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。
微软研究团队提出 EvoLib 框架，让大语言模型在推理时从自身经验中学习，无需真值标签或外部反馈。它把过去的尝试提炼为可复用的技能与反思洞察，通过整合和动态权重机制持续精炼，且不更新模型权重，可用于通过 API 部署的黑盒模型。在数学推理、带效率约束的代码编写和长程环境决策三类任务上，EvoLib 优于基于检索的记忆方法，并在大部分算力区间以更高效的 token 使用把测试时算力转化为性能提升。
推荐理由：EvoLib 将测试时的原始经验提炼为可复用技能与洞察，无需更新模型权重，读者可据此理解其持续学习机制。
Thinking Machines 开源 1T 参数多模态大模型 Inkling，原生支持图像、文本和音频输入及 1M 上下文，采用 decoder-only MoE 架构（975B 总参数、41B 激活），同步提供 BF16 与 NVFP4 两个权重版本。
推荐理由：原文给出 Inkling 的 MoE 架构细节与多模态能力范围，并附 transformers、SGLang、vLLM 多框架部署示例和主流模型基准对比，方便评估其工程落地方案。
Hugging Face 宣布 transformers 在 vLLM 中的推理后端现已在多种架构上跑出与 vLLM 原生手写实现持平或更快的吞吐，模型作者只需通过 `--model-impl transformers` 即可启用，无需再为每个新模型单独移植。
推荐理由：transformers 模型现可在 vLLM 中跑出与原生手写实现持平甚至更快的推理吞吐，模型作者无需再为每个新架构单独移植实现代码。
Google DeepMind 发布开源实验模型 DiffusionGemma，以文本扩散并行生成替代逐 token 自回归，在专用 GPU 上文本生成速度最高提升 4 倍。
推荐理由：开源 26B MoE 模型用文本扩散把解码瓶颈从显存带宽转向算力，读者可据此判断本地低并发推理的取舍。
Google DeepMind 发布 Gemini Robotics-ER 1.6，作为推理优先的机器人模型升级版，在指点、计数、成功检测等空间与物理推理上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 有明显提升。
推荐理由：相比 1.5 与 Gemini 3.0 Flash，新模型新增仪表读数能力，可了解机器人具身推理的进展与开放入口。
Mistral 发布 Mistral Small 4，采用 119B 总参数 / 6B 激活的 MoE 架构，统一 Magistral 推理、Devstral 编码代理与 Pixtral 多模态能力，支持 256k 上下文和可配置推理强度，权重以 Apache 2.0 开源。
推荐理由：原文给出统一推理、编码与多模态能力的架构与同尺寸模型的输出效率对比，可作为评估开源部署延迟与成本的参考。
Google Research 与 Beth Israel Deaconess Medical Center 合作，在真实门诊场景中开展了 AMIE 对话式诊断 AI 的前瞻性可行性研究。
推荐理由：在真实门诊流程中检验了 AMIE 对话式诊断 AI 的可行性与安全性，并盲评比较其与主治医生的诊断质量，为医疗 AI 的临床落地提供了前瞻性证据。
Mistral 发布 Mistral 3 模型家族，旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE，在 LMArena OSS 非推理模型榜位列第 2，全系采用 Apache 2.0 协议开源。
推荐理由：原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名，以及 Ministral 3 端侧尺寸，可作为开源权重模型横向对比的坐标。
Mistral AI 为 Le Chat 推出多项新功能，包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 推理模型驱动的多语言 Think 模式、Projects 文件夹整理，以及与 Black Forest Labs 合作的图像编辑。
推荐理由：Le Chat 一次性发布研究、语音、推理与图像编辑多项能力，读者可据此与同期同类助手的功能覆盖做横向对照。
Mistral AI 发布首个推理模型 Magistral，推出开源版 Magistral Small（24B 参数，Apache 2.0）和企业版 Magistral Medium。
推荐理由：原文同时给出 Magistral Small（24B 开源）与 Medium 的 AIME2024 成绩及 Le Chat 加速倍率，方便读者与同类推理模型直接横向比较。