多模态推理新思路：D2I框架如何让模型“深思熟虑”又“直觉敏锐”？
本文介绍了一种名为 Deliberate-to-Intuitive (D2I) 的推理框架，旨在提升多模态大型语言模型（MLLMs）在复杂推理任务中的表现。通过在训练阶段采用深度推理策略，并在测试阶段允许模型自由生成答案，显著提升了多模态模型的推理能力，同时保持了训练的高效性和可扩展性。
数学
Gemini 2.5 Pro深夜重磅更新，再次登顶AI竞技场！
Google DeepMind发布的Gemini-2.5-Pro在LMArena中全面领先，性能第一、价格最低。它在文本、视觉、Web开发三大核心赛道上均排名第一，在多个细分类别也表现优异。同时，其价格为输入每百万token仅1.25美元，输出10美元，远低于其他竞争对手。
Claude4三项实测，他们抢了OpenAI做AI编程的梦，还把路堵上了
Claude Pro上线后，Anthropic公司发布了新版本Claude 4、Claude Code和Claude API。Claude 4引入了混合模型，性能提升且支持本地文件使用，同时API价格与前版相同。Claude Code基于OpenAI Codex设计，具有代码执行功能，并在GitHub上运行。Claude API则提高了提示语缓存时间及引入了新的功能以优化用户体验。
最强开源模型！阿里发布并开源Qwen3，无缝集成思考模式、多语言、便于Agent调用
阿里巴巴发布Qwen3系列模型，包括两个专家混合（MoE）模型和六个Dense模型，并开源了部分权重。该系列在多个基准测试中表现出与OpenAI等顶级模型相当的性能。Qwen3还具有高效的“思考模式”，支持119种语言且训练数据量是Qwen2.5的两倍，有助于Agent调用。部署成本显著降低，整体推理成本也有所节省。
Skywork-OR1：释放强化学习的力量，打造强大的数学和代码推理Agent
Skywork-OR1发布，7B参数量模型在AIME数学竞赛中得分69.8，性能媲美671B DeepSeek-R1，开源模型、数据和代码助力研究。
阿里深夜开源推理模型QwQ-32B，性能比肩R1满血版。
阿里开源QwQ-32B模型，性能媲美DeepSeek R1，在推理和代码能力上表现突出。该模型在本地部署和云服务上的成本效益显著，使得更多开发者能够使用高级性能的大模型。
杭州超越杭州：阿里Qwen2.5-Max反超DeepSeek-V3！网友：中国AI正在快速缩小差距
阿里自研Qwen2.5-Max在Chatbot Arena大模型竞技场中表现优异，总分1332位列第七。尤其在编程、数学方面突出，综合排名第三，超越谷歌Gemini家族和Llama 3.1等模型。
硬刚DeepSeek！OpenAI发布「o3-mini」，速度翻倍能联网，白嫖版来了！
OpenAI发布新一代推理模型o3-mini，首次向免费用户提供新模型，并提供高算力版本o3-mini-high。其性能超越了o1，在STEM领域具有优势。