技术方向
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。
25 条精选近 30 天 5 条共收录 66 条
Google DeepMind 发布 Gemini 3 Flash，这是 Gemini 3 模型家族的轻量版，保留 Pro 级推理能力的同时优化了延迟和成本。在 GPQA Diamond 达到 90.4%，SWE-bench Verified 得分 78% 超越 Gemini 3 Pro，速度是 Gemini 2.5 Pro 的 3 倍，token 消耗减少 30%。
推荐理由：原文展示了 Gemini 3 Flash 在 GPQA Diamond、SWE-bench Verified 等 benchmarks 上的具体性能数据，以及 3 倍速度提升和 token 减少 30% 的量化指标，读者可以据此评估其对现有开发流程的实际影响。
Google DeepMind 发布 Gemini 3 Pro，称其在 Terminal-Bench 2.0 得分 54.2%，并在编码、Agent 工作流和 zero-shot 任务上超越 2.5 Pro。
推荐理由：正文给出了 Terminal-Bench 2.0 得分 54.2%、百万 token 上下文窗口和预览定价，读者可以据此评估它相比 2.5 Pro 的实际提升。
Google DeepMind 发布 Gemini 3 Pro，声称是其最智能的模型。Gemini 3 Pro 在 LMArena 达到 1501 Elo，在 GPQA Diamond 取得 91.9%，在 Humanity's Last Exam 取得 37.5%（无工具使用）。
推荐理由：原文给出了具体基准分数和功能变化，读者可以据此评估 Gemini 3 Pro 在推理、编码和多模态任务上的能力定位。
Google DeepMind 发布 SIMA 2，集成 Gemini 模型作为核心推理引擎，使智能体从指令跟随进化为可推理、可对话、可自我改进的交互式游戏伴侣，在未训练过的游戏（如 ASKA、MineDojo）中表现出接近人类的泛化能力。
推荐理由：SIMA 2 展示了将 Gemini 推理引擎与具身智能体结合的路径，包括自我改进和跨游戏泛化能力，为后续研究提供了可验证的方向。
OpenAI 在 API 中推出 GPT-4.1 系列模型，在编码、指令遵循和长上下文理解方面均有提升，并首次发布 nano 型号，即日起面向全球开发者开放。
推荐理由：原文给出了三个主要改进方向和 nano 模型首发信息，读者可据此判断它与前代版本的差异。