#推理

MiniMax 发布 M3.1 Flash 推理模型，每任务成本约 0.22 美元

MiniMax 发布推理模型 M3.1 Flash，在 Artificial Analysis 智能指数上得 42 分，比前代 M3 高 13 分，每任务成本不到其一半。

同一件事，精选收录的是《MiniMax 发布 M3.1 Flash 模型，成本为 M3 的三分之一、速度提升 3 倍》

Rohan Paul 解读 EAGLE-4 投机解码提速原理

Rohan Paul 解读 EAGLE-4 投机解码为何能提升推理速度，指出它已成为在选定模型上提高每秒 token 数的可靠手段。EAGLE-4 保留草稿加校验的循环，把改进放在草稿侧，采用自适应草稿结构和更廉价的草稿 LM head；小模型先猜若干 token，目标模型一次前向全部校验，保留匹配项并替换首个不匹配项。

Cloudflare 发布文档抽取模型 Clairic，称比 LLM 更快更便宜

Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、成本更低，现已在 Workers AI 上提供预览，开放权重稍后跟进。

Mercury 3 扩散 LLM 发布

扩散 LLM 要起飞了吗？ 他们说它比 Mercury 1 大 40 多倍。 如果 Mercury 1 大概是 7B，那 Mercury 3 就会是 > 280B。

MiniMax 发布 M3.1 Flash 模型，成本为 M3 的三分之一、速度提升 3 倍

MiniMax 发布 M3.1 Flash，官方称其在 Cowork（Automation-Bench 62%、ALE 30%）、编码（DeepSWE 74%）和视觉推理（BabyVision 91%）等任务上达到前沿水平，成本为 M3 的 1/3、速度为 3 倍。

Qwen3.8-Flash-Next 推理提速至 685 tokens/s

祝贺 @lightseekorg 取得令人印象深刻的 TokenSpeed 成果！🚀 很高兴看到 Qwen3.8-Flash-Next 在 Nvida GPU 上达到每用户 685 output tokens/s。期待社区进一步释放 Qwen 的推理潜力！

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布 Gemini 4 Argon，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放，定价为每百万输入 token 2 美元、输出 token 10 美元。

Google 发布 Gemini 4 Argon 前沿模型

Google 发布新前沿模型 Gemini 4 Argon，面向复杂长程工作流持续进行深度推理，在真实软件工程、法律与金融等企业知识工作以及网络安全防御场景中提供前沿性能。该模型输出 token 上限提升至 1M tokens，目前正通过 Fairwind Program 向一批受信任的网络安全防御方逐步开放，后续将尽快扩大可用范围。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再向开发者、企业和消费者推出。

DeepSeek 发布 DeepSeek-V4-Pro

DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力并带来明显的生产环境收益。V4-Pro 与 V4-Flash 支持灵活推理强度，简单任务用 low、日常 Agent 工作流用 high、复杂任务用 max；同时原生支持 OpenAI Responses API，并针对 Codex 提供一键配置。V4 Pro 已在 app 和网页端以 Expert Mode 上线，也可通过 API 调用，模型名称保持不变。

DeepSeek 发布 DeepSeek-V3.2 与 DeepSeek-V3.2-Speciale 推理模型

DeepSeek 发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两款以推理为先、面向智能体的模型。DeepSeek-V3.2 是 V3.2-Exp 的正式后继版本，已在 App、Web 和 API 上线；DeepSeek-V3.2-Speciale 侧重进一步拓展推理能力，目前仅通过 API 提供。官方同时放出了技术报告链接。