OpenAI 据称年内将发布一到两款新模型，旗舰仍需对齐工作
据 The Information 援引知情人士，OpenAI 员工称公司年底前可能发布一到两款新模型，但不确定正在开发的主要升级版旗舰是否在列。
#推理
#推理
今日 2 条The DecoderAI 评分5555 Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，首发价每百万 input token 2 美元、output token 10 美元，缓存 input 降价 95%。
推荐理由：官方给出 Argon 的定价、1M token 窗口和多项落地案例，读者可据此判断其在长程编码与科研任务上的定位。
The Verge · AI精选AI 评分8282 Google 发布 Gemini 4 Argon 模型
Google 发布久等的 Gemini 4 Argon，称其具备前沿推理能力并减少冗余与套话，在编码、网络安全、科学、金融、法律等基准上称优于 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5。
推荐理由：报道梳理了 Argon 的定价与订阅分层，可据此判断 Google 在前沿模型竞争中的位置变化。
The DecoderAI 评分4949 Google Gemini 4 “Carbon” 曝光：编程性能据称对标 Anthropic Opus 5.5
Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 三个变体，其中 Carbon 已在内部编程平台 Jetski 部署数日，编程任务表现据称超过 Argon，一名员工将其与 Anthropic 最强编程模型 Opus 5.5 相提并论，但仍需更多测试。
Latent Space精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，定价对标 GPT-6 Luna
Anthropic 发布约一年来首个小模型更新 Claude Haiku 5.5，定价与 OpenAI 的 GPT-6 Luna 对齐，同日下调 Sonnet 5.5 与订阅方案价格。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，便于判断低价小模型的真实成本与定位。
Simon WillisonAI 评分7474 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为 $0.10/$0.50 每百万 token，与上月的 OpenAI GPT-6 Luna 一致，超过 100,000 token 后涨至 $0.50/$2.50，而 Luna 在 272,000 token 后才涨至 $0.20/$0.75。
OpenAI NewsAI 评分5757 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。材料仅提供摘要，未给出具体问题、模型名称或结果数据。
Simon WillisonAI 评分6666 Mistral 发布 Mistral Large 4 预览版：1 万亿参数、490 亿激活参数
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有的 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，已通过 Mistral API 提供，并承诺于本月底发布开放权重版本。
The DecoderAI 评分7171 Mistral 发布万亿参数 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4，参数规模一万亿、激活 490 亿，已在 Mistral Studio 开放公开预览，权重预计 10 月底发布。
The DecoderAI 评分7272 Reflection 发布 Beam：501B 参数、23B 激活的开源权重模型
AI 公司 Reflection 发布其首个免费开放模型 Beam，这是一个混合专家模型，每 token 激活 501B 总参数中的 23B，主打编码、逻辑推理与智能体任务，用更低算力对标 DeepSeek 和 Qwen 的开源模型。
TechCrunch · AIAI 评分7474 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布首个前沿开源权重模型 Beam，称其在高级推理基准上匹配领先中国开源模型，推理算力用量少 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的文本 MoE 模型，预训练用 23.8 万亿 token，支持 100 万 token 上下文窗口。
Latent Space精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，输出上限达 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划中向政府用户和可信网络防御者开放。
推荐理由：梳理 Gemini 4 Argon 的完整基准表现与定价，可对比它和 GPT-6 Astra 在成本与 token 效率上的取舍。
爱范儿AI 评分7474 Gemini 4 Argon 正式发布，写作与知识能力领先编程
Google 正式发布 Gemini 4 Argon，目前仅通过 Fairwind 计划向少量网络安全合作伙伴开放，官方称后续先向付费 API 用户和 Google AI Ultra 订阅者开放。
Simon WillisonAI 评分6464 Anthropic 发布 Claude Sonnet 5.5
Anthropic 发布新 Sonnet 模型 Claude Sonnet 5.5，官方称其运行速度快 30% 以上、多数工作成本最多降低 30%，定价与 Sonnet 5 相同，但在各项基准上表现更好。
Hugging Face BlogAI 评分3636 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，视觉语言模型推理最高提速 3.13 倍
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，通过投机解码在不改变输出质量的前提下实现最高 3.13 倍设备端解码加速、H100 上 2.66 倍，端到端分别最高 2.62 倍和 2.27 倍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者主打规模化与成本效率，后者面向高复杂度任务，支持边推理边说话。
推荐理由：官方给出两款语音模型的基准分数、价格定位与开放渠道，可据此判断语音智能体的选型与部署时机。
Hugging Face Blog精选AI 评分6464 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档
IBM Granite 团队发布 Granite 4.2，这是其首个稠密、decoder-only 的推理模型家族，包含 3B、8B、30B 三个规模，全部采用 Apache 2.0 许可。
推荐理由：原文完整披露 Granite 4.2 的三档规模、五阶段预训练与分阶段 RL 流程，可对照理解推理模型的后训练工程。
Hugging Face BlogAI 评分4646 LFM2.5-DSpark 草稿模型发布：推理最高提速 3.2 倍
LiquidAI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在不改变输出质量的前提下实现最高 3.18 倍 GPU 吞吐提升和 2.87 倍端侧提速。
NVIDIA Developer BlogAI 评分3535 NVIDIA Alpamayo 2 Super：用开放 340 亿参数推理视觉模型生成轨迹、推理链与自动标注
NVIDIA 推出 Alpamayo 2 Super，一个开放 340 亿参数的推理视觉模型，可在自动驾驶开发中统一生成轨迹、高层意图预测、场景理解与数据标注，替代此前各环节分立的模型。该模型支持在同一套表示上对比相关输出、排查模型行为，并复用至整个开发流程。
Hugging Face Blog精选AI 评分8282 Thinking Machines 发布 Inkling 与 Inkling-Small 开源多模态模型
Thinking Machines Lab 在 Hugging Face 发布 Inkling 系列开源多模态大模型，Inkling 为 975B 总参数、41B 激活参数的 MoE 模型，原生接受图像、文本和音频输入，支持 1M 上下文。
推荐理由：首个约1T参数、1M上下文的开源原生多模态模型，附完整部署配置与基准对比可供参考。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 DiffusionGemma：文本扩散模型推理最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式一次性生成 256 个 token，在专用 GPU 上文本生成最高提速 4 倍，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 4x 推理加速的实测数字与本地低并发场景边界，读者可据此判断它适合哪些交互式工作流。
Hugging Face Blog精选AI 评分8080 DeepSeek-V4 发布：百万 token 上下文面向智能体长任务
DeepSeek 发布 V4，Hub 上有 DeepSeek-V4-Pro（1.6T 总参数、49B 激活）和 DeepSeek-V4-Flash（284B 总参数、13B 激活）两个 MoE checkpoint，均支持 1M-token 上下文窗口。
推荐理由：原文拆解了 V4 混合注意力与工具调用后训练设计，可判断长上下文智能体工作负载的成本取舍。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.1 Flash-Lite，主打高性价比
Google DeepMind 发布 Gemini 3 系列中最快、最具成本效率的模型 Gemini 3.1 Flash-Lite，今日起通过 Gemini API 在 Google AI Studio 面向开发者预览，企业可通过 Vertex AI 使用。
推荐理由：原文给出价格、速度与基准分数，可判断这款轻量模型在高频工作负载中的取舍。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 于 2 月 19 日发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级版，在 ARC-AGI-2 上取得 77.1% 的已验证得分，超过 3 Pro 推理表现的两倍。
推荐理由：官方给出 ARC-AGI-2 的 77.1% 得分与多产品线开放范围，可据此判断核心推理能力的提升幅度。
Google DeepMind精选AI 评分7777 Gemini 3 Deep Think 升级：面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出了 Gemini 3 Deep Think 在多项学术与竞赛基准上的成绩，并首次开放 Gemini API 早期访问。
Google DeepMind精选AI 评分7878 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业研究问题上的表现。该智能体带有自然语言验证器，可迭代生成、验证和修正解答，并能承认无法求解，同时借助 Google 搜索和网页浏览梳理文献以避免虚假引用。
推荐理由：两篇论文给出 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业数学、物理与计算机科学问题上的实际协作案例。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3 Flash 模型
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度，在 GPQA Diamond 上得分 90.4%、Humanity's Last Exam 无工具得分 33.7%、MMMU Pro 上得分 81.2%、SWE-bench Verified 上得分 78%。
推荐理由：Gemini 3 Flash 以 Pro 级推理配合 Flash 级延迟和价格，提供了速度与智能取舍的实测基准。
Hugging Face BlogAI 评分2828 Writer 发布 Palmyra-mini 系列开源小模型，含两款推理版本
Writer 发布 Palmyra-mini 系列三款开源模型，参数规模 1.5B 至 1.7B，包括非思考基础模型 palmyra-mini 与两款经 Chain of Thought 训练的推理变体 palmyra-mini-thinking-a、palmyra-mini-thinking-b。
Hugging Face Blog精选AI 评分8282 OpenAI 发布开源权重模型系列 gpt-oss
OpenAI 发布开源权重模型系列 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为采用 MXFP4 4-bit 量化的 MoE 模型，使用 Apache 2.0 许可。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源权重模型的参数、部署路径与生态适配情况，适合了解本地运行条件。
Hugging Face BlogAI 评分4848 Kimina-Prover：在大规模形式推理模型上应用测试时 RL 搜索
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 并用 Kimi k1.5 的 RL 流程训练，在 miniF2F 基准上以 TTRL 搜索框架达到 92.2% 的 SOTA 通过率。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 SmolLM3：3B 多语言长上下文推理模型
Hugging Face 发布 SmolLM3，一个 3B 全开源模型，训练于 11.2T tokens，支持英语、法语、西班牙语、德语、意大利语和葡萄牙语，上下文窗口达 128k。
推荐理由：Hugging Face 公开了 3B 模型的完整训练配方与数据配比，读者可了解小模型在长上下文和双模式推理上的工程路径。
Hugging Face Blog精选AI 评分6161 Falcon-H1 发布六款开源混合注意力 SSM 模型
Falcon-H1 系列发布 6 个开源模型，覆盖 0.5B、1.5B、1.5B-Deep、3B、7B 和 34B，均含 base 与 instruct 版本，采用 Apache 2.0 宽松许可。
推荐理由：Falcon-H1 以混合注意力与 SSM 架构在 6 个尺寸上对标同量级 Transformer，可据此判断端侧与长上下文场景的取舍。
Hugging Face Blog精选AI 评分7575 Answer.AI 与 LightOn 发布 ModernBERT：取代 BERT 的编码器模型系列
Answer.AI 与 LightOn 发布 ModernBERT，一个仅编码器模型系列，包含 base（149M 参数）和 large（395M 参数）两个规模，作为任何 BERT 类模型的即插即用替代。
推荐理由：从架构到训练的完整技术拆解，并附论文、预训练 checkpoint 与微调路径，便于判断能否替换现有 BERT 类编码器。
Hugging Face BlogAI 评分4949 IBM 联合普林斯顿、CMU、UIUC 发布混合 Mamba2 模型 Bamba-9B
IBM 联合普林斯顿、CMU、UIUC 发布推理高效的混合 Mamba2 模型 Bamba-9B，基于 2.2T tokens 完全开放数据训练，在 vLLM 中吞吐量提升 2.5 倍、延迟加速 2 倍。
Hugging Face BlogAI 评分5959 TII 发布 Falcon Mamba 7B：首个强性能无注意力机制模型
阿布扎比技术创新研究院（TII）发布 Falcon Mamba 7B，采用纯 Mamba 架构并加入额外 RMS 归一化层，以 5500GT 数据训练，权重以 TII Falcon Mamba 7B License 1.0 开源。
Hugging Face Blog精选AI 评分8585 Llama 3.1 发布 405B、70B 与 8B 版本，支持多语言与长上下文
Hugging Face 上线 Meta Llama 3.1 系列，包含 8B、70B、405B 三个尺寸的基础与指令微调共六个模型，另发布 Llama Guard 3 和 Prompt Guard。
推荐理由：官方梳理了 Llama 3.1 三个尺寸的显存需求、量化方案和微调入口，便于据此评估部署成本。
Hugging Face Blog精选AI 评分8080 Mistral 发布 Mixtral 8x7B 开源 MoE 模型，Hugging Face 全面接入
Mistral 发布 Mixtral 8x7B，采用 MoE 架构，含 base 与 Instruct 版本，支持 32k token 上下文，HumanEval 得分 40.2%，在多数基准上追平或超过 GPT-3.5，并以 Apache 2.0 许可开放。
推荐理由：Mistral 开源 MoE 模型登顶开放权重榜，文中量化数据可帮助读者判断本地部署门槛。
Hugging Face Blog精选AI 评分6464 RWKV 架构介绍：兼具 RNN 与 Transformer 优势的模型已集成进 transformers
Hugging Face 博客介绍 RWKV，一种融合 RNN 与 Transformer 优势的架构，已被集成进 transformers 库。
推荐理由：原文把 RWKV 在推理速度与显存上的取舍讲清楚，适合想了解 RNN 与 Transformer 混合架构的人参考。