跳到正文

#推理

RSS
今日 2 則
今天11月23日週一
  1. Gary Marcus (The Road to AI We Can Trust)63

    Gary Marcus 分析 Claude 協助證明黎曼猜想代表什麼

    Levent Alpöge 宣稱在 Claude 協助下證明瞭黎曼猜想,引發不少人以為 AI 自己解開了難題。Gary Marcus 指出,Alpöge 花了幾個月引導 AI 一起工作,過程也靠專門驗證數學的 Lean 和累積多年的 mathlib 數學資料庫;成果不是隻輸入一句提示詞就能得到。這項成果展現了人與 AI 合作處理數學問題的能力,但 Marcus 認為,數學有專用工具和可驗證答案,其他領域未必具備相同條件,因此不能據此說通用 AI 已經到來,或這套做法能直接解決商業、醫療等問題。

  2. swyx42

    OpenAI 提議用「困惑度」作為 AI 產業共同參考的指標,取代 FLOPS 這類只看運算量的數字。推文引用的說法認為,模型壓縮能力進步,是新能力出現的重要原因,因此困惑度或許能用來追蹤通用智慧的進展;依近期趨勢,進入約 0.68–0.7 的 log 困惑度區間後,可能還會出現重大新能力。swyx 也認為,圖表呈現了近 4 年大型模型預訓練的進步,而大家常爭論的訓練後調整問題,相較之下只是次要情節。

11月22日週日
  1. Dev.to Top Tech82

    黎曼猜想出現新的聲稱證明,該怎麼判讀?

    有人宣稱解開了黎曼猜想,但數學界還需要時間確認證明是否成立。Anthropic 數學家 Levent Alpöge 發布了一份短說明和 Lean 證明檔;MIT 的 Andrew Sutherland 已獨立編譯檢查,確認 Lean 接受這份證明,不過這只代表每一步符合形式邏輯,還不代表專家已看懂數學論證或接受結果。文章建議檢視證明檔能否獨立執行、由誰檢查、宣稱用詞是否準確,以及發布時機背後的利害關係。在數學界完成審查前,應保留「聲稱證明」的說法。

    推薦理由:這項主張已有可由 Lean 獨立編譯的證明檔,但數學界尚未理解並接受論證,文中整理了判讀重大 AI 成果宣稱的四個問題。

  2. Dev.to Top Tech61

    AI 模型 API 價格比較:每百萬 tokens 從 $0.02 到 $180

    挑 AI 模型時,除了回答品質,呼叫 API 要花多少錢也很重要。這份整理每天更新 373 個模型 API 的輸入與輸出價格及上下文長度;截至 11 月 22 日,最便宜的模型每百萬輸入 tokens 約 $0.02,GPT-5.5 Pro 每百萬輸出 tokens 則要 $180。輸出通常比輸入貴,長篇回答會增加花費;讀大量檔案、只回短摘要時,費用則多半來自輸入。作者也提醒,便宜模型若需要多試幾次,整體成本可能更高,選用前可拿自己的提示詞比較不同價位的模型。

  3. 雷科技69

    Anthropic 的 Claude 被稱完成黎曼猜想證明,學界仍在查驗

    Anthropic 的數學家表示,他用 Claude 完成了黎曼猜想的形式化證明,但學界還在確認這份證明是否站得住腳。這份成果以約 1700 萬行程式碼呈現,MIT 數學家 Andrew Sutherland 帶隊重新編譯並跑過程式,確認形式化命題和黎曼猜想的原始表述一致,也沒有加入額外假設。爭論在於,程式碼雖能逐步檢查,人們卻還沒整理出完整、容易理解的推理過程。依克雷數學研究所規則,解答還須正式刊登並接受至少兩年的公開查驗,因此黎曼猜想目前仍列為未解難題。

  4. Dev.to Top Tech75

    Anthropic 數學家稱與 Claude 找到黎曼猜想的證明

    黎曼猜想關係到質數如何分佈,但到現在仍是數學界的重要未解問題。Anthropic 數學家 Levent Alpöge 表示,他和 Claude 找到了一份證明,並把它寫成 1,700 萬行 Lean 程式碼,讓電腦檢查數學步驟。研究者回報程式碼可以順利編譯,表示內部步驟符合 Lean 的檢查規則;不過這還不能確認證明本身正確。Clay 數學研究所仍將猜想列為未解,正式解答還須刊登於同儕審查期刊,並接受兩年的獨立檢驗。

  5. Dev.to Top Tech52

    MultiO 比較五種模型:大致正確的回答也可能把話說得太滿

    AI 回答有時不是全錯,而是方向大致正確,細節或語氣卻說得太滿。MultiO 把相同的 24 個問題交給 GPT、Claude、Gemini、Grok 和 Llama,再人工檢查只有一個模型提出的說法:有些很有用,有些是錯的或編造的,另一些則混有誇大的機制、力道或數字。像模型談到馬拉松訓練時,整體安排大致可用,但每小時 60–90 g 碳水對初次參賽者可能太多。作者建議,遇到只有一個模型提出的資訊,除了查證,也要特別留意最強烈的形容詞和最精確的數字。

  6. hackernews10052

    SimpleBench 排行榜顯示 GPT-6.2 Astra、Sol 分數低於人類基準

    AI 模型在日常推理題上不一定比一般人答得好。SimpleBench 收錄超過 200 題選擇題,涵蓋空間與時間推理、社交理解和容易讓人答錯的文字陷阱;網站列出的 9 位參與者人類基準是 83.7%。排行榜上,GPT-6.2 Astra 得分 77.3%,GPT-6.2 Sol 得分 69.9%,都低於這個基準。這些結果反映的是這套測驗中的表現,不能直接代表模型在所有任務上的能力。

  7. The Decoder48

    NVIDIA 研究人員認為,AI 上下文視窗不必一味變大

    語言模型的上下文視窗就像工作時能攤開來看的資料,近年變得越來越大,現在有模型一次能處理約 100 萬個 token,足以放進《戰爭與和平》這本小說。NVIDIA 研究團隊認為,視窗做得這麼大,常常既用不完又很花錢;在不少測試中,定期整理摘要、需要時再找相關資料,效果差不多。這表示模型要記住很多內容時,不一定得把所有資料一次塞進去。

11月21日週六
  1. Dev.to Top Tech79

    Claude 從空資料夾打造模型,挑戰 GPT-2 的實驗結果如何?

    AI 助理能不能自己做研究,除了看模型表現,也得看人在哪些地方出手。作者讓 Claude 從空資料夾開始設計、訓練模型,並在每次測試前先寫下預測和通過標準。三個關卡中,兒童故事和西洋棋都沒達標;在 HellaSwag 測試中,模型分數高於 GPT-2 small,但它的引數量是對方的 2.8 倍,和同尺寸的 GPT-2 Medium 相比大致打平。作者也檢查出部分測試題出現在訓練資料中,排除後分數仍高於 GPT-2 small。這次實驗顯示 Claude 能依明確規則執行工作、記下失敗,但選擇研究問題和處理重要決策仍由人負責。

    推薦理由:這場實驗把預先訂好標準、記錄失敗和人類介入的過程攤開,呈現 AI 助理能完成明確研究任務時仍需要人決定問題。

  2. Dev.to Top Tech50

    Claude 協助完成黎曼猜想的 Lean 證明,但作者還得把它弄懂、說清楚

    程式檢查通過,只能證明證明稿符合規則,不代表作者已經看懂。Levent Alpöge 說,他和 Claude 用 Lean 完成了廣義黎曼猜想的證明,但他還沒弄懂周邊的大部分數學。這份證明被整理成 14 個部分公開;自動生成的說明檔案甚至超過 250,000 頁,裡面連「實數可以比較大小」這種基本概念都寫得很長,所以他沒有把那份檔案貼出來。這提醒我們,AI 幫忙完成程式或證明後,人還是得真正理解內容,才能把它整理清楚、講給別人聽。

  3. hackernews10087

    Scott Aaronson 談 AI 宣稱證明黎曼猜想後的疑問

    有訊息稱,Levent Alpöge 用 Anthropic 的模型產生了 1,740 萬行 Lean 程式碼,宣稱證明廣義黎曼猜想。Scott Aaronson 認為,Lean 證明目前沒有跡象顯示遭到漏洞利用,他押注這份證明能成立;但數學家還得花時間讀懂並整理其中的想法,才會真正接受它。他也提醒,Lean 的核心程式曾出現能證明錯誤結論的漏洞,這類問題需要修好。

    推薦理由:作者把形式化證明的可信度和人類理解數學的速度放在一起討論,呈現 AI 解題成果帶來的兩種不同考驗。

  4. François Chollet52

    如果早在 2024 年就知道 AI 會大幅進步,買進 Nvidia 股票就一定賺錢嗎?François Chollet 回頭設想,當時的人若預知到 2026 年 AI 模型的推理和寫程式能力會進步,也知道 Nvidia 仍掌握約 80% 的 AI 運算市場、營收和獲利成長 4.5 倍,可能會想買進 NVDA。但他指出,照這個假設回看,2.5 年後投資仍會虧 5%,還沒計入通膨。這則貼文用反差提醒讀者,技術進步和公司成長,不一定會帶來相同幅度的股票報酬。

  5. Gary Marcus54

    一項可能解決黎曼猜想的新成果引起討論,但目前還沒有獲得確認。Gary Marcus 認為,如果成果成立,確實非常令人佩服;他也把這類方法和純大型語言模型區分開來,指出它依靠複雜的符號定理證明技術。他認為,這種專用方法未必能用在日常推理,因此即使成果獲確認,也不會大幅改變生成式 AI 的經濟問題。他並重申,光靠神經符號 AI 的進步,還不足以帶來穩健的智慧。

  6. BlockTempo 動區動趨76

    數學家 Levent Alpöge 聲稱與 Claude 證明黎曼猜想,完整驗證仍待確認

    黎曼猜想關係到質數實際分佈和平均估計之間的差距,至今仍沒有獲公認的證明。數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並把論證寫成 Lean 程式;他公開了四頁宣告和 14 個程式分卷連結,提到草稿曾超過 25 萬頁。Lean 可以檢查數學推導,但還要確認程式證明的命題確實對應原本的猜想,並檢查完整推導和使用的前提。外部專家仍須檢視論證,作者的聲稱也不等於已獲獨立驗證。

    推薦理由:這項聲稱的關鍵不只在 Lean 程式能否編譯,還要核對程式證明的命題是否就是黎曼猜想,以及完整推導有沒有外部專家驗證。

11月20日週五
  1. hackernews10065

    DeepMind Institute 分析 AGI 之後可能走向哪裡

    如果 AI 達到和人類差不多的能力,接下來還可能變得多強?DeepMind Institute 認為,AI 助理數量增加、運作成本降低,可能讓許多知識工作像工業生產一樣大量自動化;AI 也可能透過模型與資料擴大、技術改變、協調大量 AI 助理,或協助改良後續 AI,走向超越人類專家的能力。這些路徑都不確定,但文章主張要持續建立評量方法、追蹤進展,並準備因應對科學、經濟與社會的影響。

  2. Lobste.rs (Engineering Discussion)35

    Levent Alpöge聲稱和Claude一起證明瞭黎曼猜想

    黎曼猜想是數學界長年未解的難題,和質數如何分佈有關。Levent Alpöge表示,他和Claude一起找到證明,也把論證整理成 Lean 程式碼;他還聲稱,這個方法能延伸到廣義黎曼猜想。他說完整論證目前很長,自己也還沒完全掌握其中的數學細節,打算繼續整理並寫清楚。現在能確定的是他提出了這項主張,文章沒有交代其他數學家已確認證明正確。

  3. Dev.to Top Tech60

    為什麼打造可靠 AI 助理時,先改善工具與檢查流程往往比微調更重要

    打造 AI 助理時,團隊常想先微調模型,但有些案例顯示,工具和檢查流程也會大幅影響成果。文章整理 Clay、Harness-Bench 和 LangChain 的案例:固定模型、只更換工具流程時,分數曾從 52.4 變到 76.2;另一個案例則用流程調整,讓 Nemotron 3 Ultra 在 Deep Agents 測試中的分數接近 Opus 4.8,成本約低 10 倍。作者建議先整理工具、加入檢查步驟並追蹤失敗;只有流程改善停滯,而且任務範圍明確時,再考慮微調。

  4. Dev.to Top Tech56

    實測 Qwen2.5-1.5B-Instruct:先看摘要沒有比截短文字更準

    把每則問題的文字截短,可能讓小型模型少被不相干的內容帶偏;作者因此測試,先看每則問題的摘要再讀全文會不會更好。使用 Qwen2.5-1.5B-Instruct 比較三種方式後,截短文字答對 17 題,摘要優先答對 16 題,讀完整文字答對 9 題。摘要優先每題平均花 5,172 個 token,是截短文字的 2.6 倍。模型仍常盯著最醒目的 412 號問題,摘要沒有解決這個問題;作者認為,候選專案不多時,截短文字更省成本,表現也相近。測試中還有一題的標籤洩漏線索,因此無法判斷模型是否真的讀到了後面的關鍵內容。

  5. Dev.to Top Tech66

    Gemini 各模型怎麼選?實測比較答題表現、費用和速度

    要挑 Gemini API 模型,光看每個 token 的價格不一定知道哪個最划算,答題表現和速度也會影響實際花費。作者用相同題目和評分方式比較 8 個模型:Gemini 4 的 4 個模型都答對 30 題 AIME 2025,但這次測試分不出它們誰更準;Argon 每題較便宜,Hydrogen 回答較快。Neon 在高思考設定下答題表現和 Carbon 一樣,費用較低。這些結果來自每個模型和設定各一次測試,沒有涵蓋長時間的 AI 助理工作或程式開發。

  6. Dev.to Top Tech44

    為什麼光靠擴大資料中心,還是無法讓 AI 不再胡亂回答?

    AI 有時會把兩件很像的事搞混,就像郵差把包裹送到隔壁同名的人家。擴大型模型、增加運算能力,可以讓不同概念分得更開,減少這種錯誤,但每少犯一次錯都會花更多錢,而且錯誤不會因此完全消失。另一種情況是模型根本沒學過答案,卻還是硬猜;文章舉例,一個模型常說「我不知道」之後,答錯的次數變少了,但答對率也沒有因此提高。作者認為,AI 除了要學會承認不懂,也需要另一套系統檢查答案。大資料中心能讓 AI 進步,卻不能單靠規模讓人完全放心。

11月19日週四
  1. CMU Machine Learning Blog59

    CMU 研究者解析 AI 助理的能力如何牽動內部表徵與安全

    AI 助理只靠眼前看到的資訊,有時無法判斷下一步該怎麼做;但它做得好,是否代表內部一定記住了過去或掌握環境變化?CMU 研究者 Aran Nayebi 用自己的研究說明,在資訊不完整、任務需要多步行動時,表現良好的 AI 助理必須保留有助於預測結果的資訊;只做簡單的一步任務則不一定需要。文章也談到,難度較高的任務可能讓不同模型的內部運作更相似,研究者已在模型中觀察到部分重複出現的單元與注意力頭。作者最後提醒,能持續探索、把任務做好,不代表 AI 助理也會接受人類要求它停下來,下一部分將探討如何保障這種可修正性。

  2. Dev.to Top Tech58

    作者拆解 Qwen3.6-35B-A3B 在 4GB 顯示卡上的速度瓶頸

    4GB 顯示卡能不能跑大型模型,光看顯示卡容量還不夠;作者分析一臺筆電跑 Qwen3.6-35B-A3B 的資料,認為速度主要受記憶體頻寬限制。這臺筆電每秒生成 21.72 個 token,作者估算它用掉記憶體通道理論頻寬的 84% 到 93%。他再和另一臺記憶體頻寬較高的筆電比較,兩者的生成速度差距和頻寬差距接近。作者也提供一段程式碼,讓讀者輸入模型大小、活躍引數和生成速度,估算自己的電腦用了多少頻寬;不過其中一臺筆電的記憶體配置尚未確認,因此部分估算仍有前提。

  3. O'Reilly Radar71

    AI 開始協助打造下一代 AI,作者分析自我改進的做法與風險

    AI 已開始幫忙寫程式、改提示詞、整理可重用的工具,甚至加快模型訓練;文章把這些做法分成幾種層次,從重試答案到修改自身程式都有。像 AlphaEvolve 找出讓 Gemini 訓練快 1% 的計算方式,顯示 AI 也能改善打造 AI 的流程。麻煩在於,系統會朝評分方式努力:如果分數設錯,AI 可能學會騙過檢查,分數變高,行為卻沒變好。作者認為,能訂出好目標、寫出 AI 騙不過的測試,並看出錯誤改變,會愈來愈重要。

  4. hackernews10058

    Gemini 4 Neon 速度更快,作者估算它可與 Opus 5.5 競爭

    Gemini 4 Carbon 在 Agent Duel 排行榜表現出色,但回答速度較慢;作者想知道,速度快很多的 Gemini 4 Neon 能不能追上 Opus 5.5。他把模型本身、回答速度和使用者是否提早投票放進排行榜分析,再用 Gemini 4 Carbon 的表現估算 Neon。依照 127 tokens per second 的速度推算,Neon 的 Elo 約為 1,066,略低於 Opus 5.5 的 1,078;作者估計 Neon 對上 Opus 的勝率是 48.3%,但結果仍有相當大的不確定範圍。

  5. BlockTempo 動區動趨53

    Coinbase Ventures 分析 AI 助理代理交易的四層技術與投資機會

    AI 助理開始能依照使用者設定的目標和風險限制,自行分析市場、決定持倉、下單並監看風險;Coinbase Ventures 把這種做法稱為「代理交易」。它以跨加密資產和半導體股票配置投資組合為例,說明代理如何依照回撤上限和每週再平衡要求執行策略。文章也把相關技術分成資料與模型、代理框架、交易執行、合規與紀錄四層。Coinbase Ventures 認為,單純代為下單的價值可能變低,長期機會在能累積專屬交易資料、形成決策閉環並取得使用者資產信任的團隊;交易代理也需要可查核的決策紀錄與合規措施。

11月18日週三
  1. Latent Space82

    OpenAI 推出 GPT-6.2 Astra 和 Sol,效能與價格各有差異

    OpenAI 推出 GPT-6.2 Astra 和 Sol,兩款模型已開放給部分 ChatGPT、Codex 使用者和 API 開發者。報導整理的測試顯示,Astra 在多項基準測試表現突出;Artificial Analysis 的 Intelligence Index 給它 62 分,略低於 Fable 5.2 的 65 分。Sol 在一項測試中達到與前一版 Astra 相近的表現,每項任務成本約為後者的 15%。不過早期使用者評價不一,有人批評模型難以使用,也有人認為部分問題來自測試工具設定。兩款模型都有 1M 上下文視窗,輸出上限為 128K。

    推薦理由:OpenAI 同時推出 Astra 與 Sol,報導整理了兩者在價格、基準測試與早期使用者評價上的差異,可看出效能和成本如何取捨。

  2. Dev.to Top Tech80

    Google 發布 Gemini 3,首日就匯入搜尋的 AI Mode

    新模型推出後,大家常要等一段時間,才會在搜尋服務裡用到它。Google 在 2026 年 11 月 17 日發布 Gemini 3,並從第一天起讓 Pro 和 Ultra 訂閱者在 Google 搜尋的 AI Mode 使用它;作者說,前幾代模型進入搜尋都晚了幾週。文章也提到 Gemini 3 Pro 在 LMArena 得到 1501 Elo,Gemini 3 Flash 則比 2.5 Flash 快約 2 倍、執行成本低約 60%,這些數字是 Google 提供的。作者認為,模型發布時就接上搜尋服務,讓更多人能直接用到新功能,是這次發布的關鍵變化。

    推薦理由:Gemini 3 從發布當天就進入 Google 搜尋的 AI Mode,文章聚焦模型發布與搜尋入口同步,呈現 Google 如何把新模型直接帶到使用者面前。

  3. BlockTempo 動區動趨47

    Qwen4-Max 第三方評分落後 Claude,蒸餾是否受阻還沒有定論

    阿里自家測試說,Qwen4-Max 的表現和 Claude Opus 5.5 差不多;但在 Artificial Analysis 的榜單上,Qwen4-Max 得 43 分,低於 Opus 5.5 的 59 分,也比 Claude Fable 5.2 的 65 分少。有人猜,Anthropic 把 Claude 的思考過程藏起來後,其他模型更難拿這些資料來訓練、追上 Claude;不過這目前只是社群的說法,還不能當成定論。 Anthropic 表示,完整的思考過程比摘要更適合拿來訓練模型,也說新防護讓可能被取走的推理內容減少約 90% 到 99%。文章提到阿里是 Anthropic 指控的物件之一,但阿里沒有公開回應;目前沒有證據證明 Qwen4-Max 分數較低就是蒸餾受阻造成的。

  4. hackernews10071

    Weight-Space Programming 如何用傳統技巧打造神經網路

    大型語言模型能直接設定神經網路的權重,但它究竟學會了訓練模型,還是把舊方法重新組合起來?作者讓 Claude Fable 5.2 從零設定手寫數字分類器,發現它畫出筆畫和轉角偵測器,再用訓練資料檢查哪些特徵有用,做法很像早期的影像辨識。這套方法在手寫數字上達到 91.3%,在貓狗照片上則只有 61.6%;作者也從另一個圍棋網路看到類似的手工規則。實驗顯示,模型能靈活運用傳統技巧,但遇到較難的照片分類時,這些技巧也會碰到限制。

  5. Rohan Paul44

    OpenAI 執行長 Sam Altman 說,OpenAI 會用 RSI(遞迴式自我改進)技術,讓新模型開發得比不用這些技術更快。但這不代表 AI 已經能自己按下按鈕、設計下一代模型並快速改進,完全不需要人類監督。Altman 表示,OpenAI 還能讓開發更接近這種做法,但目前這麼做還不安全。這說明 AI 能協助加快模型研發,是否讓它自行改進,仍需要考慮安全。

  6. a16z49

    AI 助理現在已能像研究實習生一樣,照著人指定的方式執行實驗、跑程式並整理結果;Mark Chen 說,這類工作通常範圍明確,不是叫 AI 自己想研究方向。John Schulman 分享,他讓 Fable 花幾天嘗試研究點子,確實能做出一些合理實驗,也提出有趣想法,但最後可能沒完成原本的任務。人類研究者能一邊動手寫程式、一邊累積理解,提出 AI 沒想到的問題,並把研究帶往不同方向。因此,AI 已能幫忙做部分研究工作,但仍需要人判斷目標並引導過程。

  7. a16z39

    研究品味,是看出哪些點子長遠來說重要、能被其他想法接著使用,最後也可能超越最初發表的論文。John Schulman 認為,研究直覺來自親自做研究,也要大量閱讀過去的成果,從中吸收經驗。Mark Chen 則說,現在的模型還不太會想出好點子,反而更擅長調整超引數等細節。未來公司可能用人類回饋強化學習,請研究人員評分哪些想法好、哪些不好,讓模型從中學習。這很重要,因為做研究不只要把引數調好,還得知道哪些問題值得花時間。

  8. TechCrunch · AI64

    決策模型使用快速增加,客製化會成為下一個發展方向嗎?

    有些工作需要快速從幾個選項中做決定,不一定要等大型語言模型完整推理。決策模型會在預設選項中挑答案,並標示自己有多大把握;文章提到,去年 10 月 Vercel 的 AI 模型路由器中,超過四分之一的請求交給了這類模型。Sqwish 提供工具,讓客戶用自己的資料持續調整模型的判斷;Microsoft 也宣佈在 Azure 推出 Microsoft-Decision-1.1。業者認為,模型在實際工作中的表現,不能只看基準測試,還要看準確度、速度、可靠性和成本是否合用。

  9. a16z38

    AI 已經能幫研究人員更快做實驗、寫程式和測試想法,但它離自己規劃並完成研究還有多遠?a16z 的節目邀請 OpenAI 的 Mark Chen,以及 Thinking Machines Lab 的共同創辦人 John Schulman,討論「遞迴式自我改進」:AI 能不能研究如何讓自己變得更好,再用新方法繼續改進。他們也談到研究直覺為何難教,以及 AI 為什麼可能成為協助解決 AI 對齊問題的重要工具。

11月17日週二
  1. Hacker News (official RSS)79

    OpenAI 推翻一項電腦科學假設,但目前還沒有實際應用

    電腦科學家長期認為,有些問題很難快速解出來,即使答案一旦找到就很容易檢查。OpenAI 表示,它用 AI 推翻了相關的「指數時間假設」;這項結果不等於解開了「P vs. NP」,也不代表電腦現在就能快速破解加密或設計新藥。研究者認為,這可能指出找到更快演演算法的方向,甚至幫助電腦設計更好的晶片;但眼下的快速解法仍只存在理論上,還沒有直接的實際應用。

    推薦理由:這項結果動搖了「某些問題無法快速求解」的假設,但目前仍只有理論意義,實際應用還需要多年工程工作。

  2. Dev.to Top Tech73

    阿里推出 Qwen4-Max,但只提供封閉 API,沒有可下載的模型權重

    團隊想用更省成本的模型,又希望能在自己的伺服器上部署;Qwen4-Max 在這兩件事上帶來不同取捨。阿里推出的 Qwen4-Max 有 2.4 兆個引數,每個 token 啟用 710 億個引數,支援 1M-token 上下文視窗,但只能透過封閉的 QwenCloud API 使用,沒有可下載的模型權重。文章指出,它在指定測試中的 token 用量減少 48%–49%,Work360 平均任務成本從 $4.43 降到 $1.67;不過,想用自家 GPU 執行模型的團隊無法自行部署,也少了改用本地模型的退路。