Gemini3Flash在AA-Omniscience基准测试中幻觉率高达91%，几乎在所有模型中垫底；在LisanBench上排名第12，平均有效性比率仅87%。与DeepSeek-V3 2Thinking等开源模型相比，其性价比更低，尤其低配版表现更差，从而引发了对模型稳定性与准确性平衡的深入思考。

沃顿商学院研究显示，为AI设定专家角色（如物理学家、律师）无法提升答案准确性。对6款主流模型超25000次测试发现，仅Gemini2 0Flash在少数情况下有改善，其他模型表现不变或更差，甚至因“职业操守”拒绝作答。角色扮演影响表述方式，但非提高准确性的有效手段。

输入语句经分词、嵌入与位置编码后，每个token获得含语义和位置的高维向量。多层Transformer中，多头注意力机制捕获词间关系，前馈网络进行特征加工，残差连接与层归一化保障深层训练。最终线性投影与softmax输出下一词的概率分布。

AI模型普遍偏爱使用破折号，因其训练数据主要来自19世纪末至20世纪初的公共领域书籍，当时破折号使用频率极高。GPT-3 5尚正常，GPT-4开始出现这一特征，其他模型也有类似现象，根源在于2022年后互联网训练数据枯竭。

AndrejKarpathy指出，动物智能与LLM智能是本质不同的智能物种。动物智能受生存驱动，核心为恐惧、权力和繁殖；LLM智能受人类认可驱动，核心为模仿文本、收集奖励和讨好用户。不能用生物智能框架理解AI，优化目标决定了智能发展方向。

StepFun开源Step-Audio-EditX模型，号称全球首个音频编辑模型，支持通过文字指令控制声音情感、风格及呼吸、笑声等副语言元素。该模型采用3B参数统一架构，实现中英文及方言零样本语音合成，在情感控制上优于现有方案，单张12GB显存GPU即可运行。

AgentFS将智能体运行时封装于单个SQLite文件，集成POSIX虚拟文件系统、键值存储及审计追踪，支持快照实现状态重现。提供CLI、TypeScript RustSDK及沙盒执行环境，处于Alpha阶段。

针对本地大模型重复推理问题，constraint-cache工具通过语义规范化提取实体与动作，将相似查询映射为统一缓存键。缓存通用指令而非具体信息，在真实客服对话测试中命中率达99 9%，成本降低99 9%，响应时间压缩至1毫秒，适合客服机器人等高频场景。