OpenAI 研究分析模型生命週期中影響 CoT 可監控性的因素
OpenAI 分析預訓練、架構、強化學習與模型生成資料如何影響思維鏈(CoT)可監控性,並指出 CoT 可控性與無 CoT 能力是監控規避能力的不完美代理指標。
推薦理由:研究比較預訓練、架構、強化學習與模型生成資料對 CoT 可控性的影響,呈現訓練決策如何牽動監控能力。
模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。
OpenAI 分析預訓練、架構、強化學習與模型生成資料如何影響思維鏈(CoT)可監控性,並指出 CoT 可控性與無 CoT 能力是監控規避能力的不完美代理指標。
推薦理由:研究比較預訓練、架構、強化學習與模型生成資料對 CoT 可控性的影響,呈現訓練決策如何牽動監控能力。
推薦理由:PAN 2將語言模型的步驟規劃與擴散模型的視覺生成分工,並以多步任務結果呈現兩者結合的差異。
Google 正式開放 Gemini 4 Carbon,定位為處理高難度推理任務的模型;Google 表示 Gemini 4 Argon 仍較適合多數軟體工程與知識工作。
推薦理由:文章比較 Carbon 與 Argon、Fable 5.2 的基準表現和每項任務成本,也整理其資安測試結果,呈現高推理能力伴隨的成本取捨。
推薦理由:Carbon 的開放物件從資安防禦者擴及付費開發者與 Google AI Ultra 訂閱者,文中也提供基準排名及單項任務成本比較。
Google向付費開發者推出 Gemini 4 Carbon,主打複雜軟體工程、資安與科學推理,並稱研究團隊以它和其他模型,在數週內形式化驗證 Signal 加密協定程式碼的部分安全性質。
推薦理由:文章整理 Gemini 4 Carbon 的工程與資安基準、Signal 程式碼形式化驗證案例,以及價格調升安排,呈現其能力主張與可取得方式。
Google 發表 Gemini 4 Carbon,主攻長時程工作流程與高難度多步驟推理,並開放使用者與開發者體驗。 - 能力與測試:Carbon 可對照螢幕畫面檢查程式碼除錯;原文稱其在 CursorBench、WANDR 與 AutomationBench 等基準測試領先,開源程式碼漏洞掃描召回率較前代提升逾 25%。
推薦理由:Carbon 與 Argon 的任務定位、基準測試結果及初期費率提供了具體比較,呈現其長時程推理與資安檢測上的主打方向。
Google DeepMind 推出 Gemini 4 Carbon,供開發者、企業、科研人員與一般使用者使用,主打複雜知識工作、軟體工程、網路安全與科學推理中的長程AI 助理工作流程。
推薦理由:Carbon 與 Argon 的定位、基準表現及使用成本並列呈現,並涵蓋網路安全與科學工作案例,可供評估不同工作流程的模型選擇。
Gemini 4 Carbon 已上線 Gemini API、Google AI Studio 與 Antigravity,後者限 Google AI Ultra 訂閱者使用。
推薦理由:原文列出 Gemini 4 Carbon 的多個使用入口,並以漏洞召回率、蛋白質同源物搜尋及 3D 重建案例呈現其應用情境。
推薦理由:Google 將 Gemini 4 Carbon 定位為處理長流程與高難度工作的模型,並與 Gemini 4 Argon 區分適用範圍,同時列出多類使用者的取得方式。
推薦理由:Gemini 4 Carbon 主打長時間、多階段任務,並列出軟體工程、資訊安全與科學探索等應用方向,以及 API、商務和 Ultra 訂閱者的推出管道。
GPU 執行模型時,工作被拆成許多小步驟,步驟之間的等待會讓部分晶片閒著。LMSYS 團隊為 Muse Spark Open 寫了一種叫 megakernel 的大型 GPU 程式,把每一層的多項工作合在一起,讓不同部分能趁空檔先處理下一件事。在 Blackwell GPU 上,單次請求的解碼速度從每秒 517 個 token 提升到 1,109 個 token;團隊也把草稿模型的執行步驟從 175 次減到 8 次。這種做法目前只支援搭配猜測解碼的單一請求,團隊接下來打算擴充到多個請求。
推薦理由:文章拆解 megakernel 如何合併 GPU 工作、減少等待,並以 Muse Spark Open 的實測展示效能變化,能看出低延遲推論的工程取捨。
Google 正式推出 Gemini 4 Carbon(gemini-4-carbon) GA,定位為其能力最強的推理模型,面向持續運作的AI 助理編碼、多模態知識工作、科學推理與網路安全防禦。 入門定價:2026 年 11 月 30 日前,每 1M input tokens 收費 $2.00,每 1M output tokens 收費 $10.00。
推薦理由:更新日誌列出 Gemini 4 Carbon 的模型定位、適用場景與限期 token 定價,提供評估接入成本的依據。
Meta AI 推出小型高效率模型 Muse Ember,面向複雜推理與AI 助理日常重複執行的工作,包括工具呼叫、程式撰寫子任務、路由、資料擷取與長檔案解析。
推薦理由:文章比較 Muse Ember 與 GPT-6 Luna、Claude Haiku 5.5 在不同提示長度下的價格,並以每項任務成本與推理層級補充評估模型效率的方式。
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2;彙整中的獨立評測顯示,Fable 5.2 登上多項排行榜首位,但較廣泛的測試與子代理程式也增加了每項任務的成本。
推薦理由:Fable 5.2 的單位 token 價格下降,但 GDPx 每項任務成本上升,呈現模型表現與推論用量之間的成本取捨。
Anthropic推出兩款 AI 模型:Claude Fable 5.2面向程式開發、推理與 AI 助理任務,Claude Mythos 5.2則用於經核准的資安與生命科學研究。
推薦理由:兩款模型分別面向程式開發與受核准的資安、生命科學研究,並採不同開放範圍,呈現 Anthropic 依用途區分產品存取的做法。
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2;兩者是同一模型,Fable 開放給付費使用者,Mythos 則限通過驗證的資安與生命科學機構使用。
推薦理由:多項基準呈現 Fable 5.2 與 Opus 5.5、Gemini 4 Carbon 等模型的強弱差異,也列出 API 降價與適用工作範圍,方便比較選用。
推薦理由:這項計算延伸了既有黑洞形成研究的適用範圍,並提供一個由物理學家檢查 AI 推導成果的案例。
Anthropic 推出 Claude Fable 5.2 與 Claude Mythos 5.2,並稱兩款模型在多項基準測試中重返領先;公司仍建議日常使用 Claude Opus 5.5。
推薦理由:Artificial Analysis 的基準呈現 Fable 5.2 在多項測試的領先與弱項,文章也列出高算力等級的任務成本,便於比較效能與費用取捨。
Claude Fable 5.2 在 Artificial Analysis Intelligence Index v5 的 max effort 評測中獲得 65 分,登上榜首,領先 Gemini 4 Carbon(high,60 分)與 Claude Opus 5.5(max,59 分)。
推薦理由:多項基準顯示 Claude Fable 5.2 的優勢集中在科學、知識與程式評測,AI 助理知識工作和終端程式仍與既有模型接近。
Meta 發布小型 AI 模型 Muse Ember,瞄準 AI 助理的工具呼叫、小型編碼、請求路由、資料擷取與長檔案處理等例行工作。
推薦理由:Muse Ember 的低成本與基準成績呈現小型模型處理AI 助理例行工作的取捨,文中也以編碼測試指出其表現弱於 Claude Haiku 5.5。