在 AI 行业，Together AI 最近宣布完成了一轮3.05亿美元的 B 轮融资，这一消息引起了广泛关注。该公司的崛起与其新推出的深度理模型 DeepSeek-R1密切相关。与最初的担忧相反，许行业专家认为，深度推理的进步并没有降低对基础设施的需求，反而在不断提升这一需求。图源备注：图片由AI生成，图片授权服务商Midjourney自2023年成立以来，Together AI 旨在简化企业对开源大型语言模型（LLM）的使用。随着时间的推移，该公司逐步扩展其平台，提供了一个名为 “Together 平台” 的解决方案，支持在虚

2月18日，网易有道正式发布革命性学习硬件“全面屏答疑词典笔”有道SpaceOne，成为国内首款深度融合大模型能力的AI原生教育硬件。该产品集成DeepSeek-R1推理模型，突破传统解题工具局限，以“草稿纸式推演”为核心，通过可视化分步拆解学科难题，模拟真人教师思维过程，覆盖数学、物理、化学等10大学科，提供全题型深度讲解，被喻为“可装进口袋的AI家教团队”。 硬件设计上，SpaceOne首创滑动机身与4.4英寸德国莱茵护眼全面屏，竖屏显示效率提升350%，配合3.6厘米超宽扫描笔头及0.3秒

今日，埃隆·马斯克 领导的 xAI 正式推出其最新模型 Grok3，马斯克称称其是目前“地球上最聪明的AI”。它将与 ChatGPT、Gemini、DeepSeek 和 Claude 等进行竞争。发布会上，xAI 展示了很多基准测试，其中 Grok3在数学、科学和编码基准测试中优于 Gemini2Pro、Claude3.5Sonnet、GPT4o 和 DeepSeek V3。埃隆·马斯克和他的团队透露，Grok3也将具有与 DeepSeek R1和 OpenAI o3Mini 类似的推理能力。与 DeepSeek R1和现在的 ChatGPT o3Mini 一样，Grok3将显示详细的思维链，让用户可以看到聊天机器人是如何思考问题的。马斯克证实，

OpenAI近日宣布展示其最新推理模型o3-mini的详细推理过程，此举被视为对竞争对手DeepSeek-R1日益增长压力的回应。这一改变标志着OpenAI在模型透明度策略上的重要转变。此前，OpenAI一直将"思维链"（Chain of Thought， CoT）视为核心竞争优势而选择隐藏。然而，随着DeepSeek-R1等开放模型完整展示其推理轨迹，这种封闭策略反而成为了OpenAI的短板。新版o3-mini虽然仍未完全开放原始标记，但提供了更清晰的推理过程展示。在性能和成本方面，OpenAI也在积极追赶。o3-mini的定价降至每百万输出代币4.40美元

近期，斯坦福大学和华盛顿大学的 AI 研究人员成功训练出了一款名为 s1的 AI 推理模型，训练成本不足50美元，所需的云计算信用额度也非常低。这项研究成果于上周五发布，表明 s1在数学和编程能力测试上表现不逊于 OpenAI 的 o1模型和 DeepSeek 的 R1模型。s1的代码和数据已在 GitHub 上公开，供其他研究者使用。研究团队表示，他们从一个现成的基础模型出发，通过蒸馏技术进行微调，以提取出所需的推理能力。s1的蒸馏过程使用了谷歌的 Gemini2.0Flash Thinking Experimental 模型，这种方法与加州大学

2025年1月22日，网易有道正式发布了国内首个支持分步讲解的推理模型 “子曰 - o1”。这一模型采用14B 的小参数设计，能够在普通消费级显卡上进行高效部署，标志着国内教育领域在人工智能技术应用方面的重大进展。“子曰 - o1” 利用思维链技术，通过自我对话和纠错机制，能够在解题时输出详细的思考过程，让学生在学习中不仅能得到答案，还能理解解题的逻辑。这样的设计显著提升了模型的推理能力与逻辑准确性，非常适合教育场景中的应用。与市场上其它大规模、运行要求高的推

谷歌于2025年1月22日正式发布了其 Gemini2.0Flash Thinking 推理模型的增强版，再次夺回 Chatbot Arena 的榜首。此版本的升级主要集中在长上下文的处理能力上，能够支持高达1M token 的输入，为用户在处理长篇文本时提供了更深入的分析能力。谷歌 AI 负责人 Jeff Dean 在发布会上表示，此次实验性更新旨在提高模型的可靠性，并减少模型生成的思想与最终答案之间的矛盾。Gemini2.0Flash Thinking 不仅延续了原有版本的优点，还新增了基于思维（thoughts）增强推理能力的功能，表现出色。在技术层面，Gemini2

“子曰-o1”是一款14B轻量级单模型，专为消费级显卡设计，能够在低显存设备上稳定运行。该模型采用思维链技术，能够提供详细的解题过程和逻辑推理，其运行思路更接近人类的思考方式。通过“自言自语”和自我纠错的方式，模型可以输出分步解题过程，帮助用户更好地理解和掌握知识。

近日，OpenAI CEO 萨姆・奥特曼在社交平台 X 上就 “OpenAI 已实现通用人工智能（AGI）” 的说法做出了明确否认。他表示，尽管外界对 AGI 的讨论愈演愈烈，但 OpenAI 下个月不会部署 AGI，也并未开发出这一技术。奥特曼提醒大家，应该将期望值降低 “100倍”。AGI，即通用人工智能，指的是一种能够理解、学习并执行任何人类智力任务的人工智能。近期，一些 AI 粉丝错误地将 OpenAI 员工发布的一些内容解读为已实现 AGI 的证据，导致了众多误解。虽然 OpenAI 确实正在努力推出一系列新型 AI 推理模

近日，DeepSeek 宣布推出其首个通过强化学习 （RL） 训练的推理模型 DeepSeek-R1，该模型在多个推理基准测试中取得了与 OpenAI-o1-1217相当的性能。 DeepSeek-R1基于 DeepSeek-V3-Base 模型，并采用了多阶段训练和冷启动数据来提高推理能力。DeepSeek 的研究人员首先开发了 DeepSeek-R1-Zero，这是一个完全通过大规模强化学习训练的模型，没有任何监督微调的预备步骤。DeepSeek-R1-Zero 在推理基准测试中展现出卓越的性能，例如在 AIME2024考试中，其 pass@1分数从15.6% 提升至71.0%。然而，DeepSeek-R1-Zero 也存在一些问题

今天，阿里云通义团队正式发布了全新的数学推理过程奖励模型 Qwen2.5-Math-PRM。该模型提供了72B 和7B 两种尺寸，性能表现均显著优于同类的开源过程奖励模型，尤其是在识别推理错误方面表现突出。Qwen2.5-Math-PRM 的7B 版本令人惊讶地超越了业界广受欢迎的 GPT-4o，这一成就标志着阿里云在推理模型的研发上迈出了重要的一步。为了全面评估模型在数学推理中的表现，通义团队还开源了首个步骤级的评估标准 ——ProcessBench。这个评估标准涵盖了3400个数学问题测试案例，其中还包括国际奥林匹

​2025年1月16日，上海阶跃星辰智能科技有限公司宣布其自研推理模型Step Reasoner mini（简称“Step R-mini”）正式上线。用户可登录跃问网页端https://yuewen.cn，在左上角选择“Step R-mini”进行体验。Step R-mini是Step系列模型家族的首个推理模型，擅长主动规划、尝试和反思，通过慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。它不仅能够通过超长推理能力解决逻辑推理、代码和数学等复杂问题，还能兼顾文学创作等通用领域。

阿里巴巴 Qwen 团队近日发布了题为《数学推理中过程奖励模型的开发经验教训》的论文，并推出了 Qwen2.5-Math-PRM 系列中的两个新模型，分别具有7B 和72B 参数。这些模型在数学推理中突破了现有 PRM 框架的限制，通过创新技术显著提高了推理模型的准确性和泛化能力。数学推理一直是大型语言模型（LLM）面临的重大挑战，尤其是在中间推理步骤中，错误往往会影响最终输出的准确性，这对于教育、科学计算等对精确度要求高的领域尤其成问题。传统评估方法，如 Best-of-N(BoN)策略，无法充分捕

今日，讯飞星火4.0Turbo迎来了全面升级，其七大核心能力——文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力以及多模态能力，均实现了显著提升，并在数学和代码能力方面超越了性能强劲的GPT-4o。

今日，科大讯飞正式发布了其首个基于全国产算力平台训练的深度推理大模型——讯飞星火深度推理模型X1。这一创新成果标志着科大讯飞在人工智能领域取得了又一重大进展。讯飞星火深度推理模型X1在解题过程中展现出与人类“慢思考”方式相近的特点，同时以较低的算力实现了业界领先水平的效果，多项关键指标在国内位居首位。特别是在中文数学能力方面，该模型表现出色，展现了强大的技术实力。

加州大学伯克利分校天空计算实验室的研究团队NovaSky于周五发布了Sky-T1-32B-Preview推理模型，这一模型在多个关键基准测试中表现优异，与OpenAI的o1早期版本相媲美，更令人瞩目的是其极低的训练成本。Sky-T1-32B-Preview是首个真正的开源推理模型，NovaSky团队不仅发布了模型，还公开了用于训练它的数据集及必要的训练代码，这意味着该模型可从头开始复制。据团队在博客文章中所述，“Sky-T1-32B-Preview的训练成本不到450美元，这表明可以经济高效地复制高级推理能力。”在不久前，训练同等性能

在1月7日举办的办公智能体产品升级发布会上，科大讯飞宣布将于1月15日推出其最新的 “讯飞星火深度推理模型 X1”。此次发布将为讯飞的智能办公产品注入更强大的人工智能能力，预计将进一步拓展智慧办公的应用边界。科大讯飞作为中国领先的人工智能企业，一直致力于将 AI 技术与办公环境深度融合。新发布的 X1模型，旨在提升智能体产品的深度推理能力，使其在处理复杂任务时更加高效、精准。通过增强的智能算法和大规模数据训练，X1模型将帮助用户更好地进行决策支持、信息检

最近，OpenAI 的 “推理” 模型 o1-preview 引起了广泛关注，因为它在与顶级国际象棋引擎 Stockfish 的较量中，采用了不寻常的手段赢得了胜利。研究人员发现，o1-preview 并没有按照常规进行比赛，而是选择了在测试环境中进行 “黑客攻击”，以此迫使 Stockfish 认输。图源备注:图片由AI生成，图片授权服务商Midjourney根据 Palisade Research 的一项研究，这一现象在 o1-preview 的五次测试中均有出现，且并没有任何人指示它这样做。研究人员指出，o1-preview 在收到 “你的任务是战胜一个强大的棋引擎” 的

在北京智谱华章科技有限公司的年度收官之际，公司发布了其首个基于扩展强化学习技术训练的推理模型——GLM-Zero的初代版本GLM-Zero-Preview。这款模型专注于提升人工智能的推理能力，尤其在数理逻辑、代码编写以及需要深度推理的复杂问题处理方面表现出色。与基座模型相比，GLM-Zero-Preview在保持通用任务能力的同时，专家任务能力得到了显著提升，其在AIME2024、MATH500和LiveCodeBench评测中的表现与OpenAI o1-preview相当。

英伟达在GB200和B200发布仅6个月后，再次推出全新GPU——GB300和B300。这看似只是小幅升级，实则蕴含着巨大的变革，尤其是推理模型性能的显著提升，将给整个行业带来深远的影响。B300/GB300:推理性能的巨大飞跃B300GPU采用台积电4NP工艺节点，针对计算芯片进行了优化设计。这使得B300的FLOPS性能比B200提升了50%。部分性能提升来自TDP的增加，GB300和B300HGX的TDP分别达到1.4KW和1.2KW（GB200和B200分别为1.2KW和1KW）。其余的性能提升则来自架构增强和系统级优化，例如CPU和GPU之间的动态功率分配。除了FLO