#推理模型

DeepSeek 更新了 V4.1-Flash，DeepSWE 跑到 77.0 分，速度更快输出更短，还把 Search API 开放出来了，可以试试。

官方一手marktechpost@Asif Razzaq4 个信源在谈原文

DeepSeek 新出的 V4.1-Flash-1017 是开源的，DeepSWE 1.1 跑分 77%，把 GPT-5.6 Sol 和 Opus 5 都比下去了，价格还便宜。

TestingCatalog@testingcatalog10 个信源在谈原文

DeepSeek 要给 CoT 瘦身了，有人预判服务器要被挤爆，其他国内实验室可能跟不上，看看他怎么说的。

Teortaxes@teortaxesTex原文

博主实测说 DeepSeek 4.1-1017 打平 Opus 5，还压过 GLM5.3 和 GPT-5.6 Sol，国产模型又卷起来了。

kimmonismus@kimmonismus6 个信源在谈原文

DeepSeek 给 V4.1-Flash 做了次小更新，推理、编程、看图都变强，跑任务还更快更省 token，开源党可以关注下。

Teortaxes@teortaxesTex10 个信源在谈原文

Anthropic 让 Claude 自己设计量子电路，8 类任务都赢了已发表的最优方案，有任务直接省到 12 分之一的成本，玩法挺有意思。

三段视频实拍对比，Opus 零样本就画出 nacre fan，DeepSeek 几轮都没跟上，想看模型审美差距的直接看

Teortaxes@teortaxesTex11 个信源在谈原文

谷歌把 Gemini 4 发出来了，还限时半价，想试试新模型的可以趁便宜接入玩玩。

量子位@henry11 个信源在谈原文

AMD 卡跑 Kimi K3 吞吐反超 NVIDIA B300 四分之一，每美元 token 还多 87%，文中还有 vLLM 瓶颈排查套路，自己搭推理服务的可以看看。

官方账号vLLM@vllm_project11 个信源在谈原文

有人围观模型啃一道数学难题，看到它算出 1e-6 概率的结果后惊呼是真发现，过程很有意思。

kimmonismus@kimmonismus原文

本周 Arena 榜单更新，Gemini 4 Argon 升到第 5，小米 MiMo 拿下开源第一，Meta 的 Muse Wonder 一上榜就冲到第 2，还有省钱 37% 的新路由器。

lmarena.ai@lmarena_ai原文

哈佛研究员拿 Claude 做量子电路设计，8 个任务里多数赢了人类纪录，写法是让模型写代码再让评估器打分迭代。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Anthropic 让 Claude Mythos 5 只凭文字描述就设计出比已发表最优方案好一个数量级的量子电路，搞量子和算法的可以看看细节。

官方账号Anthropic@AnthropicAI11 个信源在谈原文

黄仁勋说 AI 从背答案转向试方案，每一步推理都烧 GPU，所以才要十亿倍算力，逻辑挺清楚。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Liquid AI 出了个 d1-ultra 决策模型，输入文本图片一次前向就吐校准概率，AA 指标 65 分，每百万 token 只要 0.042 美元。

官方一手marktechpost@Asif Razzaq3 个信源在谈原文

MIT 测了 OpenAI 模型做数学物理经济理论题的能力，16 个月成功率从 3% 涨到 35%，一次成功要花约 15 美元，还说验证成了新难题。

官方账号MIT CSAIL@MIT_CSAIL11 个信源在谈原文

Google 新模型 ARC-AGI-3 拿了 97.5%，仅次于 OpenAI，但换个测试环境直接掉到 49.8%，数学和写代码还被对手压着，这篇把两面都讲了。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

Gemini 4 Argon 刚拿下 WANDR 纪录，用 Perplexity Pro 或 Max 的话现在就能切换体验，可以去试试搜索效果差多少。

官方账号Perplexity@perplexity_ai原文

Reflection 的第一个开源模型 Beam 出来了，501B 参数只激活 23B，跑分超过 NVIDIA 和 K2 Horizon，但幻觉率有点高，终端任务也比较弱。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Mistral 晒出自家 Large 4 在 Ulam 家 STEMBench 上工程和天文题的成绩，做 STEM 任务的可以看看这个榜单。

官方账号Mistral AI@MistralAI原文

AK 转发的新论文《Hybrid Reasoning Agents》，讲混合推理怎么做智能体，做 agent 研究的可以翻原文看看思路。

AK@_akhaliq原文

做模型蒸馏前值得搞清楚的一点：你只能拿到 logits，拿不到思维链，所以蒸馏推理模型效果会打折扣。

Teortaxes@teortaxesTex原文

微软自研基模 MAI-Base-2 训完了，2.8T 总参数，算力效率是 DeepSeek-V4-Pro-Base 的 4~12 倍，还放出了训练细节。