搜索
以 DeepSeek-R1、OpenAI GPT Thinking 为代表的大型推理模型，通过长达数千 token 的「思维链」在各类复杂推理任务中展现出卓越的性能。然而，这些模型普遍存在一个核心问题，即过度思考（overthinking） ：
AI 的熟手玩家，都应该知道system prompt这个词：每一个你用过的 AI 助手，背后都有一份你看不见的文件，却对模型有着决定性的作用。
奥特曼亲口盖章，GPT-5.5是个「自闭天才」。16人团队连夜退订Claude，换GPT-5.5月省3.2万刀。Codex单周狂飙9000万下载大虐对手12倍，开发者大迁徙开始了。
全网震撼！菲尔兹奖得主把未解数学题扔给GPT-5.5 Pro，不到两小时拿到博士论文级证明。整个过程中，他没给出任何数学思路。
其中，大家「讨伐」声量最大的莫过于 ChatGPT 了，从 AI 味儿熏人的经典破折号、「不是 A，而是 B」句式，以及前段时间间歇性出现的「哥布林」，再到如今充满青春伤痛文学矫情劲儿的「我会稳稳接住你」，用户快要被折磨疯了：我们关系可以亲密，但没必要这么亲密。
18岁高中生挖出约150万个未知天体，25岁博士生给1.4亿张星系图装上自然语言搜索……OpenAI发布了首届「ChatGPT Futures Class of 2026」，26位入选者来自从大一就用上ChatGPT的年轻群体，他们正在用AI改写「优秀年轻人」的定义。
LenVM将长度建模提升到token级别，开辟可扩展价值预训练的新维度——3B开源模型精确长度控制全面击败GPT-5.4、Claude-Opus-4-6等顶级闭源模型；相同token预算下推理准确率提升10倍（63% vs 6%）；沿模型规模、数据量、采样数三轴无饱和scaling的value pretraining
不知道大家平时有没有这种经历。
SWE-Bench 的创建者，刚刚又放出了一个地狱级新 benchmark。
SWE-Bench上能拿72%的模型，换张考卷直接归零！Meta联合斯坦福、哈佛放出ProgramBench，200个项目从零手写，9大顶级模型完整通过率0%。最强的Claude Opus 4.7平均通过率也才51.2%。更离谱的是一联网，就有模型在36%的任务里跑去GitHub扒源码。