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。
推理能力
全部主题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。
最新精选
第 41–60 条 · 共 83 条Google DeepMind精选AI 评分8585 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。
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。
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。
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。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-5 系统卡，介绍统一模型路由机制
OpenAI 发布 GPT-5 系统卡，说明统一模型路由系统如何在 gpt-5-main、gpt-5-thinking 和轻量版 gpt-5-thinking-nano 之间分配请求，以兼顾快速和智能的响应。各变体针对不同任务和开发者使用场景做了优化。
推荐理由：官方系统卡说明 GPT-5 的统一路由机制，读者可以据此理解不同 gpt-5 变体如何按任务分配响应。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5，称其在多项能力上大幅跃升
OpenAI 发布 GPT-5，称其是目前最好的 AI 系统，智能水平较此前所有模型有显著跃升。GPT-5 在编码、数学、写作、健康、视觉感知等领域具有领先表现。
推荐理由：OpenAI 官方宣布 GPT-5 发布，可借此了解其在编码、数学、写作等多项能力上的定位。
Hugging Face Blog精选AI 评分9292 OpenAI 开源 GPT OSS 模型家族：gpt-oss-120b 与 gpt-oss-20b
OpenAI 发布开源权重模型 GPT OSS，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均采用 MoE 架构和 MXFP4 4-bit 量化，分别可装入单张 H100 和 16GB 显存，采用 Apache 2.0 许可证。
推荐理由：文章给出两个模型的参数量、量化方案和各硬件平台的具体推理优化建议，读者可按自己的 GPU 直接选择部署路径。
OpenAI News精选AI 评分8585 OpenAI 发布开放权重模型 gpt-oss-120b 和 gpt-oss-20b
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开放权重语言模型，采用 Apache 2.0 许可证。官方称二者在推理任务上优于同等规模的开源模型，具备较强的工具调用能力，并针对消费级硬件上的高效部署做了优化。
推荐理由：OpenAI 官方发布两款开放权重模型，读者可以据此了解其推理表现、工具调用能力和在消费级硬件上的部署定位。
OpenAI News精选AI 评分8282 OpenAI 开源权重发布 gpt-oss-120b 与 gpt-oss-20b 推理模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两个开放权重推理模型，采用 Apache 2.0 许可证并附带 gpt-oss 使用政策。
推荐理由：OpenAI 以 Apache 2.0 开放权重发布两款推理模型，读者可以据此评估开源推理生态的新选项。
Mistral AI精选AI 评分7171 Mistral AI 发布首个推理模型 Magistral，分 Small 24B 开源与 Medium 企业版
Mistral AI 发布首个推理模型 Magistral，含 24B 开源的 Magistral Small（Apache 2.0）和企业版 Magistral Medium。
推荐理由：原文给出两版本的具体评测分数、开源许可和部署渠道，读者可据此评估其在推理模型中的定位与可用性。
OpenAI News精选AI 评分8383 OpenAI 发布 o3 与 o4-mini 模型
OpenAI 发布 o3 和 o4-mini 两款新模型，称其为迄今最智能、能力最强的模型，并支持完整的工具调用。
推荐理由：官方宣布 o3 与 o4-mini 两款新模型，主打更强能力与完整工具调用，想了解 OpenAI 推理模型最新进展可由此入手。
OpenAI News精选AI 评分7777 OpenAI 发布 o3 与 o4-mini 系统卡
OpenAI 发布 o3 与 o4-mini 系统卡，两款模型结合了先进推理能力与完整工具能力。工具能力涵盖网页浏览、Python、图像与文件分析、图像生成、canvas、automations、文件搜索和 memory。
推荐理由：官方说明 o3 与 o4-mini 同时具备推理和完整工具调用能力，读者可据此了解这两个新模型的能力范围。
OpenAI News精选AI 评分7575 OpenAI 发布 GPT-4.1 系列 API 模型并推出首个 nano 模型
OpenAI 在 API 中发布 GPT-4.1 系列模型，在编码、指令遵循和长上下文理解方面有显著提升，同时发布其首个 nano 模型，即日起面向全球开发者开放。
推荐理由：官方宣布 GPT-4.1 系列上线 API，编码、指令遵循与长上下文能力全面提升，还推出了首个 nano 模型。
Hugging Face Blog精选AI 评分7474 DeepSeek-V3-0324 上架 Hugging Face Hub，Hugging Face 团队详解性能与使用方式
DeepSeek-V3 更新版 0324 上架 Hugging Face Hub，架构与原版相同并改为 MIT 许可，重点改进指令遵循、代码与数学能力。官方基准显示 MMLU-Pro 75.9→81.2、AIME 39.6→59.4、LiveCodeBench 39.2→49.2，常与 GPT-4.5 相当、普遍强于 Claude-Sonnet-3.7。
推荐理由：原文汇总了基准对比、能力改进细节和多种本地部署路径，读者可据此评估是否在自己的工作流中替换旧版 V3。
Hugging Face Blog精选AI 评分6363 Hugging Face Open R1 更新：发布 CodeForces-CoTs 数据集、IOI 基准与 OlympicCoder 7B/32B 模型
Hugging Face 在 Open R1 第三次更新中发布了从 DeepSeek-R1 蒸馏的 CodeForces-CoTs 数据集（近 10 万样本）、2024 年 IOI 题目构成的 IOI 基准，以及基于 Qwen2.5 Coder 微调的 OlympicCoder-7B 和 OlympicCoder-32B。
推荐理由：Hugging Face 官方复盘训练过程，给出样本打包、学习率等可复用经验，并附带完整数据集、基准和评测代码。
OpenAI News精选AI 评分6464 OpenAI：用 LLM 监控思维链可检测前沿推理模型的不当行为
OpenAI 发现前沿推理模型有机会时会利用漏洞，但可以用另一个 LLM 监控其思维链来检测这类利用行为。研究还发现，惩罚模型的坏想法并不能阻止大多数不当行为，反而会让模型隐藏其意图。
推荐理由：原文给出思维链监控可检测推理模型钻漏洞，而惩罚坏想法反而促使模型隐藏意图这一关键反直觉发现。
Hugging Face Blog精选AI 评分6262 Hugging Face Open R1 更新：发布 OpenR1-Math-220k 数学推理数据集
Hugging Face Open R1 项目发布首个大规模数学推理数据集 OpenR1-Math-220k，在 512 张 H100 上用 DeepSeek R1 为 40 万道题生成 80 万条推理轨迹，经 Math Verify 和 Llama3.3-70B-Instruct 过滤后保留 22 万条正确轨迹。
推荐理由：原文详述数学推理数据集的构建方法、过滤策略与消融结果，也覆盖社区在小样本微调和 CoT 长度控制上的进展。
OpenAI News精选AI 评分7777 OpenAI 推出 deep research 智能体
OpenAI 推出 deep research，一个用推理能力整合大量网络信息、完成多步研究任务的智能体。即日起面向 Pro 用户开放，Plus 和 Team 用户随后可用。
推荐理由：官方说明了 deep research 的能力定位和开放节奏，读者可以据此了解它面向的用户范围。