AI动态汇总20250728：英伟达推出 OpenReasoning-Nemotron 推理模型， Qwen3 Coder 开源

AI重点要闻

英伟达推出OpenReasoning-Nemotron推理模型

英伟达于2025年7月推出OpenReasoning-Nemotron推理模型系列，包含1.5B、7B、14B和32B四种参数规模版本，旨在为数学、科学及代码生成等结构化任务提供高效推理支持。模型核心创新在于数据蒸馏策略，通过从6710亿参数的DeepSeek R1 0528模型中蒸馏提炼而成，并采用GenSelect算法实现“重型推理模式”。32B模型在AIME24获得89.2分，超越OpenAI的o3-high模型；7B模型以78.2分比前代提升近20%。模型在GPQA、MMLU-PRO和AIME24等基准测试中刷新同参数规模纪录，但存在行为分化现象，部分版本擅长使用Python工具但推理较弱，另一些则强化纯逻辑能力却缺乏工具交互。英伟达将模型定位为研究基线，完整开放模型权重与评估脚本，支持Hugging Face Transformers、TensorRT-LLM和ONNX工具链，用户可通过LM Studio在本地设备运行量化版本。

Qwen3 Coder开源

阿里云通义千问团队于2025年7月23日正式开源其旗舰级AI编程大模型Qwen3-Coder，以4800亿参数规模、原生支持256K上下文窗口的混合专家架构（MoE）为核心。模型采用稀疏化MoE设计，总参数4800亿但每次推理仅激活350亿参数，包含160个专家网络并动态选择8个参与计算。训练数据层面，模型使用7.5万亿token的语料库，其中70%为代码数据，覆盖80余种编程语言及20多种标记语言。后训练阶段引入代码强化学习与长程强化学习，构建分布式系统并行运行2万个独立环境。在权威基准测试中，Qwen3-Coder展现出全方位竞争力，HumanEval pass@1正确率达93.7%，超越Claude 3.5；在真实软件工程评测SWE-Bench Verified上以31.4%任务成功率首次超过GPT-4的30.9%。模型通过YaRN技术将原生256K上下文扩展至1M token，集成执行反馈机制，显著提升代码可靠性。阿里云采用Apache 2.0协议全面开放模型权重，同步推出命令行工具Qwen Code优化代理式编程体验，支持与Claude Code、Cline等工具协同工作。

苹果携手剑桥大学设计最佳AI评审框架

苹果与剑桥大学合作研发的AI评审框架代表了当前大语言模型评估领域的重要突破。该框架采用三级决策机制实现动态评估，第一阶段进行初始领域评估，第二阶段工具调用环节：事实核查模块通过实时网络搜索验证文本中的原子事实；代码执行模块依托OpenAI代码解释器运行并验证程序正确性；数学核查模块作为代码执行的专用变体，专门处理数学运算验证。最终阶段综合工具输出与模型自身推理生成评审结论。该框架采用工具优先策略，仅在无适用工具时回退至基线模型评审，将数学问题评审的错误率从纯模型评估的28%降至6%，代码评审的误判率下降逾40%。系统采用工具优先策略，仅在无适用工具时回退至基线模型评审。这种设计显著减少了传统AI评审中常见的“自信幻觉”现象。系统采用工具优先策略，仅在无适用工具时回退至基线模型评审。这种设计显著减少了传统AI评审中常见的“自信幻觉”现象。系统采用工具优先策略，仅在无适用工具时回退至基线模型评审。这种设计显著减少了传统AI评审中常见的“自信幻觉”现象。

GitLab Duo 平台开启公测

GitLab于2025年7月22日正式宣布其AI协作平台GitLab Duo进入公测阶段，通过虚拟化传统软件开发团队的角色分工，构建了一套由多智能体协同的自动化开发体系。平台通过“Flows”功能实现智能体间的自动化工作流编排，开发者仅需输入功能描述，系统即可自动调度智能体完成需求分解、代码生成、测试验证等环节。平台深度集成主流开发环境，支持VS Code与JetBrains系列IDE的直接交互，显著降低开发者学习成本。GitLab计划推出“AI Catalog”社区计划，构建智能体配置共享市场，允许开发者上传自定义Agent配置文件，进一步扩展平台生态。尽管平台展现出强大潜力，其安全风险亦不容忽视。GitLab随后修复了该漏洞，强化了HTML标签过滤与上下文输入审查机制，例如禁止渲染指向外部域的标签，并建立工具调用时的权限隔离体系。此次公测版本特别强调安全防护，采用端到端加密与沙箱环境执行代码验证，确保智能体在访问项目上下文时遵循最小权限原则。