OpenAI的GPT-5在内测中展露惊人实力，其日常推理能力首次超越人类，编程和数学能力也大幅提升，甚至引发了“取代博士”的调侃。尽管面临数据和训练挑战，以及谷歌等竞争对手的猛烈攻势，但山姆·奥特曼的“谜语人”式预热和即将到来的发布会，都预示着AI领域一场新的“好戏”即将上演。

微软最近推出了一个AI“小钢炮”——Phi-4-mini-flash-reasoning，别看它名字长又带“mini”，这货在推理能力上竟然能跟那些“大块头”AI模型叫板，甚至超越DeepSeek R1-70B和OpenAI o1-mini，加强版更是直逼GPT-4o！这波“下克上”的操作，简直是要让我们的PC秒变AI超跑，成本和隐私都更香了。

苹果最新论文《思维幻觉》揭示，大型推理模型（LRM）在面对高复杂度问题时，其推理能力会“崩溃”，挑战了业界对AI泛化智能的乐观预期。这项发现引发了AI能力边界的深刻讨论，促使业界重新审视通往通用智能的路径，强调了对AI局限性的认识和对混合智能范式探索的重要性，以实现更稳健、更透明的人工智能。

一项最新研究揭示了多模态推理模型在追求深度推理时，反而更容易产生“幻觉”的悖论。该研究指出，随着推理链条的加长，模型对视觉输入的关注度下降，转而过度依赖语言先验知识，导致生成内容与图像脱节。为解决此问题，研究团队提出了RH-AUC评估指标和RH-Bench数据集，以衡量模型在推理与感知间的平衡，并为未来模型的稳健性训练提供了宝贵启示。

苹果公司发布论文《思考的幻象》，质疑大语言模型（LLM）的推理能力，认为其在复杂逻辑任务中性能崩盘。然而，一篇由独立研究员Alex Lawsen和Claude Opus 4共同撰写的反驳论文《思考的幻象的幻象》指出，苹果的评估存在严重缺陷，包括对Token输出限制的忽视、测试题目不严谨以及评估方式的片面性。这场辩论不仅揭示了当前AI评估方法的局限性，也引发了对AI智能本质和未来发展路径的深层思考。