7月15日，LG AI Research推出韩国首个混合推理AI模型EXAONE 4.0。该模型结合自然语言处理与高级推理能力，在数学、科学和编程等领域表现突出。提供专业模型（32B）用于高专业度领域，以及端侧模型（1.2B）支持本地化安全运行。其性能通过全球高难度基准测试验证，包括MMLU-Pro 81.8分、LiveCodeBench v6 66.7分、GPQA-Diamond 75.4分和AIME 2025 85.3分。即日起面向教育机构免费开放，并与Friendly AI合作推出无GPU门槛的商业API服务，研究版已开源发布于Hugging Face平台。

7月6日，AI推理企业Groq宣布与Equinix合作，在芬兰赫尔辛基启用首个欧洲数据中心，以满足欧洲客户对LPU算力需求的增长。新数据中心提供更低延迟、更快响应和更安全的数据控制，同时利用芬兰高纬度优势节省冷却成本。Groq已在美、加、沙特部署20M+ Token/s的计算容量，此次扩张助力欧洲数据合规需求。CEO Jonathan Ross强调，新设施可即时释放开发者潜力。另据The Information报道，Groq正以60亿美元估值洽谈融资3~5亿美元，用于交付沙特芯片订单。

密室逃脱成AI新考场，通关率不足50%，暴露空间推理短板丨清华ICCV25 清华大学团队受密室逃脱游戏启发，提出EscapeCraft——一个3D密室逃脱环境，用于评估多模态大模型（MLLMs）在复杂任务中的推理和决策能力。该研究已入选ICCV 2025。 EscapeCraft是一个沉浸式互动环境...

7月10日，智谱旗下GLM-4.1V-9B-Thinking大模型以9B参数规模登顶HuggingFace Trending榜首。该模型支持图像、视频、文档等多模态输入，专为复杂认知任务设计，融合“思维链推理机制”与“课程采样强化学习策略”，显著提升跨模态因果推理能力与稳定性。其轻量版参数控制在10B级别，在高效部署的同时实现性能突破，展现技术领先性与实用性，引发广泛关注。

4B小模型数学推理首超Claude 4，700步RL训练逼近235B性能 | 港大&字节Seed&复旦 香港大学NLP团队联合字节跳动Seed和复旦大学推出强化学习训练配方Polaris，通过仅700步RL训练，让4B参数量的小模型在数学推理任务上接近235B大模型的表现，并超越Cl...

7月9日，昆仑万维发布并开源Skywork-R1V 3.0，其多模态推理能力逼近人类专家水平。新版本通过强化学习策略显著提升跨模态推理能力，在复杂逻辑建模和跨学科泛化上表现优异。模型基于InternVL-38B蒸馏数据训练，仅用约1.2万条监督微调样本和1.3万条强化学习样本，实现高效训练。在权威评测中，Skywork-R1V 3.0取得多项领先成绩：MMMU评测达76.0分，超越Claude-3.7-Sonnet和GPT-4.5；EMMA-Mini(CoT)评分40.3分，居开源模型首位；数学、物理、逻辑等领域均表现出色，部分指标超闭源模型。目前，模型已开放下载，涵盖HuggingFace、GitHub等平台。

正文：2025年7月，CMU研究团队发布论文指出，训练大语言模型的数学能力可能对其通用领域表现产生负面影响。研究评估了20多个模型在数学推理、其他推理任务及非推理任务上的表现，发现采用监督微调（SFT）的模型常出现负迁移，尤其在非推理任务上表现更差；而强化学习（RL）训练的模型则展现出更强的迁移能力与泛化性。通过PCA分析和Token分布偏移实验，研究进一步表明RL微调对模型原有知识的保留更优，同时提升了特定领域的逻辑能力。研究认为，强化学习可能是实现可迁移推理的关键。论文已发布于arXiv。

2025年7月8日，特拉维夫大学研究团队开源了一项新技术，通过引入“思维进度向量”(TPV)，可实时监控和控制大型语言模型(LLM)的推理深度与速度。该方法为LLM推理任务添加了可视化进度条，并通过干预TPV实现加速或减速推理过程。实验表明，使用TPV技术的DeepSeek-R1模型推理速度最高提升6倍，计算量减少30%，同时准确率保持不变甚至有所提升。研究还发现，TPV方法能与提示策略结合，进一步提高性能，在低计算预算下正确答案增加80%。相关代码和论文已发布在GitHub和arXiv平台。

标题：大模型越反思越错，长链推理加重幻觉 | 北邮 北邮网安团队研究发现，当推理链条从3步延长到50步以上时，幻觉率暴增10倍，反思机制甚至可能加剧错误。研究通过“思维链审计实验”揭示了这一现象背后的元认知偏差：长链推理中的反思并非纠错工具，而是为错误颁发“理性证书”。 长链推理的风险 推理...

2025年7月2日，鸿海精密工业股份有限公司申请注册旗下首款AI推理大模型“FoxBrain”商标，当前状态为“等待实质审查”。该模型由鸿海研究院研发，是台湾地区首款AI推理大模型，具备数据分析、数学、推理和代码生成功能。模型基于Meta Llama 3.1打造，初始版本使用120块英伟达H100 GPU训练一个月完成，并对繁体中文进行优化，部分性能略逊于DeepSeek部分模型。此前联发科也曾推出Llama-Breeze2系列AI模型。