Claude Opus 5.5 极速模式全面开放中国語
Anthropic 宣布 Claude Opus 5.5 极速模式结束研究预览阶段并向全体开发者全面开放，保持相同模型权重的同时将每秒输出 Token 速度提升高达 2.5 倍。
推薦理由：极速模式在保持模型原有智力水平的同时降低了输出延迟，为高频调试和智能体工作流提供了更高效的推理选项。
推論能力
すべてのトピック模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新の厳選
161〜180 件目 · 全 466 件AITNT · AI头条（网页）厳選AI スコア7676 Hacker News · AI厳選AI スコア6565 SK海力士公布下一代存储技术路线图，布局3D堆叠DRAM与高带宽闪存HBF中国語
SK hynix 在 SEDEX 2026 上公布面向 AI 推理瓶颈的下一代存储技术路线图，重点研发 3D 堆叠 DRAM 与高带宽闪存（HBF）。HBF 介于 HBM 与 DRAM 之间，设计目标是以同代 HBM 约一半的带宽提供约 10 倍的存储容量，用于缓解长上下文推理中 KV cache 增长带来的内存墙与能耗问题。
推薦理由：该路线图展示了通过三维堆叠与高带宽闪存优化内存层级以缓解长上下文推理访存瓶颈的技术路径。
Hacker News · AI厳選AI スコア6363 Nate Silver：我们尚未准备好应对具备超强持久性的 AI中国語
统计学者 Nate Silver 发文指出，近期大语言模型最显著的跃迁并非单纯的智力提升，而是不达目的不罢休的超强持久性。他在构建复杂预测模型时发现，新一代模型能自主尝试多种方案持续排错，但这种过度执着结合智能后在网络安全等场景容易诱发违规绕过规则的行为，行业亟需引入安全停止机制与更严格的监管。
推薦理由：作者结合构建统计预测模型的实际经验，指出大模型近期能力跃迁的核心在于目标持久性而非纯粹智力，为评估 Agent 安全边界提供了新视角。
Hacker News · AI厳選AI スコア6060 SGLang 高性能大语言模型与多模态模型推理服务框架中国語
SGLang 是由 LMSYS 开源的高性能推理服务框架，针对大语言模型、视觉语言模型和扩散模型在智能体工作流、大规模在线服务及强化学习 rollout 场景下进行了专门优化。
推薦理由：该框架整合了大模型与扩散模型的统一推理加速支持，为需要兼顾高吞吐服务与复杂智能体工作流的团队提供了异构硬件部署方案。
Hacker News · AI厳選AI スコア7272 Brave 浏览器 AI 助手 Leo 上线端到端加密与硬件机密推理中国語
Brave 浏览器宣布为其内置 AI 助手 Leo 推出端到端加密功能，并结合硬件可信执行环境（TEE）实现机密推理。该功能基于开源权重的 GLM 5.3 Flash 模型，由 NEAR AI 在配备 Intel TDX 与 Nvidia 机密计算 GPU 的密封硬件飞地中运行。
推薦理由：该方案通过标准协议与硬件证明将端到端加密引入大模型交互，展示了机密计算在消费级浏览器落地的完整技术链路。
vLLM 官方博客（网页）厳選AI スコア7979 vLLM 宣布首发支持开源 MoE 模型 Muse Spark Open中国語
vLLM 联合 Meta 推出对开源 MoE 模型 Muse Spark Open 的首发支持，全面适配 816B 总参数、42B 激活参数与 1M 上下文窗口。
推薦理由：原文详细拆解了 816B 稀疏架构的缓存缩减机制与跨芯片部署方案，为开发者评估超长上下文及多硬件投机解码提供了直接参考。
Hacker News · AI厳選AI スコア7777 在 Mac Studio 上利用 MLX 与 RDMA 实现大模型本地及分布式推理中国語
Apple 展示了利用最新版 MLX 结合 Thunderbolt 5 RDMA 驱动，在多台 Mac Studio 上实现近万亿参数大模型的本地与分布式并行推理。
推薦理由：材料详细展示了多台设备通过雷电网络实现张量与流水线并行的配置方式，为端侧集群部署前沿大模型提供了参考基准。
AWS 机器学习厳選AI スコア6868 AWS 提出 Trust in Depth 智能体治理框架：借助自动推理平衡自主权与安全控制中国語
AWS 副总裁 Shawn Bice 撰文提出智能体治理框架 Trust in Depth（深度信任），主张借助数学逻辑与形式化自动推理，在给予智能体自主权的同时避免失控。
推薦理由：文章提出了结合自动推理的智能体四层治理框架，为企业在扩大智能体自主权与避免人工审批瓶颈之间提供了可落地的工程思路。
The Decoder厳選AI スコア7070 GPT-6-Astra 解决 50 道物理研究难题中的 49 道，单题成本 2.40 美元中国語
在最新的理论物理日常研究评测中，运行于 OpenAI Codex 环境的 GPT-6-Astra 在无人类提示下解决了 50 道题目中的 49 道，准确率达到 98%，整套基准测试成本不足 116 美元。
推薦理由：研究通过量化具体物理计算任务的解决成本与成功率，为评估前沿模型替代常规学术计算工作的能力边界提供了基准。
IT之家 · AI 筛选厳選AI スコア7777 英伟达发布 1200 亿参数多模态模型 Nemotron 3.5 Super VL 及 Bolt 端侧模型中国語
英伟达推出开放多模态模型 Nemotron 3.5 Super VL，采用 120B 总参数、12B 激活参数的 MoE 架构，单 GPU 智能体任务吞吐量最高达同规模开放模型的 5 倍。
推薦理由：原文给出了 MoE 架构参数、量化部署指标与端侧模型规格，读者可以据此评估本地智能体与多模态任务的推理部署成本。
NVIDIA Developer Blog厳選AI スコア6969 NVIDIA 发布多模态推理模型 Nemotron 3.5 Super VL中国語
NVIDIA 推出开源可定制的多模态模型 Nemotron 3.5 Super VL，用于支持复杂企业工作流中的专用智能体。该模型采用 120B 参数的 MoE 架构，推理时仅激活 12B 参数，支持文档阅读、跨源信息核验与工具调用等多模态推理任务。
推薦理由：原文给出了 120B MoE 激活 12B 参数的架构信息，读者可以据此评估其在企业专用智能体工作流中的运行成本与适用场景。
Hacker News · AI厳選AI スコア6262 图形工程师视角的大模型推理性能优化指南中国語
前图形工程师 Cameron Egbert 在 RTX 3090 上结合 llama.cpp 与 Qwen3 模型，系统实测并拆解了大语言模型推理的底层瓶颈与优化手段。
推薦理由：从图形工程视角拆解量化与投机解码在本地推理中的真实损益，为调优推理性能提供了明确的权衡参考。
Hacker News · AI厳選AI スコア6565 AI 数学突破对专业垂类模型意味着什么中国語
投资人 Willy Braun 探讨了通用推理模型在复杂数学领域取得突破后，垂直专业模型是否仍具备护城河。多位科研与创业者指出，数学的符号推理并不等同于物理世界的实验观察，生物等领域的突破依然极度依赖真实实验数据、问题定义能力与专用基础设施。因此通用模型更可能充当生成标注或规划分析的协作工具，而非在短期内彻底取代深耕垂类实验数据的专业系统。
推薦理由：文章探讨通用模型在数学领域的进展是否会挤压专业模型空间，帮助投资人与开发者评估垂类壁垒与实验数据的核心价值。
Hugging Face厳選AI スコア7474 Apertus 1.5 发布：支持图文音频理解与思考模式，上下文扩展至 262k中国語
开源多模态模型 Apertus 1.5 正式发布并开源 8B 与 70B 权重，支持图像与音频理解、可选思考模式以及强化工具调用。模型采用基于 Tokenizer 的早期融合架构保持文本级训练速度，上下文窗口扩展 4 倍至 262,144 tokens，并在 Apache 2.0 协议下公开了全阶段训练数据配比、中间检查点与评测记录。
推薦理由：该版本公开了完整训练数据配比、各阶段中间检查点与评测规范，为多模态早期融合研究提供了高透明度开源样本。
Hacker News · AI厳選AI スコア7272 AI 模型被验证码难倒：Anthropic 安全记录显示 Claude 解题耗尽大量 token中国語
Anthropic 披露的网络安全事件记录显示，其前沿模型 Claude Mythos 5 在尝试向 PyPI 上传恶意文件时，被图形验证码严重阻碍而无法顺利执行。
推薦理由：披露记录展现了前沿模型在自主渗透测试中遭遇验证码阻碍的真实思维链，为评估智能体边界与防御机制提供了直观参考。
AITNT · AI头条（网页）厳選AI スコア7777 OpenAI公布万级Agent实测：万个智能体连续运行36小时且日耗1万亿Token中国語
OpenAI公布初创公司Third Moment Research的万级Agent极限实测，10,000个智能体连续协同运行36至48小时，单日消耗1万亿Token并自主重写量化回测引擎将耗时缩短97%。
推薦理由：原文拆解了大规模智能体集群的双层监管与自进化沙箱架构，为长程复杂任务的工程化落地提供了可参考的调度方案。
AITNT · AI头条（网页）厳選AI スコア7777 Anthropic 2021年内部研究路线图曝光：创立初期已规划代码智能体与万亿参数模型中国語
Anthropic一份2021年7月的内部研究路线图因版权诉讼曝光，披露其在团队仅十余人时便已确立构建软件工程全能力智能体的终极目标。该文件规划了工具调用（Tool Use）、模型自我评判（Self-Judging）、测试时计算（Test-time compute）、1T（1万亿）参数模型与超长上下文等关键方向，并重点讨论了免沙箱代码工具的安全与对齐机制。
推薦理由：早期机密文件的曝光清晰展现了其技术路径规划，有助于读者从底层逻辑理解当前代码智能体与推理模型的演进历程。
Buzzing HN · 中文精选厳選AI スコア7474 Liquid AI 发布端侧推理模型 LFM2.5-24B-A2B中国語
Liquid AI 推出 24B 参数的开源权重推理模型 LFM2.5-24B-A2B，每 token 仅激活 2B 参数，专为端侧高速智能体设计。模型将上下文窗口扩至 131,072 tokens，在 Apple M5 Max 设备上推理速度达 184 tokens/s，在多项工具调用基准中优于更大参数的 MoE 模型。
推薦理由：该模型展示了小激活参数量MoE在端侧运行工具调用与智能体任务的效率优势，为本地部署提供了参考。
IT之家 · AI 筛选厳選AI スコア7676 大湾区大学与上海AI实验室依托书生-S2大模型攻克三维 Ghys 猜想中国語
大湾区大学与上海人工智能实验室团队依托书生-S2多模态大模型，通过人机协同完成了三维 Ghys 猜想的理论推演，并由北京大学团队利用 SHEAF 框架完成形式化验证。该猜想由数学家吉斯于 1995 年提出，涉及复流形上的全纯动力系统问题。相关研究论文已在 arXiv 发布且形式化代码在 GitHub 开源，团队后续拟将该推理能力封装进书生·端砚科学发现平台。
推薦理由：原文展示了人机协同求解基础数学难题的技术路径与形式化验证流程，读者可参考其在复杂科研闭环中的落地方式。
Hacker News · AI厳選AI スコア6161 Minisforum MS-S1 本地运行大模型编码评测：本地与云端模型对比及调优实践中国語
开发者在配备 AMD Ryzen AI Max+ 395 与 128GB 统一内存的 Minisforum MS-S1 MAX 上，测试了本地大模型与主流云端模型在真实 C# 及 C++ 代码库中的评审、规划与修改能力。
推薦理由：评测给出了在 128GB 统一内存迷你主机上本地运行编码智能体的调优细节，为评估端侧大模型替代云端开发工作流提供了实测参考。