技术方向
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。
9 条精选近 30 天 9 条共收录 44 条
Anthropic 于 11 月 10 日发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款模型，官方称在编码、推理、科学研究、网络安全及机器人等领域显著提升，输出速度最高提高 30%，成本下降 20%。
对A股利好物理AI，大模型在机器人领域能力显著提升
推荐理由：官方跑分显示 Claude Fable 5.2 在编码与多学科推理基准上领先竞品，并附长程协作与多智能体演示细节。
机器之心报道了Anthropic发布的一篇文章，探讨了Claude记忆系统的设计经验。核心结论反直觉：想让AI记性好，光让它“记笔记”是不够的，实验中写了413份笔记的表现不如只写9份的。
推荐理由：原文介绍了Anthropic关于AI记忆系统的实验，揭示了笔记数量与表现的反直觉关系。
阿里巴巴发布编程智能体验证基准Co-Design Bench，测试AI对真实用户请求的处理能力。结果显示，即使是表现最好的GPT-6 Astra也仅能完全解决26.4%的任务，而在旧基准上这些模型得分超过99%，凸显了现实场景与实验室评估的巨大差异。
推荐理由：原文通过真实场景测试揭示了AI编程智能体在复杂任务中的实际表现与旧基准的差距。
SemiAnalysis发布TPUv7在InferenceX AgentX基准上的多模型实测结果，显示其在GLM-5.2、Qwen3.5等模型的FP8推理中每美元Token产出显著优于B200/B300及MI355X；尽管GB300 NVL72 FP4在部分场景仍领先，但TPU凭借Megakernel等技术缩小差距，同时文章指出NVIDIA面临开源生态响应迟缓与官僚主义阻碍技术迭代的挑战。
对A股谷歌TPU性价比领先，利空英伟达链；利好国产算力芯片（推断）
推荐理由：TPUv7在AgentX基准上展现FP8推理性价比优势，揭示NVIDIA FP4精度与生态壁垒的潜在风险。
美团于 11 月 2 日发布新一代大模型 LongCat-2.5，定位面向长程智能体任务的原生多模态模型，总参数 1.6 万亿。该模型延续 LongCat 系列研发方向，全程在国产算力上训练，据称为目前国产算力上完成的最大训练任务。评测显示其成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，并在部分评测中超过 Claude-Opus-5。
对A股利好国产算力芯片，美团1.6万亿参数模型全程在国产算力上训练；亦利好AI应用与终端（推断）
推荐理由：原文给出了参数规模、训练算力来源和与 Claude-Opus 系列的评测对比，可用于判断国产算力训练的进展。
Tom's Hardware 发布一篇 LLM 术语入门，解释模型、权重、数据类型与量化、上下文窗口、KV cache、MoE、RAG 及推理的 Prefill 和 Decode 两阶段。文中指出 KV cache 可在同一会话内复用但可能占用超过模型本身的 VRAM，长上下文存在 lost in the middle 效应，Decode 速度通常受内存带宽而非算力限制，并介绍了 Speculative Decode 和 MTP 等加速技术。
推荐理由：文章面向本地部署读者，把权重、量化、KV cache、MoE 和推理两阶段等术语逐一拆解，可作为阅读硬件与模型新闻前的概念铺垫。
The Verge播客邀SemiAnalysis分析师Joey Brookhart解读Anthropic提交的S-1，其计划在Nasdaq上市，估值或在1.5万亿至2万亿美元之间，最快下月交易。分析师称Anthropic算力支出平均约每兆瓦1100万美元，只有约30%算力用于推理服务收入，长期算力承诺约5000亿至6000亿美元、跨7至10年。
推荐理由：SemiAnalysis分析师从S-1拆解Anthropic的算力成本、毛利和长期算力承诺，可作为评估AI算力需求的参考。
数十个AI智能体用24天，把多位数学家耗费数十年写下的1.5万页证明，转成4300多万行可由计算机逐步验证的代码。AI在检查这些证明时还发现了一个存在近40年的论证漏洞。
推荐理由：多智能体在超大规模数学形式化上的实测进展，可作为观察智能体长时任务能力的参照。
据 DigiTimes 报道，微软称其医疗 AI 系统 MAI-DxO 在复杂病例测试中诊断准确率超过 80%，高于普通医生，可能降低诊断成本。该系统通过多个 AI 智能体协作模拟医疗团队工作，逐步询问病史、选择检查、分析结果并修正诊断，而非一次性根据全部症状生成答案。
推荐理由：报道描述了 MAI-DxO 用多智能体协作模拟医疗团队逐步诊断的思路，读者可了解其与普通医生准确率对比的厂商说法。