Harness 神器 J-Space 造假案背后，思维链作者暴论，小模型 + 工具干不掉顶级大模型
Harness 神器 J-Space 造假案背后，思维链作者暴论，小模型 + 工具干不掉顶级大模型外挂补不了模型智商，《苦涩的教训》再次上演。
来自主题: AI资讯
9014 点击 2026-08-20 14:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
外挂补不了模型智商，《苦涩的教训》再次上演。
DeepSeek V4 Pro，可能又又又更新了。今天下午，有用户在技术社区 Linux.do 发帖称，自己在DeepSeek Harness标准模式、V4 Pro Max思考档位下，发现模型的思维链突然变了。
停停停！Kimi K3的最佳打开方式可能不在Coding——用它做前端设计，才是真·Interesting。在Design Arena最新公布的单次生成前端榜单中，Kimi K3以1414分位列第一，力压Fable 5和GPT-5.6 Sol。
新智元报道 大模型变强，过去靠两条路。 做大——Scaling Law出现后，参数从百亿推向千亿，算力支出一路飙升。 想久——o1带火思考模型，用更长的思维链、更多推理时间换结果。 问题是，除了Sca
推理大模型 (如 DeepSeek-R1、o1) 靠长思维链拿高分，却普遍「想太多」: 研究统计了五个代表性模型里，发现有 41–52% 的 token 是在模型给出它的最终答案之后生成的。
推理大模型 (如 DeepSeek-R1、o1) 靠长思维链拿高分，却普遍「想太多」: 研究统计了五个代表性模型里，发现有 41–52% 的 token 是在模型给出它的最终答案之后生成的。
近年来，多模态大语言模型（MLLM）在视觉问答、图表理解、科学推理等任务上取得了令人瞩目的进展。
过去一年，AI 推理模型的使用成本让不少开发者叫苦。
这不是科幻小说，而是 METR（模型评估与训练研究组织）联合Anthropic、Google、Meta和OpenAI 进行内部红队测试后，发布的首份《前沿风险报告》中披露的真实案例。这是四大巨头第一次允许第三方深入测试他们内部最强、可访问完整思维链（CoT）的模型，并开放非公开的对齐与控制信息。
当视频生成模型在视觉保真度上不断突破时，一个核心瓶颈正变得愈发清晰：模型是否真正理解了真实世界？能否推理出合理的演变过程？