也上榜了。
OpenAI 筹备 Terra 家族中端低价模型，与 Anthropic 打价格战
OpenAI 要出 Terra 家族里更便宜的中端模型，明摆着冲 Anthropic 的定价来的，做开发选型的可以留意下价格对比。
DeepSeek DeepInfer 开源：单集群日处理 155 万亿 token，毛利率约 80%
DeepSeek 把自家生产级推理系统开源了，一天 155 万亿 token、80% 毛利，做推理服务的都该看看这套架构。
对 DeepInfer 发布的一条客观批评：异构优化缺位
有人扒 DeepInfer 的短板：不做异构优化，但有 3FS 和 Dynamo 兜底，还说 4 千张 GB200 就能追平 DeepSeek 吞吐。
分析称 2026 上半年 SoTA 大模型可盈利地以约 $0 输出价服务
有人在 Whale 仓库里挖出线索：下一代 SoTA 模型 100 万上下文输出才 $0.2 还能盈利，信息只发在微信里，看看推理过程。
DeepSeek V4 的 KV 缓存经济性引发与 GPT 的对比讨论
有人在对比 DeepSeek V4 和 GPT 的 KV 缓存开销，GPT 那 272K 压缩上限被吐槽了，搞推理部署的可以看看这段讨论。
论文09:46
Scaling Law 的理论基础：一份三步推导的技术笔记想搞懂 Scaling Law 为什么长那样的人看这篇：它把损失下降拆成几何、谱、优化三步推导，emergence 和 grokking 也讲清楚了。
Google 开发代号 Gemini 4 Carbon 的新模型，接续 Argon
Google 又憋了个 Gemini 4 Carbon，要在刚发的 Argon 上再升级，和 Anthropic、OpenAI 掰手腕，可以看看细节。
DeepSeek 推理集群日处理 155 万亿 token，GPU 时收入 38 美元
DeepSeek 把推理集群的账本公开了：日处理 155 万亿 token，GPU 时收入 38 美元，算下来毛利约 82%，这数字值得看看。
Intelligence Index 分数对应的成本快速下降：达 30 分比 5 个月前便宜 86 倍
想看模型价格怎么崩的可以看这篇：同个智能水平，GPT-6 Luna 只要 0.03 美元一任务，5 个月前 Claude Sonnet 4.6 要 2.49 美元。
10月20日
DeepSeek V4.1 Flash 1017 在进攻性网络安全任务中击败 GPT 6 Sol
DeepSeek 新版 V4.1 Flash 1017 在多步网络安全任务上跑赢了开 Daybreak 的 GPT 6 Sol，测试帖细节可以看看。
GPT-6.5 疑似官宣：据称 11 月 1 日上午 10 点（旧金山时间）发布
Tibo 网站倒计时显示 11 月 1 日 10 点，疑似 GPT-6.5 要来了，OpenAI 还没官宣，先当传闻看。
1017 在 WeirdML 上不及 Sol-xhigh，仅与 Grok 4.7 持平
1017 和 Sol-xhigh、Grok 4.7 在 WeirdML 上的横向对比来了，还聊了 tokens 消耗和 Codex 表现，评测党可以看看。
推算 DeepSeek 用 3000 块 Blackwell GPU 月可产出约 165T token
有人算了笔账：DeepSeek 手里 3000 块 Blackwell 每月能吐 165T token，够喂几个 RL 集群，推算过程挺有意思。
The Information：Anthropic 未发布新模型可从稀疏指令推断用户目标
Anthropic 被曝有个没发布的新模型，你不把需求说全它也能猜出你想要啥，来源是 The Information。
OpenAI 疑似准备发布 GPT-6.1 Terra 模型
有人扒到 Microsoft 的评估配置里出现了 GPT-6.1 Terra 的代号，The Information 之前也报道过这个模型，看来 OpenAI 确实在憋新货。
DeepSeek 开源推理引擎 DeepInfer，基于 vLLM 构建
DeepSeek 把自家的推理引擎 DeepInfer 开源了，还是基于 vLLM 做的，做推理部署的同学可以看看它有什么新思路。
MiniMax 正式发布 M3.1 Flash，价格 $0.15/$0.60 每百万 token
之前藏着测试的 Space Bunny 现身了，就是 MiniMax 的 M3.1 Flash，$0.15 一百万 token 的输入价很激进，权重 23 号开放，想本地跑的可以等等。
DeepSeek-V4.1-Flash-1017 登顶 Agent Arena 开源榜，总榜第 11
DeepSeek 这版新模型把 Agent Arena 的开源第一拿下了，任务成功率和 Bash 执行可靠性都是开源第一，单任务成本才 1 块多人民币。
IT之家原文
opensi.lol 源码现"6.5"字样，GPT-6.5 或于倒计时节点发布
有人扒出 OpenAI 新站的源码里藏着 6.5 和倒计时，猜测 GPT-6.5 要来了，不过文中时间对不上，看看就好别全信。
