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。
Google DeepMind 推出基于扩散模型的实验性开源模型 DiffusionGemma，在专用 GPU 上实现最高 4 倍的文本生成加速。该模型采用 Apache 2.0 许可证，拥有 26B 总参数但仅激活 3.8B 参数，支持双向注意力以优化代码填充和非线性文本结构生成，目前主要面向追求低延迟的本地交互式应用场景。
推荐理由：该实验性模型通过并行生成机制将本地推理速度提升4倍，为开发者探索低延迟交互工作流提供了新的技术路径。
Hugging Face 发布技术博客，解释如何通过分离 CPU 和 GPU 工作负载来大幅提升 LLM 推理性能。文章指出同步批处理中 CPU 和 GPU 轮流空闲导致约 24% 的时间浪费，并介绍了使用 CUDA streams 和 events 构建异步流水线的方法。
推荐理由：原文详细拆解了利用 CUDA streams 和 events 实现异步批处理的底层逻辑，提供了消除 CPU/GPU 等待间隙的具体工程方案。
Google Research 发布博客，详细介绍其内部科学家及学术合作伙伴如何利用 Empirical Research Assistance (ERA) 工具推进科学研究。
推荐理由：原文展示了ERA在流行病学预测、宇宙学求解及神经科学建模中的具体应用案例，为AI辅助科研提供了可参考的落地路径。
IBM 发布 Granite 4.1 系列大语言模型（3B、8B、30B），采用 Apache 2.0 许可证开源。该系列基于约 15T tokens 进行五阶段预训练，上下文窗口扩展至 512K，并通过监督微调和多阶段强化学习优化。其中 8B 稠密模型在指令遵循和工具调用等任务上表现匹敌甚至超越前代 32B MoE 模型，提供了可预测的延迟和更低成本的企业级解决方案。
推荐理由：原文详细拆解了从预训练到多阶段强化学习的全流程，展示了如何通过严格的数据工程让8B稠密模型在多项指标上匹敌32B MoE架构。
DeepSeek 发布 V4 系列模型，包含 DeepSeek-V4-Pro（1.6T 总参数/49B 激活）和 DeepSeek-V4-Flash（284B 总参数/13B 激活），均支持 1M-token 上下文窗口。
推荐理由：原文详细拆解了 DeepSeek-V4 通过混合注意力机制大幅降低长上下文推理成本的技术细节，并展示了其在智能体任务中的具体性能表现。
Google DeepMind 正式推出 Gemma 4 系列开源大模型，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格，采用 Apache 2.0 许可证。
推荐理由：Google DeepMind 发布 Gemma 4 系列开源模型，提供从移动端到工作站的多种尺寸及 Apache 2.0 许可，展示了其在智能体工作流和边缘计算上的最新进展。
Mistral AI 发布 Mistral Small 4，这是首个将 Magistral（推理）、Pixtral（多模态）和 Devstral（智能体编码）能力统一于一体的 Mistral 模型。
推荐理由：Mistral Small 4 将推理、多模态和编码能力统一于单一开源模型，并提供了具体的架构参数与效率对比数据。
Mistral AI 发布 Leanstral，这是首个专为 Lean 4 证明助手设计的开源代码智能体，拥有 6B 激活参数并采用 Apache 2.0 许可证。
推荐理由：Mistral 发布首个面向 Lean 4 的开源代码智能体，在形式化证明任务中以极低参数量和成本超越多个大型开源模型及 Claude Sonnet。
Google DeepMind 推出 Gemini 3.1 Flash-Lite，这是其最快且最具成本效益的 Gemini 3 系列模型，现已通过 Gemini API 和 Vertex AI 向开发者和企业开放预览。
推荐理由：官方公布 Gemini 3.1 Flash-Lite 的定价、速度提升及基准测试数据，为高并发场景下的模型选型提供具体参考。
Google DeepMind 正式发布 Gemini 3.1 Pro，作为 Gemini 3 系列的核心智能升级版本。该模型在 ARC-AGI-2 基准测试中取得 77.1% 的验证分数，推理性能较前代提升超过一倍。
推荐理由：原文披露了 Gemini 3.1 Pro 在 ARC-AGI-2 基准上的具体得分及全平台开放入口，读者可据此评估其推理能力跃升幅度与当前可用性。
OpenAI 宣布 GPT-5.2 在理论物理领域推导出一项新结果。一份新的预印本显示，GPT-5.2 提出了一个胶子振幅的新公式，该公式随后由 OpenAI 和学术合作者正式证明并验证。
推荐理由：官方展示了 GPT-5.2 在理论物理领域提出新公式并被验证的案例，体现了大模型在前沿科学推理中的潜在能力。
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，该专用推理模式旨在解决科学、研究和工程领域的现代挑战。新版本在 Humanity’s Last Exam（48.4%）、ARC-AGI-2（84.6%）和 Codeforces（Elo 3455）等基准测试中创下新高，并在国际物理和化学奥林匹克笔试部分达到金牌水平。
推荐理由：官方公布了Deep Think在科学、工程和数学基准上的最新性能数据及API开放计划，为评估其解决复杂现实问题的能力提供了具体依据。
Google DeepMind 发布两篇研究论文，展示 Gemini Deep Think 模式在专家指导下解决数学、物理和计算机科学领域专业研究问题的能力。
推荐理由：原文展示了 Gemini Deep Think 在纯数学、物理和计算机科学领域的具体科研突破案例及人机协作方法论，为评估 AI 在专业科研中的实际能力提供了详实依据。
Google DeepMind 发布 Gemini 3 Flash，旨在以更低成本和更高速度提供接近 Pro 级别的前沿智能。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 得分 78%，比 Gemini 2.5 Pro 快 3 倍且平均少用 30% token。
推荐理由：原文给出了 Gemini 3 Flash 在多项基准测试中的具体分数、定价及与上一代模型的性能对比，读者可据此评估其在速度与成本平衡上的实际竞争力。
Google Research 推出名为 Paper Assistant Tool (PAT) 的实验性工具，利用 Gemini 2.5 Deep Think 为 STOC 2026 的理论计算机科学论文提供提交前的自动反馈。
推荐理由：原文披露了基于 Gemini 2.5 Deep Think 的 Paper Assistant Tool 在 STOC 2026 的实验数据，展示了 AI 辅助理论计算机科学论文预审核的实际效果与用户反馈。
OpenAI 发布 GPT-5.2，称其为迄今在数学和科学领域最强的模型。该模型在 GPQA Diamond 和 FrontierMath 等基准测试中创下新的 SOTA 结果。官方展示其能解决开放理论问题并生成可靠的数学证明，推动实际科研进展。
推荐理由：原文指出GPT-5.2在GPQA Diamond和FrontierMath等基准上刷新纪录，并展示了其在解决开放理论问题和生成可靠数学证明方面的实际科研进展。
Mistral AI 正式推出下一代模型家族 Mistral 3，包括 Mistral Large 3（41B 激活/675B 总参数的稀疏 MoE）以及 Ministral 3 系列（3B、8B、14B 密集模型）。
推荐理由：官方发布了包含稀疏 MoE 大模型和密集小模型的 Mistral 3 系列，全部采用 Apache 2.0 协议开源并支持多模态与推理能力。
ServiceNow AI 团队发布 Apriel-H1 系列模型，成功将 15B 全注意力推理模型蒸馏为 Mamba 混合架构，在保持推理质量的同时实现 2.1 倍吞吐量提升。
推荐理由：揭示了蒸馏推理模型时选择高质量推理轨迹而非预训练数据的关键洞察，并提供了可复现的分阶段混合架构转换方法。
Google DeepMind 正式发布 Gemini 3 系列模型，其中 Gemini 3 Pro 已在 Google 搜索、Gemini App 及开发者平台上线。
推荐理由：原文披露了 Gemini 3 Pro 在多项基准测试中的具体分数及 Deep Think 模式的性能提升，并介绍了配套的 Antigravity 开发平台，为评估其实际能力边界提供了量化依据。
OpenAI 正式在 API 平台推出 GPT-5。该模型具备高推理性能、新的开发者控制功能，并在真实编码任务中提供一流结果。
推荐理由：官方宣布GPT-5进入API平台，强调高推理性能与开发者控制能力，为评估其在真实编码任务中的表现提供了直接入口。