推理能力

Gemini 4 Carbon 正式发布

Google DeepMind 发布 Gemini 4 Carbon，面向开发者、企业、科研人员和消费者开放，主打网络安全能力与长周期智能体工作流。Carbon 在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 等基准上排名第一，且单任务成本比次优外部模型低 2 倍以上。同时预览 Google

另有 1 家信源报道

NVIDIA 发布车载边缘推理驾驶模型 Alpamayo 2 Edge

NVIDIA 发布 Alpamayo 2 Edge，一款面向车载实时运行的自适应推理视觉-语言-动作（VLA）模型，基于 2B Nemotron 推理骨干与扩散动作专家，可在 NVIDIA DRIVE AGX Thor 上运行。该模型通过自适应推理、离线蒸馏、AlpaGym 闭环强化学习后训练及 DFlash2 投机解码等优化，在闭环驾驶性能上较最佳基线提升

Meta AI 发布最小最高效模型 Muse Ember

Meta AI 发布其最小、最高效的模型 Muse Ember，面向工具调用、编码子任务、路由、信息抽取和长文档解析等智能体高频工作。短提示下定价与 GPT-6 Luna、Claude Haiku 5.5 相同（输入 $0.10/百万 token、输出 $0.50/百万 token），长提示下价格介于两者之间，并在 Artificial Analysis 的

llm-anthropic 0.31 支持 Anthropic Fable 5.2 与 Mythos 5.2

Anthropic 于 2026 年 11 月 9 日发布 Fable 5.2 和 Mythos 5.2 两个模型，Simon Willison 随即将其接入 llm-anthropic 插件，用户可通过 llm 命令行调用。作者在五个推理档位（low 至 max）测试生成鹈鹕骑自行车的 SVG，发现 max 档位因耗尽 128,000 token 思考而无

另有 1 家信源报道

Anthropic 发布 Mythos 5.2 与 Fable 5.2 模型

Anthropic 发布 Mythos 5.2 和 Fable 5.2 两款新模型，称在编程、推理和视觉方面有所提升，并将 Fable 的输入价格从每百万 token 10 美元降至 8 美元，响应速度提升 30%，同时支持零数据保留（ZDR）政策。这是 METR 报告暗示 Anthropic 可能接近递归自我改进（RSI）后的首次模型发布，发布说明也承认模

另有 1 家信源报道

Anthropic 发布 Claude Fable 与 Mythos 5.2 模型

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型，称其在编程、推理和视觉方面有所提升，输出速度快于 5.1 版本。Fable 5.2 即日上线，擅长复杂软件工程、可编排智能体团队并处理长期项目；Mythos 5.2 初期仅向经审核的组织开放。Anthropic 还称预发布测试中模型完成了软件迁移、

另有 2 家信源报道

Liquid AI 发布端侧视觉语言模型 LFM3-VL-2B

Liquid AI 在 Hugging Face 发布 LFM3-VL-2B，一款面向端侧视觉理解的多模态模型，以 LFM3-1.7B 语言模型结合自研视觉编码器构成，总参数约 1.92B。该模型首次在 LFM 视觉系列中支持视频输入，并具备逐步推理（thinking）以及空间与具身推理能力，可用于图表、数学等较难视觉问题及机器人相关场景。模型采用 lfm1

Qwen3-0.6B INT4 端侧版本发布，适配 LiteRT-LM

Hugging Face 社区用户 litert-community 发布了 Qwen3-0.6B 的 INT4 量化版本，采用 Google LiteRT-LM 的 .litertlm 格式，面向 Android、iOS、桌面和嵌入式设备端侧推理。该版本体积约 332MB（比 fp32 小约 7 倍），并提供开启和关闭思考模式的两个文件。在三星 Galax

DavidAU 发布 LFM2.5-2.6B Turbo Brilliance GGUF 模型

Hugging Face 用户 DavidAU 发布了基于 LiquidAI/LFM2.5-2.6B 的 GGUF 量化模型，名为 LFM2.5-2.6B-Qwen3.8-Turbo-Brilliance-Power-X12-NEO-MAX-GGUF。该模型通过 Turbo Brilliance 系统新增了 12 种推理模式和 12 种指令模式，可在对话提示

DavidAU 发布 Qwen3.8-27B 多阶段微调 GGUF 模型

Hugging Face 用户 DavidAU 发布了基于 Qwen3.8-27B 的多阶段微调模型 TURBO-Fable-Cold-Fusion-735-882，提供常规与 MTP 两种 GGUF 量化版本。作者称该模型在 8bit 下 ARC-C 达 735、4bit 下达 719，超过基座 Qwen3.8 27B 及 Qwen3.6/3.5 系列，并

DavidAU 发布 Qwen3.8-27B Cold Fusion 微调模型

Hugging Face 用户 DavidAU 发布了基于 Qwen3.8-27B 的微调模型 Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-NM-DAU-NEO-MAX-MTP-GGUF，采用其自研的 COLD FUSION（GAIN + Unsloth）训练方法。作者称该方法在 4bit 和 8bit 量化下保留约 99% 的 BF

AIM：多模态LLM推理中多智能体辩论的自适应交互

该论文提出AIM（自适应交互多智能体辩论）框架，用于多模态大模型推理。AIM不再固定使用文本或图结构交互，而是动态选择文本、图以及任务相关模态（图像区域、音频片段、视频时空片段）的组合来交换证据。实验覆盖VQA、Audio-QA、Video-QA共八个基准，AIM准确率最高，相比最佳单模态基线提升至多6.4%，相比各基准最优固定组合再提升至多4.2%，同时t

DavidAU 发布 Mistral Nemo 12B 无审查推理微调版

Hugging Face 用户 DavidAU 发布了基于 Mistral-Nemo-Instruct-2407 的微调模型，先用 abliteration 去审查（拒答率从 87/100 降至 14/100），再用 Claude 4.5 Opus、Gemini 3 Pro、GPT-5.2 三个高推理数据集通过 Unsloth 微调，使其具备思考/推理能力并

DavidAU 发布 Qwen3 0.8B 代码推理模型 GGUF 量化版

Hugging Face 用户 DavidAU 发布了 Qwen3-Zero-Coder-Reasoning-V2-0.8B-NEO-EX-GGUF，这是一个基于 Qwen3 平台、由两个 0.6B 模型合并而成的 0.8B 代码生成与推理模型，提供多种 NEO Imatrix 量化版本。作者称其在中等硬件上可达 150 t/s 以上、纯 CPU 也能超过

Thinking Machines 的 Inkling 2 Small 在基准测试中爆粗口 316 次

Vals AI 研究人员分析了 Thinking Machines 的 Inkling 2 Small 模型在 13 个基准测试中 2,655 次运行的思考日志，发现 50 次运行中出现脏话，共 316 处，其中 241 处来自两次失控运行。一次计算小行星轨迹的任务中，模型生成了约 50 万字符的重复长回复，包含 158 处脏话。研究指出脏话并不能作为失败预

ACM MM重构研究主题体系，新增具身多媒体与多媒体推理

ACM Multimedia（ACM MM）学术指导委员会投票通过新的研究主题体系，将过去的五大主题、15个子方向改为16个平级研究主题，并将在2026年会议上生效。新增「具身与沉浸式多媒体」和「多媒体推理」两个独立主题，同时将「视觉与语言」扩展为「多媒体与语言」，合并基础模型与生成式多媒体主题，并把「生成式AI的社会影响」改为「负责任的多媒体」。这一调整反

KDASO：知识-数据双驱动的责任判定技能自动优化

该论文提出 KDASO 方法，通过知识-数据双驱动自动优化责任判定任务中的技能库。方法包含基于近期判定数据的邻域条件归纳、基于 LLM 轨迹分析的执行对齐精炼，以及上下文预算感知的路由选择。在网约车纠纷、法律责任判定和逻辑推理任务上，KDASO 显著优于通用与领域基线，跨概念相似场景迁移提升 8.96%。

LiquidAI 发布 LFM3-1.7B 的 MLX 8 位量化版

LiquidAI 在 Hugging Face 发布 LFM3-1.7B 的 8 位 MLX 量化版本 LFM3-1.7B-MLX-8bit，面向 Apple Silicon，权重占用 1.84 GB，采用 group size 为 64 的 8 位仿射量化。该版本需配合 MLX-VLM 0.7.11 及以上版本使用，并支持通过 --enable-think

网易有道上线互动式数学讲题Agent「欧拉讲题」

网易有道推出互动式数学讲题Agent「欧拉讲题」并已在应用市场上线，产品通过分步骤讲解、个性化互动追问和动态板书画图推演，帮助学生理解解题思路而非仅获取答案。该产品依托有道自2006年以来的学习场景积累及「子曰」系列模型（含开源的子曰-o1和升级的子曰4多模态模型）的技术能力，试图从搜题工具转向专注教学过程的学习Agent。

基于LLM的因果推断鲁棒性压力测试

该论文提出一个覆盖模型规模、因果图复杂度、提示策略、元数据质量、数据质量和不确定性敏感度六个维度的系统性压力测试框架，用于评估基于大语言模型的因果推断。研究发现LLM存在明显的乐观偏差，倾向于高估因果关系导致精确率普遍偏低；传统评估指标具有欺骗性，纳入不确定性后性能明显下降；模型规模扩大带来的收益脆弱，元数据质量下降时性能急剧退化。