推理

1. 首页
2. 推理

Sky

Sky-T1是由加州大学伯克利分校NovaSky团队开发的开源推理AI模型，具备高性价比和强大推理能力。其训练成本仅450美元，数据来源经过优化处理，可在数学、编程和科学领域表现出色。模型支持用户从零复现，适用于教育、科研及软件开发等场景。在MATH500和LiveCodeBench测试中，Sky-T1表现优于部分早期OpenAI模型，展现出良好的实用价值。

AI项目与工具 2025年06月12日 12 点赞 0 评论 964 浏览

SWEET

SWEET-RL是Meta开发的多轮强化学习框架，专为提升大型语言模型在协作推理任务中的表现而设计。通过引入训练时的额外信息优化“批评者”模型，实现精准的信用分配与策略优化。在ColBench基准测试中，其在后端编程和前端设计任务中表现出色，成功率提升6%。适用于文本校对、社交媒体审核、广告合规等多种场景，具备高度的通用性和适应性。

AI项目与工具 2025年06月12日 15 点赞 0 评论 963 浏览

Kimina

Kimina-Prover是由月之暗面与Numina团队联合开发的大型数学定理证明模型，采用强化学习技术，在Lean 4语言中实现类人逻辑推理与严谨证明。其“形式化推理模式”结合非形式化推理与代码片段，提升解题效率。在miniF2F基准测试中达到80.7%准确率，显著优于现有模型。具备高样本效率与良好可扩展性，适用于科研、软件测试、算法验证等多个领域。1.5B和7B参数版本已开源。

AI项目与工具 2025年06月11日 33 点赞 0 评论 962 浏览

OpenAI o4

OpenAI o4-mini 是一款高性能、低成本的小型推理模型，专为快速处理数学、编程和视觉任务优化。它具备多模态能力，可结合图像与文本进行推理，并支持工具调用以提高准确性。在多项基准测试中表现优异，尤其在数学和编程领域接近完整版模型。适用于教育、数据分析、软件开发及内容创作等多个场景，是高效率与性价比兼备的AI工具。

AI项目与工具 2025年06月11日 27 点赞 0 评论 961 浏览

Gemini 2.5 Flash

Gemini 2.5 Flash 是 Google 推出的高性能 AI 模型，具备低延迟、高效率及推理能力，适用于代码生成、智能代理和复杂任务处理。其优化设计降低了计算成本，适合大规模部署。该模型基于 Transformer 架构，结合推理机制和模型压缩技术，提升了响应速度与准确性，广泛应用于智能开发、内容生成和实时交互等领域。

AI项目与工具 2025年06月12日 33 点赞 0 评论 959 浏览

START

START是由阿里巴巴集团与中科大联合研发的工具增强型推理模型，通过集成外部工具（如Python代码执行器）提升大型语言模型的推理能力。其核心在于“Hint-infer”和“Hint-RFT”技术，结合长链推理与工具调用，显著提高复杂数学、科学问题及编程任务的准确性和效率。该模型具备自我调试、多策略探索和自学习能力，适用于科研、教育、编程等多个领域，是首个开源的长链推理与工具集成模型。

AI项目与工具 2025年06月12日 72 点赞 0 评论 958 浏览

Optima

Optima是一款由清华大学研发的框架，旨在通过迭代生成、排名、选择和训练过程，优化基于大型语言模型的多智能体系统。它不仅提高了通信效率和任务完成质量，还支持大规模复杂任务处理，同时集成了强化学习与蒙特卡洛树搜索技术以生成优质训练数据。Optima适用于信息不对称问答、复杂推理任务、软件开发等多个领域，具有高扩展性和低计算成本的特点。

AI项目与工具 2025年06月12日 73 点赞 0 评论 956 浏览

Skywork R1V

Skywork R1V是昆仑万维推出的首个工业级多模态思维链推理模型，具备强大的视觉链式推理能力，可处理数学问题、科学现象分析、医学影像诊断等复杂任务。其技术基于文本推理能力的多模态迁移与混合式训练方法，在多项基准测试中表现优异。模型开源，适用于教育、医疗、科研、内容审核等多个领域，推动多模态人工智能的发展。

AI项目与工具 2025年06月12日 80 点赞 0 评论 953 浏览

TeleAI

TeleAI-t1-preview是中国电信人工智能研究院开发的复杂推理大模型，具有强大的数学与逻辑推理能力。它在多项国际评测中表现优异，尤其在数学竞赛和古籍解析方面表现突出。模型融合了强化学习与思考范式，支持从文言文到现代汉语的数学题解析，并具备策略推理与单位换算等功能。该模型即将上线天翼AI开放平台，未来将在教育、科研等领域广泛应用。

AI项目与工具 2025年06月12日 88 点赞 0 评论 950 浏览

APB

APB是一种由清华大学等机构开发的分布式长上下文推理框架，通过稀疏注意力机制和序列并行推理提升大模型处理长文本的效率。采用更小的Anchor Block和Passing Block，结合查询感知的上下文压缩技术，减少计算开销并精准传递关键信息。在128K长度文本上，APB推理速度比Flash Attention快10倍，比Star Attention快1.6倍，适用于多种分布式环境和模型规模，广泛

AI项目与工具 2025年06月12日 64 点赞 0 评论 948 浏览