OpenAI 的 o1-preview 展现了更强的推理能力。尽管新型语言模型 GPT-4o 已经相当先进，但它在识别单词 “strawberry” 中字符 “r” 的数量这样简单推理能力时却显得差强人意。
这一现象似乎佐证了麻省理工学院近期在《自然》上发表的一篇文章《Language is primarily a tool for communication rather than thought》，该文认为 “语言主要是用于交流的工具，而非思考的工具，对任何经过测试的思维形式并非必需。” 虽然 GPT-4o 能够解析和生成语言，但它并不具备形式化推理的能力。
或许 OpenAI 在训练 o1 模型时使用了更多语言以外的数据，这使得 o1 具有了更强的推理能力。不过，实际效果如何，仍需进一步观察和测试。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
谷歌推出开源模型 Gemma 4，旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化，首次具备多模态与智能体能力，支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备，Gemma 4 摆脱了对云端算力的依赖，推动去中心化开源生态发展，赋能各社区按需构建专属系统。
OpenAI 正式发布 GPT-5.6，推出 Sol、Terra、Luna 三档模型。Sol 在 Agent 评测中领先，但编码基准落后竞品且存在 token 过度消耗问题，Terra 性价比显著提升。新功能包括程序化工具调用、缓存优化及 Sol 自主训练 Luna。尽管安全围栏较严且知识截止日期存疑，该版本仍属扎实迭代。对于 Codex 用户建议升级，而 Claude Code 用户需权衡工作流兼容性，两大 AI 厂商竞争已趋白热化。
围绕《OpenAI o1-preview 具有更强的推理能力》展开交流，未登录用户可浏览评论，登录后可参与讨论。
