OpenAI 推出 deep research 智能体，Pro 用户今日可用
OpenAI 推出 deep research，这是一个用推理整合大量在线信息并完成多步研究任务的智能体。该功能今日面向 Pro 用户开放，Plus 和 Team 用户随后可用。
推荐理由：OpenAI 公布 deep research 的定位与开放节奏，读者可据此判断多步联网研究任务的可用范围。
推理能力
全部主题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。
最新精选
OpenAI News精选AI 评分
OpenAI News精选AI 评分 OpenAI 发布 o3-mini 模型
OpenAI 发布 o3-mini 模型。
OpenAI News精选AI 评分 OpenAI 发布 o3-mini 系统卡
OpenAI 发布 o3-mini 系统卡，说明该模型在发布前开展的安全工作，包括安全评估、外部红队测试和 Preparedness Framework 评测。
推荐理由：系统卡披露了 o3-mini 的安全评估、外部红队与 Preparedness 框架评测范围，可了解该模型的发布前安全流程。
OpenAI News精选AI 评分 OpenAI 发布 o1 模型并推出多项开发者新工具
OpenAI 发布 o1 模型，同时为开发者带来 Realtime API 改进、新的微调方法等多项更新。
OpenAI News精选AI 评分 OpenAI 发布 o1 与 o1-mini 系统卡
OpenAI 发布 o1 与 o1-mini 的系统卡，说明模型发布前开展的安全工作，包括外部红队测试和依据 Preparedness Framework 进行的前沿风险评估。
推荐理由：系统卡披露了 o1 与 o1-mini 发布前的外部红队测试和前沿风险评估流程，可了解其安全评估框架。
Mistral AI精选AI 评分
Mistral 发布 Ministral 3B 和 8B 两款端侧模型
Mistral AI 发布 Ministral 3B 和 Ministral 8B 两款面向端侧与本地计算的模型，称其在 10B 以下类别中刷新知识、常识、推理、函数调用和效率表现。
推荐理由：Mistral 在 7B 发布一周年推出两款端侧小模型，给出了上下文长度、定价和对比基准，可据此判断小模型在本地与智能体工作流中的位置。
OpenAI News精选AI 评分 OpenAI 发布 o1 模型
OpenAI 发布 o1 模型，官方页面标题为 Introducing OpenAI o1，正文内容未能获取。
OpenAI News精选AI 评分 OpenAI 发布 o1-mini 推理模型
OpenAI 发布 o1-mini，官方将其定位为面向高性价比推理的模型。
Mistral AI 发布 Mistral Large 2，123B 参数、128k 上下文
Mistral AI 发布 Mistral Large 2，参数规模 123B，支持 128k 上下文窗口和数十种语言，可在单节点上以较大吞吐运行。官方称其在 MMLU 上准确率达 84.0%，代码与推理表现与 GPT-4o、Claude 3 Opus、Llama 3 405B 相当，并针对减少幻觉和遵循精确指令做了训练。
推荐理由：原文给出 123B 参数、128k 上下文与多项基准对比，可据此判断单节点部署的成本与能力边界。
Mistral 发布 Codestral Mamba 代码模型，采用 Mamba 架构并开源权重
Mistral AI 发布 Codestral Mamba，这是一个基于 Mamba 架构的代码模型，具备线性时间推理能力，权重以 Apache 2.0 许可开放下载。
推荐理由：Mamba 架构在代码场景的落地样本，线性时间推理与 256k token 检索测试给出了与 Transformer 路线对比的具体参照。
Hugging Face Blog精选AI 评分
NuminaMath 如何赢得首届 AIMO 进步奖
Numina 与 Hugging Face 合作的 NuminaMath 7B TIR 赢得首届 AIMO 进步奖，在私有测试集 50 题中解出 29 题。方案基于 DeepSeekMath-Base 7B 做两阶段微调，先学自然语言链式推理，再用 GPT-4 生成的工具集成推理数据训练模型调用 Python REPL。
推荐理由：NuminaMath 团队复盘了夺冠方案的两阶段微调、SC-TIR 解码与内部验证集设计，可供做数学推理微调的人参考。
Mistral 发布开源模型 Mixtral 8x22B，采用 Apache 2.0 许可
Mistral 发布最新开源模型 Mixtral 8x22B，采用稀疏 Mixture-of-Experts 架构，141B 参数中仅激活 39B，以 Apache 2.0 许可开放。
推荐理由：原文给出 Mixtral 8x22B 的激活参数、上下文窗口与开源许可，读者可据此判断其成本与部署取舍。
Mistral 发布旗舰模型 Mistral Large 与 Mistral Small
Mistral AI 发布新旗舰文本生成模型 Mistral Large，可通过 la Plateforme 和 Azure 使用，Azure 是其首个分发合作伙伴。
推荐理由：Mistral 官方给出新旗舰模型的基准对比与 Azure 分发路径，可据此判断其 API 生态位置。
Mistral AI 发布开源稀疏 MoE 模型 Mixtral 8x7B
Mistral AI 发布 Mixtral 8x7B，一个采用 Apache 2.0 许可、开放权重的稀疏混合专家模型（SMoE）。该模型总参数量 46.7B，但每个 token 只使用 12.9B 参数，因此在同等速度与成本下运行，推理速度比 Llama 2 70B 快 6 倍，并在多数基准上匹配或超过 GPT3.5。
推荐理由：官方给出 Mixtral 8x7B 的稀疏 MoE 架构与推理成本数据，可据此判断开源模型的性价比取舍。
Mistral AI 发布 7.3B 参数开源模型 Mistral 7B
Mistral AI 发布 7.3B 参数的 Mistral 7B，采用 Apache 2.0 许可，可无限制使用并支持本地、云端（AWS/GCP/Azure）及 HuggingFace 部署。
推荐理由：Mistral 7B 以 Apache 2.0 开源并给出与 Llama 2 系列的逐项对比，读者可据此判断小参数模型的性价比位置。
OpenAI News精选AI 评分 OpenAI 用过程监督提升数学模型推理能力
OpenAI 训练了一个模型，通过奖励推理的每个正确步骤（过程监督）而非只奖励最终正确答案（结果监督），在数学问题求解上取得新的 SOTA。相比结果监督，过程监督除了提升性能，还带来对齐上的好处，即直接训练模型产出被人类认可的链式推理。
推荐理由：OpenAI 用过程监督替代结果监督训练数学模型，并说明这一方式在链式推理对齐上的作用。
OpenAI News精选AI 评分 OpenAI 构建 Lean 神经定理证明器，解出部分数学奥赛题
OpenAI 构建了一个面向 Lean 的神经定理证明器，能够解出多道高难度高中数学奥赛题，包括来自 AMC12 和 AIME 竞赛的题目，以及两道改编自 IMO 的题目。
推荐理由：OpenAI 用 Lean 神经定理证明器解出 AMC12、AIME 及两道改编自 IMO 的题目，可了解形式化数学推理的早期进展。
OpenAI News精选AI 评分 OpenAI 详解 Dota 2 自对弈训练结果
OpenAI 发文说明其 Dota 2 结果：在算力充足时，自对弈能把机器学习系统的表现从远低于人类水平提升到超人水平。该系统在一个月内从勉强与高排名玩家打平，进步到击败顶尖职业选手，此后仍在持续提升。OpenAI 指出，监督式深度学习系统的上限取决于训练数据集，而自对弈系统中可用数据会随智能体变强而自动改善。
推荐理由：OpenAI 用 Dota 2 结果说明自对弈在充足算力下能把系统从远低于人类提升到超人水平。