#推理模型
MiniMax 新的 M3.1 Flash 得分涨 13 分还便宜一半，编程基准跟 DeepSeek V4.1 Flash 打平，选模型前可以看看这组数据。
两条未证实的传闻：Google 在搞 Gemini 4 Carbon 升级 Argon，OpenAI 要发比 GPT-6.1 Sol 便宜的 Terra，看看就好。
Inception 的扩散模型 Mercury 3 登陆 OpenRouter 了，每秒能吐 1000 多 token，上下文 100 万，官方说跑分压过 GPT-6 Luna 和 Haiku 5.5，现在还是半价。
Stefano Ermon 团队的扩散语言模型 Mercury 3 上线了，号称质量超 GPT-6 Luna，速度还能跑到每秒 1000+ token，在 OpenRouter 就能试。
Reflection AI 的 Beam 1.0 在 ARC-AGI-2 拿了 23.5%，每任务才 $0.61，还公开了高低推理档的成本差，价格党可以看看。
DeepSeek 更新了 V4.1 Flash，智能指数涨到 45 分，追平 GLM-5.3 成开源第二，幻觉还少了好多，价格没变。
MiniMax 新的 Flash 推理模型，跑分追平 GLM-5.3-Flash，单任务成本只要两毛二美元，比上代便宜一半多，10 月 23 号还开源权重。
The Information 说 Anthropic 这个月要发新模型，亮点是能猜出你没说出口的意图、建议不那么套路，同期 Gemini 4 Carbon 和 OpenAI 的 Terra 也排队登场。
Nace AI 出了个 Drex Max，看截图就能做决策，34 毫秒一次，Mind2Web 跑到 88.3%，做浏览器智能体的可以试试。
MiniMax 又上新了：M3.1 Flash，1M 上下文，输入才 $0.15/百万 token，跑智能体成本很低，10 月 23 日还会开源权重。
MiniMax 把 M3.1 Flash 做到 M3 三分之一价格、三倍速度，编程和视觉推理基准都好看，权重 10 月 23 日就开源，可以关注下性价比。
MiniMax 把 M3.1 Flash 匿名挂在 OpenRouter 上跑了 10 天，用量登顶才揭晓身份，现在免费 72 小时，可以直接去试试。
MiniMax 出了个新模型 M3.1 Flash，专攻代码库工程和视觉推理，vLLM 发布当天就能跑，还带 NVFP4 量化和推测解码，部署党可以看看。
MiniMax 出了 M3.1 Flash，价格是 M3 的三分之一，速度快 3 倍，跑分接近旗舰水平，10 月 23 日还会开源权重。
Transformers 作者本人说模型讲故事会"替玩家全知"，NPC 反应错乱，还聊到为什么教学难用 RL 训练，观点挺扎心。
讨论各家推理模型 CoT 越写越长的问题，作者点名 OpenAI 的 token 消耗比 DeepSeek 还夸张，关注 API 成本的可以看看。
DeepSeek 新的 V4.1 Flash 1017 在 Together AI 能直接用了，专攻从零写完整 Web 应用和游戏，价格没涨，写代码的可以试试。
DeepSeek 新版 V4.1-Flash-1017 的第三方点评来了：幻觉控制最好，但知识和 LCR 倒退，还被 Sol 压着打。
DeepSeek 周六悄悄上了个 Flash 档模型，先别急着下结论，等 Artificial Analysis 和 ARC 这些评测跑完再说。
搞路由和分类的可以看看，D3 六个尺寸都有现成 vLLM 配方，27B 在 MI325X 上吞吐快 1.8 倍，还能跑图片和视频打分。
arXiv 上一篇新论文，提出 SRCoT 闭环架构，让本地跑的小模型输出每句话都能溯源到证据，代码思路值得借鉴。
这篇论文针对 GRPO 对同奖励响应一视同仁的问题，用生成熵给对错响应加不同权重的修正项，Qwen2.5-7B 上 avg@32 从 41.5% 提到 45.4%。
一篇挺有意思的论文：发现同一个模型反复算也不算独立证据，提出 DIA 用几个不同模型盲投仲裁，MuSiQue 上涨 7 个点，token 还省一半。
这篇论文发现把约束写进模型自己的思维链里比写在提示里管用得多，做提示词工程或关注 CoT 监控安全的都该看看，尤其是最后那个规避监控的实验。
测试时多采样加验证器很常用，但预算怎么分全靠拍脑袋。这篇论文给出 SPLIT，用小试点数据算出接近最优的分配方案，还公开了 26 个模型上的实测结果。
bindureddy 说 DeepSeek Flash 比 Luna 慢 2 倍，快问答场景基本没法用，他觉得开源模型缺的是速度不是能力。
StepFun 把 Step 5 Preview 权重放出来了，还约了 Together Compute 在旧金山办线下发布夜，能现场看模型演示，做 AI 创业的朋友可以去报名。
微软把训练账本公开了：1.6万张卡、38天、2.8T token 就出一个新基座，想知道大厂训练节奏的可以看看。
Taste-Bench 这个新基准挺有意思，连最强的 GPT-5.6 Sol 简单二选一都做不对六成，还证明了让模型多想一会儿也没用。