OpenAI 发布 GPT-5.3-Codex 智能体编码模型
OpenAI 发布 GPT-5.3-Codex，称其为迄今最强的智能体编码模型。它结合了 GPT-5.2-Codex 的前沿编码能力与 GPT-5.2 的推理和专业知识能力。
#推理
#推理
今日 1 条OpenAI NewsAI 评分5858
Google ResearchAI 评分3939 Google 提出 Sequential Attention：让 AI 模型更精简快速且不牺牲准确率
Google Research 提出 Sequential Attention，一种用于特征选择等子集选择问题的贪心算法，利用注意力分数逐步选出最有价值的组件。它将选择过程集成到单次模型训练中，避免了传统贪心方法每步重新训练的高昂开销，以极小代价应用于大规模模型。该方法在多个神经网络基准上取得 SOTA 结果，并支持并行评估候选、提升可解释性。
Google ResearchAI 评分5555 Google Research 与 Included Health 合作开展全国范围医疗 AI 随机对照研究
Google Research 宣布与 Included Health 合作，待 IRB 批准后启动一项全国范围、经参与者知情同意的随机对照研究，在真实虚拟诊疗流程中评估其对话式 AI。研究基于 AMIE 诊断推理、个人健康智能体（PHA）和信息导航等前期工作，此前与 Beth Israel Deaconess Medical Center 的单中心可行性研究已观察到安全性方面的积极迹象。
Hugging Face BlogAI 评分3535 Alyah：面向阿拉伯语 LLM 阿联酋方言能力的稳健评测基准
Hugging Face 团队推出 Alyah（意为阿联酋方言中的"北极星"），一个评测阿拉伯语大模型阿联酋方言能力的基准，包含 1,173 个由母语者人工采集的多选题样本，覆盖问候语、诗歌、历史遗产和方言语言等类别。
Hugging Face BlogAI 评分4646 Hugging Face：解锁 GPT-OSS 的智能体强化学习训练——一次实践复盘
Hugging Face 团队探索以 GPT-OSS（性能对标 OpenAI o3-mini 和 o4-mini）作为智能体应用骨干模型，用 verl 框架开展智能体强化学习训练。
OpenAI NewsAI 评分5050 OpenAI 发布 LaTeX 原生写作工作台 Prism，内置 GPT-5.2
OpenAI 推出免费的 LaTeX 原生工作台 Prism，内置 GPT-5.2。产品面向研究人员，支持在同一处完成写作、协作和推理。
Hugging Face BlogAI 评分5858 Hugging Face 联合 OpenAI 推出开放推理标准 Open Responses
Hugging Face 发布开放推理标准 Open Responses，扩展并开源 OpenAI 的 Responses API，面向 Agent 时代的推理需求。
OpenAI NewsAI 评分5959 OpenAI 与 Cerebras 合作新增 750MW 高速算力
OpenAI 与 Cerebras 达成合作，新增 750MW 高速 AI 算力，用于降低推理延迟，使 ChatGPT 在实时 AI 工作负载下更快。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布开源推理视觉语言模型 Cosmos Reason 2
NVIDIA 发布 Cosmos Reason 2，一个面向物理 AI 的开源推理视觉语言模型，登顶 Physical AI Bench 和 Physical Reasoning 排行榜，成为视觉理解排名第一的开源模型。
推荐理由：官方发布给出模型规格、上下文长度和评测变化，读者可据此评估其是否适合机器人与视频分析场景。
Hugging Face BlogAI 评分4545 TII 推出 Falcon-H1-Arabic：以混合 Mamba-Transformer 架构突破阿拉伯语 AI 边界
Hugging Face 博客宣布推出 Falcon-H1-Arabic 阿拉伯语模型家族，包含 3B、7B、34B 三种规格，采用融合 Mamba（State Space Model）与 Transformer 注意力的混合架构。
Google DeepMindAI 评分3131 Google 2025 年度回顾：8 大研究突破领域
Google 回顾 2025 年在 Google、Google DeepMind 和 Google Research 取得的研究进展：3 月发布 Gemini 2.5。
Google ResearchAI 评分3131 Google Research 2025：更大胆的突破，更深远的影响
Google Research 发布年度回顾，介绍 2025 年在 AI、量子计算与科学发现方面的研究进展。Gemini 3 成为其迄今最强、事实性最好的 LLM，在 SimpleQA Verified 与新发布的 FACTS 基准上达到 SOTA，并在 Gemini 3 中引入可动态生成交互界面的 generative UI；Gemma 多语言扩展至 140+ 种语言。
OpenAI NewsAI 评分5151 OpenAI 推出思维链可监测性评估框架，覆盖 13 项评估和 24 个环境
OpenAI 推出面向思维链（chain-of-thought）可监测性的新框架与评估套件，覆盖 13 项评估、24 个环境。研究结果显示，监测模型内部推理远比只监测输出更有效，为 AI 能力增强下的可扩展控制提供了有前景的路径。
OpenAI News精选AI 评分7272 OpenAI 发布 GPT-5.2-Codex 编码模型
OpenAI 发布 GPT-5.2-Codex，称其为目前最先进的编码模型。该模型主打长程推理、大规模代码变换和增强的网络安全能力。
推荐理由：官方说明点出长程推理、大规模代码改造与安全能力三个方向，可作为评估其编码定位的基本参照。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3 Flash，主打高速低成本的前沿智能
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级速度和成本结合。
推荐理由：官方给出关键基准分数、价格和开放渠道，读者可以据此比较它与大模型在速度成本上的取舍。
OpenAI NewsAI 评分2727 OpenAI 发布 FrontierScience 基准，评估 AI 完成科研任务的能力
OpenAI 推出 FrontierScience 基准，用于测试 AI 在物理、化学、生物学领域的推理能力，衡量其迈向真实科学研究水平的进展。
Google Research精选AI 评分6363 Google 在 STOC 2026 试点 Gemini Paper Assistant Tool 为理论计算机科学论文提供投稿前自动反馈
Google Research 在 STOC 2026 试点 Paper Assistant Tool（PAT），基于 Gemini 2.5 Deep Think 在提交后 24 小时内为理论计算机科学论文提供自动反馈。PAT 识别出计算错误、不等式误用和证明逻辑漏洞等问题，97% 的受访作者认为反馈有用并愿意再次使用，88% 希望在整个研究过程中持续使用；工具定位是辅助而非替代同行评审。
推荐理由：官方报告了 STOC 2026 投稿试点中的实测数据与作者反馈，读者可据此了解 AI 辅助审稿在理论数学写作中的实际表现。
OpenAI News精选AI 评分6767 OpenAI 发布 GPT-5.2，在 GPQA Diamond 与 FrontierMath 上刷新纪录
OpenAI 发布 GPT-5.2，称其为迄今数学和科学能力最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上创下新的 SOTA 成绩。文章展示了这些能力提升如何转化为实际研究进展，包括解决一个开放理论问题和生成可靠的数学证明。
推荐理由：原文给出 GPT-5.2 在数学与科学基准上的成绩及其在真实研究中的应用，适合想了解模型推理能力边界的读者。
OpenAI News精选AI 评分7474 OpenAI 发布 GPT-5.2：面向专业工作的前沿模型
OpenAI 发布 GPT-5.2，定位为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以驱动更快、更可靠的智能体工作流。
推荐理由：OpenAI 官方说明 GPT-5.2 的能力定位和可用入口，读者可以据此判断是否将其纳入日常工作流。
Google DeepMindAI 评分5050 Google DeepMind 联合 Kaggle 发布 FACTS Benchmark Suite 评测大模型事实性
Google DeepMind 与 Kaggle 于 2025 年 12 月 9 日发布 FACTS Benchmark Suite，在原 FACTS Grounding 基础上新增 Parametric、Search 和 Multimodal 三个基准，共 3513 条公开样例，并保留私有评测集由 Kaggle 托管公开排行榜。
Google ResearchAI 评分4747 Google Research 发布 Titans 架构与 MIRAS 框架，让 AI 拥有长期记忆
Google Research 在两篇新论文中推出 Titans 架构和 MIRAS 理论框架，将 RNN 的速度与 Transformer 的精度结合。Titans 用多层感知机作为神经长期记忆模块，通过“惊喜度量”（surprise metric）在运行时选择性存储意外信息，并辅以动量和自适应遗忘机制，实现无需离线重训练的测试时记忆。
Hugging Face BlogAI 评分4444 DeepMath：基于 smolagents 的轻量级数学推理智能体
Intel AI 软件团队推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调并通过 smolagents 实现的数学推理智能体。模型用简短 Python 代码片段替代冗长文本推理，在沙箱中执行后回填推理上下文，输出长度最多减少 66%，同时常提升准确率。在 MATH500、AIME、HMMT、HLE 四个数据集上，GRPO 训练与智能体推理结合取得最高准确率。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 Mistral Large 3 与 Ministral 3 全系开源
Mistral 发布 Mistral 3 系列模型，包括 41B 激活、675B 总参数的 MoE 模型 Mistral Large 3，以及 3B/8B/14B 三种尺寸的 Ministral 3 小模型，全部以 Apache 2.0 协议开源。
推荐理由：官方发布涵盖 Large 3 与 Ministral 3 全系的参数规模、开源协议和部署途径，读者可以据此判断各档模型适合的场景。
Google DeepMindAI 评分4747 AlphaFold 五年影响力回顾
AlphaFold 2 于 2020 年在 CASP14 比赛中高精度解决蛋白质结构预测难题，五年间推动全球生物科学发现，并于 2024 年获诺贝尔化学奖。其免费的 AlphaFold Protein Database 已被 190 多个国家超过 300 万研究者使用，相关研究被引用超 35,000 篇论文。
OpenAI NewsAI 评分2727 GPT-5 与数学发现的未来：UCLA 教授用它解决优化理论关键问题
UCLA 教授 Ernest Ryu 与 GPT-5 合作解决了优化理论中的一个关键问题，展示了 AI 在加速数学发现中的作用。
OpenAI NewsAI 评分3535 OpenAI 发布 GPT-5 加速科学研究的早期实验案例
OpenAI 展示首批研究案例，说明 GPT-5 如何加速数学、物理、生物学和计算机科学领域的科学进展。AI 与研究人员协作生成证明、发现新见解，探索改变科学发现节奏的方式。
Hugging Face BlogAI 评分5555 ServiceNow 发布 Apriel-H1：用推理数据蒸馏将 15B 模型改造为 Mamba 混合架构，吞吐提升 2.1 倍
SLAM Lab 发布 Apriel-H1 系列，将 15B 推理模型部分注意力层替换为 Mamba，旗舰 Apriel-H1-15b-Thinker-SFT 以 76.8B token 训练实现 2.1 倍吞吐且推理质量损失很小。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro，编码与多模态能力全面升级
Google DeepMind 发布 Gemini 3，称 Gemini 3 Pro 为其最智能模型，在各大基准上超越此前的 2.5 Pro。
推荐理由：官方发布给出了 Gemini 3 Pro 的基准成绩、API 定价和新工具入口，开发者可以直接评估是否迁移到现有编码与智能体工作流。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3 Pro 预览版及 Gemini 3 Deep Think
Google DeepMind 发布 Gemini 3，先以 Gemini 3 Pro 预览版形式推出，并预告增强推理模式 Gemini 3 Deep Think。
推荐理由：官方发布给出完整基准成绩和覆盖入口，读者可据此判断 Gemini 3 Pro 的推理与编码能力以及它如何嵌入现有工具链。
OpenAI News精选AI 评分7373 OpenAI 在 API 中推出 GPT-5.1
OpenAI 宣布 GPT-5.1 在 API 中可用，带来更快的自适应推理、扩展的提示词缓存和更好的编码性能，并新增 apply_patch 与 shell 工具。
推荐理由：官方说明 GPT-5.1 API 版的能力变化点，开发者可以据此判断是否迁移现有调用。
Berkeley AI ResearchAI 评分4747 不基于 TD learning 的强化学习：分治法训练价值函数
这篇 Berkeley AI Research 博客介绍一种基于分治而非 TD learning 的 off-policy RL 价值学习范式。
OpenAI News精选AI 评分6060 OpenAI 发布 gpt-oss-safeguard 开源权重安全分类推理模型
OpenAI 发布 gpt-oss-safeguard，是用于安全分类的开源权重推理模型。开发者可以在其上应用并迭代自定义安全策略。
推荐理由：原文说明这是面向安全分类的开源权重推理模型，开发者可自定义安全策略并迭代，适合关注安全工程的人参考。
OpenAI NewsAI 评分2525 Consensus 用 GPT-5 和 Responses API 加速科研
Consensus 基于 GPT-5 和 OpenAI Responses API 构建多智能体研究助手，可在几分钟内读取、分析并综合文献证据。该平台已帮助超过 800 万研究人员加速科学发现。
Google Research精选AI 评分6262 Google 发布 Earth AI 技术论文，详解基础模型与跨模态地理空间推理
Google 发布 Google Earth AI 相关技术论文，介绍新的 Imagery 与 Population 基础模型，以及由 Gemini 驱动的 Geospatial Reasoning 智能体，用于多步地理空间问答。
推荐理由：官方同步放出技术论文和评测数字，读者可以据此了解跨模态地理空间推理的实际能力边界与应用案例。
Hugging Face BlogAI 评分2929 Google Cloud C4 搭载 Intel Xeon 6，使 GPT OSS 的 TCO 提升 70%
Intel 与 Hugging Face 在 Google Cloud C4 VM（Intel Xeon 6，代号 Granite Rapids）上对开源 MoE 模型 GPT OSS 进行文本生成基准测试，结果显示相比上一代 C3 VM 实例 TCO 提升 1.7 倍。
Hugging Face BlogAI 评分5353 Writer 发布 Palmyra-mini 系列三个开源小模型，主打轻量推理
Writer 发布 Palmyra-mini 家族三个 1.5B 到 1.7B 的开源模型：非思考基座 palmyra-mini、面向复杂逻辑的 palmyra-mini-thinking-a，以及长于数学推理的 palmyra-mini-thinking-b。
Hugging Face BlogAI 评分4949 NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset v2
NVIDIA 发布 600 万条多语言推理数据集 Nemotron Post-Training Dataset v2，将原有英文推理数据翻译为法语、西班牙语、德语、意大利语和日语五种语言，并保留原始英文推理链。
Hugging Face BlogAI 评分4646 Kimina-Prover-RL：开源 Lean 4 形式化定理证明训练管线发布
Numina 与 Kimi 开源 kimina-prover-rl，一个基于 DeepSeek-R1 推理范式、与 Verl 完全兼容的 Lean 4 形式化定理证明训练管线，采用 GRPO 强化学习并配套 kimina-lean-server 验证服务。
Hugging Face BlogAI 评分4141 TextQuests：评估 LLM 在文字冒险游戏中的智能体推理能力
Hugging Face 推出 TextQuests 基准，基于 25 款经典 Infocom 互动小说游戏评估 LLM 作为自主智能体的长上下文推理与探索学习能力。
OpenAI News精选AI 评分7474 OpenAI 面向开发者发布 GPT-5
OpenAI 在 API 平台推出 GPT-5，面向开发者提供高推理性能和新的控制选项。该模型在真实编码任务上取得同类领先的评测结果。
推荐理由：OpenAI 官方宣布 GPT-5 上线 API，读者可以据此了解其在推理和编码任务上的定位以及面向开发者的新控制能力。