Kimi K1.5：强化学习驱动推理能力的一次技术验证
月之暗面在K2之前发布的K1.5，核心看点是用纯强化学习来提升推理能力。 技术路线K1.5的推理增强不是靠SFT（监督微调）或RLHF的常规路线，而是更加依赖纯RL（强化学习）训练。 这和DeepSeek R1的思路类似——让模型通过大量的
第 54 页
查看归档 →GPT-5.2和ARC-AGI测试：通用推理能力到底走到哪一步了
ARC-AGI这个测试一直被看作是衡量AI”通用推理能力”的硬指标——不靠死记硬背，不靠pattern matching，纯粹考察模型能不能在没见过的抽象任务上灵活应变。 GPT-5.2在ARC-AGI-1上拿到了72%，ARC-AGI-2
DeepSeek训练大模型到底怎么做到这么省钱的
DeepSeek在成本控制上的水平已经成了行业传说级别的存在： V3训练成本：约$550万 R1 GPU使用费：约$29.4万 同期美国公司训类似规模模型的预算是**$1亿到$10亿**。差了至少一个数量级。 省钱秘诀1. FP8混合精度训
DeepSeek V3.1：把通用模型和推理模型揉到一起是什么体验
去年8月DeepSeek放出了V3.1，这是他们第一个混合模型——把V3（通用）和R1（推理）的能力合进了同一个模型里。 架构设计 总参数：671B，每token激活37B 每层256个专家，激活8个 两种模式一键切换： Think mod
DeepSeek R1开源之后，推理模型这条路被彻底跑通了
今年1月，DeepSeek把R1推理模型直接开源了，社区的反应很直接：没想到开源这边已经卷到这个程度了。 先看硬指标： AIME数学竞赛：77.5分 MATH-500：96.2分 Codeforces编程：94百分位 MMLU：0.849
GPT-5.3 Codex拿了OpenAI史上第一个"高危"网络安全评级
今年2月5号OpenAI发了GPT-5.3-Codex，编程能力确实往上蹦了一大截——但随之而来的是一个不太好看的标签：OpenAI内部安全评估框架给出的第一个”高”网络安全风险等级。 到底有多危险？OpenAI自己说得很委婉：”没有确凿证
Gemini 2.5 Pro发布，Google终于在推理能力上交出了有说服力的答卷
去年3月底，Google放出了Gemini 2.5 Pro，官方说法是”迄今最智能的模型”。 这种说法每家都会喊，但这次Gemini 2.5 Pro的跑分确实有点东西： 数学和科学推理 AIME 2024：92.0% AIME 2025：8
DeepSeek V3：671B参数只激活37B，MoE架构的教科书级操作
去年12月DeepSeek发布了V3，这个模型最让同行坐不住的地方不是性能——而是成本。 先看架构V3的设计核心是Mixture of Experts： 总参数量：671B 每个token实际激活：37B 每层256个专家，每次选8个 就好
Anthropic的Constitutional Classifiers：用AI的方式防AI越狱
Anthropic今年初公布了Constitutional Classifiers的研究成果，核心思路很直白：用AI生成的合成数据来训练安全分类器，防止AI模型被越狱。 工作原理系统架构是双层的——输入分类器和输出分类器同时工作，实时监控模
Opus 4.6来了：模型自己决定"要不要深度思考"
2月5号Anthropic发了Opus 4.6，最核心的升级叫Adaptive Thinking（自适应思考）。 以前 vs 现在以前用extended thinking，得手动设预算——让模型想10秒还是30秒，全靠开发者拍脑袋定。现在O