#test-time compute
共 99 篇相关文章
·13 分钟
Ilya Sutskever的SSI本月或发布首个AI模型
前OpenAI首席科学家Ilya Sutskever创立的Safe Super Intelligence（SSI）据传将于本月发布首个模型。投资人Gavin Baker访谈中透露消息，这将是SSI成立以来首次公开展示技术成果，引发AI行业广泛关注。
阅读全文 →
·14 分钟
Kimi K3集成Devin平台：调试能力突出的长程编码智能体
Kimi K3正式登陆Devin Desktop和CLI平台，在FrontierCode 1.1基准测试中超越GPT-5.5，调试能力表现突出。了解Kimi K3在长程智能体编码任务中的实际表现与开发者使用指南。
阅读全文 →
·11 分钟
探索式建模：Best-of-K训练策略如何提升模型学习效率
探索式建模通过让模型生成K个候选预测并择优学习，在训练中引入探索机制。本文深入解析Best-of-K训练策略的核心原理、适用场景及其与强化学习、拒绝采样微调的关联，探讨计算开销与评估可靠性等关键挑战。
阅读全文 →
·14 分钟
Kimi-K3在ARC-AGI-2拿下60.4%：抽象推理能力突破解读
Kimi-K3在ARC-AGI-2基准测试上取得60.4%的成绩，远超多数大模型表现。本文深入解析ARC-AGI-2为何重要、这一分数背后的推理能力突破，以及对国产大模型和行业发展的启示。
阅读全文 →
·13 分钟
AI前沿技术加速迭代：解读行业预告信号与未来趋势
从一条引发AI圈关注的预告式推文出发，解读frontiermogging等行业信号背后的含义，分析AI前沿模型能力跃升、Agent自动化落地及开发者生态扩张等未来趋势走向。
阅读全文 →
·15 分钟
AI模型性价比之争：如何理性选择适合你的大语言模型
当AI大语言模型能力趋同，性价比成为用户选择的关键因素。本文从模型价值评估、任务场景匹配、成本效益分析等维度，探讨如何理性对比AI模型并做出最优选择。
阅读全文 →
·15 分钟
预训练第三维度：6.2倍样本效率与250倍推理加速新范式解读
哈佛与UIUC团队提出预训练第三条轴线，声称实现6.2倍样本效率提升与250倍生成式AI推理加速。本文深度解析这一新范式的技术内涵、潜在意义及需要审慎对待的关键问题。
阅读全文 →
·8 分钟
Anthropic Opus 5实测：性能超越对手价格仅一半
Anthropic Opus 5实测评测，ARC-AGI首破30%，Agentic编程接近Fable 5水平但价格减半。详解基准测试、Token消耗、实际编程任务表现及与GPT-5.6对比分析。
阅读全文 →
·6 分钟
AI模型竞赛白热化：推理能力成新战场，旗舰模型对决深度解析
深度解析AI模型竞赛最新格局：从参数竞赛转向推理竞赛，分析Opus、Gemini、ChatGPT等旗舰模型的档位化推理机制、基准测试局限性，以及如何理性看待模型排名波动。
阅读全文 →
·9 分钟
Opus vs Gemini vs GPT：顶级AI模型实力对比与评测方法论
深度分析Claude Opus、Gemini Pro与ChatGPT等顶级AI大模型的竞争格局，探讨社区评测的局限性，解读推理能力、基准测试与模型选择的科学方法。
阅读全文 →
·10 分钟
Gemini 3.5检查点曝光：中间版本测试已超越Opus 5
Reddit社区曝光Google Gemini 3.5中间检查点在测试中超越Claude Opus 5 max thinking模式。本文解析checkpoint含义、评测可信度及头部大模型竞争格局，帮助开发者理性看待社区爆料。
阅读全文 →
·11 分钟
OpenAI发布GPT-5.6与ChatGPT Work：AI自主工作时代来临
OpenAI推出GPT-5.6模型家族（Sol、Terra、Luna）及ChatGPT Work、全新桌面应用与Sites托管功能。AI从问答工具升级为能自主完成长周期任务的工作伙伴，覆盖财务分析、文件整理、网站生成等真实场景。
阅读全文 →
·15 分钟
GPT-5.6深度评测：Sol、Terra、Luna三模型选型完全指南
GPT-5.6正式开放，一次推出Sol、Terra、Luna三款模型。本文结合权威基准数据与真实用户反馈，深度解析三款模型的性能差异、强项弱点，并给出清晰的选型建议，帮你找到最适合自己的那一款。
阅读全文 →
·11 分钟
开源Agent工具Proma v0.15：Pi内核上线，兼容全主流大模型
Proma v0.15.0重磅更新：引入Pi（PyAgent）运行内核，支持所有主流大模型接口格式，新增Codex一键授权、并行任务处理与子会话管理优化。开源版已获1.25k star，兼顾自由配置与高效Agent调度，是开源通用Agent工具的重要里程碑。
阅读全文 →
·7 分钟
CoT思维链技术详解：让AI掌握逐步推理能力
深入解析CoT思维链（Chain of Thought）技术原理：从提示构建到推理链生成，揭示AI推理能力提升背后的三大机制。涵盖数学求解、医学诊断、金融风险评估等真实应用场景，并客观分析思维链的局限与价值。
阅读全文 →
·14 分钟
AI推理提效两条路径：测试时扩展与形式化验证
本文融合微软研究院峰会两场报告核心观点，深度解析AI推理提效的两条关键路径：帝国理工Hongxiong Fan提出的测试时扩展与可变粒度搜索，以及微软研究院印度的验证式推理框架，探讨如何让AI推理兼具效率与可信性。
阅读全文 →
·14 分钟
DeepSeek V4即将发布：Flash版或超越HY3，GPT-5.6推理能力被悄悄削减
DeepSeek V4本月即将发布，Flash版或超越同级最强开源模型HY3，并首次支持原生视觉；OpenAI承认悄悄下调GPT-5.6推理预算；Anthropic延长Fable 5访问权限应对GPT-6竞争；字节Seedance 2.5支持180秒4K视频生成——AI竞争持续白热化。
阅读全文 →
·14 分钟
DeepSeek V4即将发布 GPT-5.6被证实悄然削弱推理能力
AI圈24小时重磅动态：DeepSeek V4 Flash正式版即将推出，原生支持视觉能力；OpenAI承认GPT-5.6-Soul推理预算被下调；Anthropic重开Fable 5留住用户；字节跳动C-Dance 2.5支持3分钟4K视频生成。一文梳理最新AI行业动向。
阅读全文 →
开源AI还剩6个月？深度解析开源大模型的生存危机与出路
·14 分钟
开源AI还剩6个月？深度解析开源大模型的生存危机与出路
一篇《开源模型只剩6个月》的文章引发技术圈热议。本文深度剖析开源大模型面临的算力鸿沟、能力代差、许可困境三重压力，以及中国开源力量崛起、小模型效率革命等破局路径，探讨开源AI生态的可持续发展之道。
阅读全文 →
·9 分钟
GPT-5.6 Sol XHigh实测：让Claude用户改变立场的编程能力
一位长期使用Claude的开发者在实测GPT-5.6 Sol XHigh后发出惊叹。本文深度解析这一高推理配置模型的编程表现、AI编程助手竞争格局变化，以及开发者如何理性评估与选择最适合自己的编程AI工具。
阅读全文 →