推理能力

美团LongCat发布重思考模式总结模型

美团LongCat推出基于5600亿参数MoE架构大模型LongCat-Flash-Thinking-2601的重思考模式（Heavy Thinking Mode），并发布LongCat-HeavyModel-Summary模型。该模式通过并行思考与总结两阶段协同扩展推理能力：前者以高温度并行生成多路径扩展宽度，后者将精炼轨迹递归反馈形成迭代循环延伸深度。模型经额外强化学习优化总结能力，已在Longcat AI平台上线。

NVIDIA发布Cosmos Reason 2模型，增强物理AI推理能力

NVIDIA在Hugging Face上发布了Cosmos Reason 2模型，旨在提升物理AI系统的推理能力。该模型通过改进的推理架构，使AI能更准确地理解和预测物理世界的动态与交互，核心升级包括对复杂场景的多步推理、不确定性量化及时间序列数据的深度理解。这一进展将推动机器人、自动驾驶等领域的发展，使AI在现实环境中的决策更可靠、更符合物理规律。

Saining Xie@sainingxie03:57精选

不想陷入哲学辩论，但这本书确实改变了我对这个话题的看法，让我更加谦逊。人类智能令人印象深刻，但称其为"通用"并不太客观。我的猫会不同意。 在我看来，人类智能更应被视为社会驱动的认知适应，而且我们仍不理解、也远未用当前 AI 复现的智能领域还有巨大 WORLD。 [引用 @demishassabis]：Yann 在这里完全错了，他把通用智能和 universal intelligence 混淆了。 大脑是我们在宇宙中所知最精致、最复杂的现象（迄今为止），而且它们实际上极其通用。 显然，没有人能规避 no free lunch theorem，因此在实际且有限的系统中，总是必须围绕正在学习的目标分布有一定程度的专门化。 但关于通用性的要点在于，理论上，在 Turing Machine 的意义上，这种通用系统的架构能够在给定足够时间和内存（以及数据）的情况下学习任何可计算的东西，而人脑（和 AI foundation models）是近似 Turing Machines。 最后，关于 Yann 对国际象棋棋手的评论，人类竟然能发明国际象棋（以及现代文明的所有其他方面，从科学到 747s！），更不用说像 Magnus 这样的人能下得如此出色，这本身就令人惊叹。他可能不是严格最优的（毕竟他有有限的记忆和有限的决策时间），但考虑到我们的大脑是为狩猎采集而进化的，他以及我们能用大脑做到这些，实在令人难以置信。

ARC Prize 2025 结果公布：NVARC 摘得桂冠，Grand Prize 仍无人认领

ARC Prize 发布 2025 年结果与分析，NVARC 以约 24% 的 ARC-AGI-2 私有集得分（$0.20/task）夺得 Kaggle 竞赛冠军，Grand Prize 连续第二年无人认领。

PromptArmor 披露 vLex Vincent AI 屏幕接管钓鱼攻击，vLex 已修复

PromptArmor 披露法律 AI 工具 Vincent AI（所属公司 vLex 上月被 Clio 以 10 亿美元收购）存在提示词注入漏洞。

DeepSeek V3.2 正式版发布：强化 Agent 能力，融入思考推理

DeepSeek 发布正式版 DeepSeek-V3.2 和长思考增强版 V3.2-Speciale，网页端、App 和 API 均已更新。

DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理

DeepSeek 发布正式版 V3.2 与长思考增强版 V3.2-Speciale。V3.2 在推理 Benchmark 中达到 GPT-5 水平，并成为首个支持思考与非思考模式工具调用的模型。

DeepSeek-V3.2 及 DeepSeek-V3.2-Speciale 发布

DeepSeek 将 deepseek-chat 和 deepseek-reasoner 均升级为 DeepSeek-V3.2，分别对应非思考模式与思考模式。同时非正式部署 DeepSeek-V3.2-Speciale 的 API 服务，价格不变，仅支持思考模式对话，不支持工具调用，最大输出长度默认 128K，服务截止至北京时间 2025-12-15 23:59。

Prime Intellect 发布 INTELLECT-3：106B 参数 MoE 模型，大规模 RL 训练并全栈开源

Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 MoE 模型，在 GLM-4.5-Air 基座上经 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上达到同规模最先进水平。

从第一性原理看连续批处理

连续批处理是优化大型语言模型推理吞吐量的核心技术，通过并行处理多个对话并在生成完成后动态交换任务，以最大化硬件利用率。从注意力机制和KV缓存的基础原理出发，文章推导了如何通过优化批处理提升性能。注意力层具有二次复杂度，但连续批处理允许查询、键和值张量容纳不同长度的令牌序列，从而同时处理预填充和解码阶段。该技术能显著降低生成每个令牌的计算成本，适用于高负载服务场景，提升响应速度。

Apriel-H1：蒸馏高效推理模型的关键要素

ServiceNow-AI在Hugging Face发布博客，介绍了其提出的Apriel-H1方法，该方法通过知识蒸馏技术有效提升小型模型的推理能力。该方法的核心在于从大型模型中提取并转移复杂的推理路径，使蒸馏后的小模型在多项推理任务上表现显著提升，同时保持高效的部署性能。这一技术为在资源受限环境中部署高性能推理模型提供了新思路。

2025年11月电路更新：解读模型在危害压力下的多选题行为机制

Anthropic可解释性团队研究了危害压力对Claude 3.5 Haiku模型多选题回答的影响。实验使用129个二选一问题，当添加有害意图语句时，模型准确率从100%骤降至48.1%。机制分析表明，注意力头中的“拒绝”查询特征与“危害检测”关键特征发生负向交互，显著降低了模型对正确答案的关注度。仅对该拒绝特征进行负向调控，即可将准确率恢复至93%。这证明模型在压力下并未改变事实认知，而是通过干扰注意力机制来主动拒绝提供正确答案，为理解模型拒绝行为提供了新视角。

SIMA 2：在虚拟3D世界中与你共玩、推理和学习的智能体

Google 推出 SIMA 2，基于 Gemini 的 AI 智能体，支持在交互式环境中思考、理解并执行动作，可在虚拟3D世界中进行游戏、推理和协同学习。

Cognition 发布 SWE-1.5 编码智能体模型，经 Cerebras 推理达 950 tok/s

Cognition 发布软件工程模型 SWE-1.5，参数达数千亿级，与 Cerebras 合作以最高 950 tok/s 提供推理，速度为 Haiku 4.5 的 6 倍、Sonnet 4.5 的 13 倍。

带 Deep Think 的 Gemini 高级版本在 IMO 中正式达到金牌标准

集成 Deep Think 的 Gemini 高级版本在国际数学奥林匹克（IMO）中达到金牌水平。IMO 自1959年起每年举办，是全球最顶尖的青年数学家竞赛，各国派出6名精英学生角逐代数、组合、几何和数论领域的6道极难题目。

Claude Haiku 4.5 发布：最快最智能的 Haiku 模型，性能接近前沿

Anthropic 推出 Claude Haiku 4.5，定位为最快且最智能的 Haiku 系列模型，性能接近前沿水平。该模型专为实时应用、高吞吐量处理以及对推理能力要求较高的成本敏感型部署场景设计。

Circuits 更新 — 2025年10月

Anthropic可解释性团队分享了多项研究进展。研究发现，从Haiku 3.5到Sonnet 4.5等模型中存在跨模态视觉特征，能够识别ASCII艺术和SVG代码中编码的语义概念，如眼睛、嘴巴、狗、猫等。这些特征依赖于视觉描绘的上下文环境，例如，SVG圆形元素只有在位于激活“面部”特征的更大结构中时才会激活“眼睛”特征。在生成过程中对部分特征进行引导，可以对应修改文本艺术的语义，例如将ASCII表情从皱眉转为微笑，或为SVG面部添加皱纹。研究还发现模型存在类似“人脸幻想”的倾向，会将形状解释为动物绘图的组成部分。这些特征对人类手绘的SVG同样有效。

DeepSeek-V3.2-Exp 发布，引入稀疏注意力提升长文本效率，API 降价超 50%

DeepSeek 发布实验性模型 DeepSeek-V3.2-Exp，在 V3.1-Terminus 基础上引入 DeepSeek Sparse Attention（DSA）稀疏注意力机制，在几乎不影响输出效果的前提下大幅提升长文本训练和推理效率，公开评测表现与 V3.1-Terminus 基本持平。

inclusionAI/dInfer

inclusionAI团队发布了dInfer，一个专为扩散语言模型设计的高效推理框架。该框架旨在解决扩散模型在文本生成领域推理速度慢、资源消耗大的核心挑战。dInfer通过一系列底层优化技术，显著提升了推理效率，能够更快地生成文本，同时降低计算成本，为扩散模型在更广泛的实际应用场景中部署提供了关键技术支持。

Sam Altman@sama02:45精选

未来几周将推出新的计算密集型产品，部分功能仅限 Pro 订阅者，部分新产品需额外付费。尽管长期目标仍是降低智能成本并普及服务，但当前希望探索在高计算投入下能实现哪些新可能性。