←搜索结果

按匹配度 · 共 340 条结果 清除搜索

星期四

  1. Business Insider Tech

    Hugging Face 发布开源模型 Carbon-X,可用自然语言分析并生成 DNA 序列

    Hugging Face 发布开源模型 Carbon-X,将 DNA 分析与生成和自然语言结合,让研究者能直接提问并得到预测和解释。该模型基于 Qwen3-14B,用人类、其他哺乳动物、植物和真菌的基因组序列与自然语言训练,训练数据明确排除病毒。研究者可在本地运行,避免向外部 AI 公司共享敏感患者数据,也可生成新的 DNA 序列以辅助基因疗法研究。

    好的数学模型,”他说,并暗示类似的情况很可能在其他科学领域上演。 “我们希望为开放研究社区提供工具,使他们不必完全依赖某个外部的单一供应商,”他补充道。 研究人员可以在自己的电脑上运行Carbon-X,从而避免与外部AI公司共享敏感的患者数据。他还表示,在更大模型中出现的一些失准行为——例如7月份曾著名地入侵Hugging Face的OpenAI智能体——尚未在更小、更专门的模型中被观察到。 滕斯托尔说,通用聊天机器人有时也会拒绝回答研究人员提出的正当生物学问题,因为它们把这些提问误认为是试图“设计生物武器”。他说,病毒被明确排除在Carbon-X的训练数据之外,以避免该模型被滥用。 Business Insider有游戏! 在Google中添加BI,这样当您搜索重要内容时,更容易找到我们的报道。 虽然Carbon-X很可能被研究人员使用,但滕斯托尔说,该模型代表着朝着这样一个未来迈出的一小步:AI能够帮助提供更个性化的医疗服务。 “我认为终极目标是,总体而言,就是个性化医疗这一概念,即我们作为个体,能够拿自己的病历、自己的基因组,利用这些最终找到、甚至也许设计自己的治疗方案,”他说。

    匹配字段正文

星期三

  1. Unite.AI

    NVIDIA 扩展开放模型组合,面向欧洲主权 AI

    NVIDIA 于 2026 年 10 月 21 日宣布扩展其开放模型家族,覆盖语言、机器人、生物和量子计算,并围绕欧洲主权智能定位。组合包括 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Nemotron Retriever、面向结构化业务数据的 Kumo、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、BioNeMo 和 Ising。Nemotron 3.5 Super VL 已在 Hugging Face、ModelScope、OpenRouter 和 build.nvidia.com 上线,Nemotron 3.5 Bolt E4B 4GB 预计 10 月 23 日可用。

    partner ecosystem customizing Nemotron for domain-specific workloads: AfterQuery, AgileRL, AI21, Alice, Applied Compute, Baseten, CoreWeave, Distil Labs, EON, Fastino, Fireworks, Google Cloud, Mercor, Multiverse Computing, Nebius, Handshake AI, Plurai, Prime Intellect, River.AI, Scale AI, Trajectory and TNG. The portfolio expansion follows NVIDIA’s October 15, 2026, release of Nemotron 3.5 Super VL and the Nemotron 3.5 Bolt edge models, which added a 120-billion-parameter vision-language model

    匹配字段正文

  2. Unite.AI

    NVIDIA 与 UW Medicine 发布开源蛋白质设计模型 RFD4-Proteina

    NVIDIA 在 GTC Berlin 宣布与 UW Medicine 蛋白质设计研究所合作推出开源蛋白质设计模型 RFD4-Proteina,已通过 Amazon Bio Discovery、Hugging Face、OpenAI 等合作方提供。该模型属于 NVIDIA BioNeMo,将可编程蛋白质设计与搜索能力结合,可按分子输入、约束和评分目标生成并筛选候选设计。Hugging Face 模型卡显示其权重为 435.6 百万参数、FP32 存储 1.74 GB、以 BF16 运行,采用 BSD 3-Clause 许可,单张 H200 上 250 token 设计在 BF16 下耗时 5.0 秒。

    researchers around the world to build on it. NVIDIA said the model is available through partners including Amazon Bio Discovery, Anthropic’s Claude Science, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI and Tamarind Bio, enabling researchers and developers to integrate it into agent, cloud and scientific computing workflows. Model Architecture, Licensing and Availability A model card published on Hugging Face by the Baker Lab at the Institute for Protein Design and NVIDIA Gen

    匹配字段正文

星期二

  1. 财新

    MiniMax 发布文本模型 M3.1 Flash,综合使用成本降低 70%

    MiniMax 于 10 月 19 日晚间更新文本模型 MiniMax M3.1 Flash,API 价格较上一代 MiniMax M3 降低,官方称综合使用成本降低 70%。新模型输入价格为每百万 Token 1 元、输出每百万 Token 4 元、缓存读取每百万 Token 0.1 元,且不设输入窗口长度限制。作为对比,MiniMax M3 按输入窗口长度分两档计费,输入 Token 大于 512k 时每百万 Token 输入 4.2 元、输出 16.8 元、缓存读取 0.84 元,小于 512k 时价格减半。新模型公布后 MiniMax 股价走高后回落,盘间触及 168.3 港元/股,创上市以来最低股价。

    续推进 21:05国家数据集团成立 计划推进数据资源开发利用 20:58趣店创始人罗敏补缴个税7.9亿元 因境内实体历史上的股权重组 20:46特朗普为内塔尼亚胡选前送暖 以色列大选牵动地区紧张神经 20:31特朗普就美朝会晤可能性降低调门 朝鲜称将继续加强“自卫战争遏制力” 19:48MiniMax沉寂4个多月后再发新文本模型 大幅降价抢性价比市场 19:33韩国华城电池厂火灾涉事公司CEO终审获刑由15年降至4年 18:59碳信用供给不足 中国加快跨境碳交易制度建设|出海·能源 18:25分析|柴油突破6美元,美俄柴油协议意义几何? 18:1063岁广电总局原副局长杨小伟 22年敛财3319万余元一审获刑12年 内容页 end 底部 begin 财新网所刊载内容之知识产权为财新传媒及/或相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。 广播电视节目制作经营许可证:京第01015号 | 出版物经营许可证:第直100013号 finder end 全站收费统计代码 Global site tag (gtag.js) - Google Analytics

    匹配字段正文

  2. Thurrott精选

    OpenAI 发布面向 COBOL 等老语言的编程模型 GPT-6 Astra

    OpenAI 发布编程模型 GPT-6 Astra,面向 COBOL、Fortran、Visual Basic 等老旧编程语言。OpenAI 为此构建了 MultiLangBench 和 COBOL migration 两项评测,GPT-6 Astra 在 MultiLangBench 的 20 种语言上得分 87.4%,GPT-5.6 Sol 为 26.8%;COBOL migration 得分 86.8%,高推理强度下为 97.9%,GPT-5.6 Sol 仅 5.4%。该模型已通过 OpenAI API 向开发者开放,用于 COBOL、Fortran、OCam 和 Visual Basic 的编程任务。

    Google Tag Manager (noscript) End Google Tag Manager (noscript) OpenAI 今天发布了 GPT‑6 Astra,这是一款专为 COBOL、Fotran、Visual Basic 及其他较老编程语言量身定制的 AI 编程模型。 “与 Python 和 JavaScript 等语言相比,这些语言可供模型学习的代码和文档较少,但它们支撑着全球的关键基础设施和基本服务,”OpenAI 的公告解释道。“这项工作以开发者和企业客户的反馈为指导,他们告诉我们,编程模型往往难以应对这些语言。” OpenAI 开发了两项评测——MultiLangBench 和 COBOL migration——以确保其模型能够用这些较老、文档较少的语言构建新软件,并在旧应用被现代化或以其他方式迁移到较新语言时保持其行为不变。GPT-6 Astra 在 MultiLangBench 的 20 种语言上得分 87.4%,高于 GPT-5.6 Sol 的 26.8%。它在 COBOL migration 中得分 86.8%——在高推理强度下为 97.9%——而

    匹配字段正文

  3. MarkTechPost

    Nace AI 发布多模态决策模型 Drex Max,Decision Index 得分 67.59

    Nace AI 发布 Drex Max,这是其首个多模态决策模型,可读取文本和图像并返回校准后的概率,不生成文本。该模型在公开 Decision Index 0.3.2 上得分 67.59,比 TypeSafe 的 Jev 1.14 高 6.9 分;单次截图决策中位延迟 174 ms,输入定价为每 1M tokens 0.06 美元,输出不计费。模型仅通过 Nace Console API 提供,参数规模未披露、权重闭源,上述分数均为 Nace 自报。

    Add as a preferredsource on Google Nace AI has released Drex Max, a multimodal decision model for agents that use computers and browsers. The Drex Max multimodal decision model reads text and images and returns calibrated probabilities. It writes no text. Nace team reports 67.59 on the public Decision Index 0.3.2, 6.9 points above TypeSafe’s Jev 1.14. For agent builders, that means one cheap, typed call per click. TL;DR Size: Parameters not disclosed. Up to 262,144 tokens per question on the API

    匹配字段正文

  4. MarkTechPost

    Inception 发布扩散语言模型 Mercury 3,速度达 1068 tokens/s

    Inception 发布扩散语言模型 Mercury 3,官方称在 NVIDIA GPU 上达到 1068 tokens/s,上下文窗口为 1M token,参数量未披露但超过 Mercury 1 的 40 倍。在 Inception 自报的 12 项基准中,Mercury 3 在 8 项上领先 GPT-6 Luna 和 Claude Haiku 5.5,其中 SWE-Bench Atlas 为 51.08、IFBench 为 76.84,但在 DeepSWE v1 和 MRCR v2 上落后于 Haiku 5.5。模型已上线 Inception API Platform、OpenRouter、Baseten 和 Vercel,API 兼容 OpenAI,模型名为 mercury-3,发布价为每百万 token 输入 0.10 美元、输出 0.35 美元,之后恢复为 0.20 美元和 0.70 美元。

    Add as a preferredsource on Google Inception has released Mercury 3, the newest version of its diffusion language model. Mercury 3 is a diffusion LLM from Inception that writes answers in parallel, not token by token. Inception reports 1,068 tokens per second on NVIDIA GPUs and a 1M-token context window. On Inception’s own benchmark table, it leads GPT-6 Luna and Claude Haiku 5.5 on 8 of 12 tests. For developers building agents, voice bots and search tools, this is a speed-first model with compe

    匹配字段正文

  5. MarkTechPost

    Cloudflare 在 Workers AI 上发布 Clairic 提取模型预览

    Cloudflare 在 Workers AI 上发布 System One 提取模型 Clairic 的预览版,它读取文本或最多 4 张图片,直接返回带类型的值而非生成文本,单次前向传播即可回答所有字段。该模型支持 65,536 token 上下文,按 $0.10/百万输入 token 计费且不收取输出费用,权重尚未发布。Cloudflare 在理赔流程测试中称,Clairic 提取步骤耗时 0.46 秒,GLM-5.3 为 16.1 秒,整体流程快约 3.2 倍,每百万次成本从 $11,740 降至 $6,032。

    Add as a preferredsource on Google Cloudflare has released a preview of Clairic, a new System One extraction model on Workers AI. The Cloudflare Clairic extraction model reads text or images and returns typed values, not generated text. It targets a job developers usually give to LLMs: pulling totals, dates and IDs into JSON. Clairic answers every requested field in 1 forward pass, with no reasoning and no output tokens. TL;DR Size: Parameter count not disclosed. 65,536-token context window, up

    匹配字段正文

星期一

  1. MarkTechPost

    Mistral AI 发布 Timestral 时间序列基础模型,最大 209M 参数可在 CPU 推理

    Mistral AI 发布首个时间序列基础模型系列 Timestral,包含 5M、28M、123M、209M 四个零样本预测模型,支持最长 32,768 个时间步的上下文。据 Mistral 自测,209M 版本在 GIFT-Eval、TIME 和 fev-bench 上位列零样本预训练模型第一,fev-bench SQL skill 得分为 50.39,高于 TimesFM-3 的 48.99。模型无需 GPU,在 8 线程服务器 CPU 上 209M 版本单次预测耗时 140 ms,权重以 Modified MIT 许可开放,可通过 pip 安装并部署在本地、VPC 或隔离环境。

    Add as a preferredsource on Google Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters. The largest checkpoint ranks first among pretrained, zero-shot models on GIFT-Eval, TIME and fev-bench. It does this without a GPU at inference. For developers, this Timestral time series foundation model means probabilistic forecasts on standard server CPUs, with open weigh

    匹配字段正文

  2. MarkTechPost精选

    MiniMax 发布 M3.1 Flash:428B MoE 智能体模型,输入 $0.15/百万 token

    MiniMax 在 API 上线 MiniMax M3.1 Flash,428B 总参数、约 23B 激活的 MoE 多模态模型,支持 100 万 token 上下文,输入 $0.15、输出 $0.60 每百万 token。推理始终开启且不可关闭,提供 Low 到 Max 五档强度,权重计划于 10 月 23 日发布、许可证尚未公布。厂商自报成绩中 Automation-Bench v1.0.6 以 62.2 居首,Terminal Bench 4.0 为 38.1,落后 Opus 5 的 51.8。

    Add as a preferredsource on Google MiniMax has just released MiniMax M3.1 Flash on its API, priced at $0.15 per 1M input tokens. MiniMax also confirmed that Space Bunny was an earlier M3.1 Flash build. That stealth model processed over 200T tokens. For developers, the message is near-frontier agentic scores at Flash-tier cost. Model weights are due in late October, 2026. TL;DR Size: 428B total parameters, about 23B active (MoE); 1,000,000-token context Runs on: MiniMax API, M Plan and MiniMax Co

    匹配字段正文

  3. 财新

    DeepSeek 发布 DeepSeek-V4.1-Flash-1017 模型,称达到最佳性价比

    10月17日下午,DeepSeek 发布新模型版本 DeepSeek-V4.1-Flash-1017,称其在各方面基准测试中取得长足提升,并在多个 Harness 下达到新的性能-费用帕累托最优,即最佳性价比。财新指出,帕累托最优指找不到性能更强且价格相等或更低的模型,智谱、阿里 Qwen、阶跃星辰、小米 MiMo 和 DeepSeek 近期发布新模型时都强调了帕累托最优和帕累托前沿概念。此前主流国产模型厂商已有近一个月没有发布新的前沿模型。

    ,可信可引。 17:39潘功胜:高科技产业快速发展 为人民币资产提供坚实支撑 17:34央行完善短端利率调控机制 隔夜回购将成主要操作品种 17:24解决了长寿问题,却消解不了百无聊赖的孤独 16:55三季度北京办公楼租金再降 预期租金2028年迎拐点 16:27三一重能加速出海 筹划在埃及建厂|出海·能源 15:37青少年的言语智力从哪里来 15:23东京大学迎来首位女校长,日本性别平等仍有长路要走 15:12火线评论|沧州村庄里的危化品工厂为何能够长期存在? 15:09工信部:600亿元国家AI基金投出一批项目 人工智能企业超6600家 14:47美国土安全部禁止联邦文职行政机构使用DeepSeek以及相关产品 内容页 end 底部 begin 财新网所刊载内容之知识产权为财新传媒及/或相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。 广播电视节目制作经营许可证:京第01015号 | 出版物经营许可证:第直100013号 finder end 全站收费统计代码 Global site tag (gtag.js) - Google Analytics

    匹配字段正文

星期五

  1. 量子位精选

    谷歌发布Gemini 4 Argon,API限时半价

    谷歌发布旗舰模型Gemini 4 Argon,主打编程、专业知识工作与复杂任务的持续执行能力,API首发价为每百万输入token 2美元、输出10美元,优惠截至11月30日,12月1日起恢复至4美元和20美元。在第三方Artificial Analysis智能指数中,Argon High与GPT-6 Astra Max、Claude Fable5.1 Max并列53分,平均每任务成本1.99美元,比Astra低约39%。官方称其在ADK项目上无人值守连续工作11小时,提出涉及32个文件的6项优化方案并跑完16892项测试,其中两项被合并,长会话内存准备开销降低约40%。

    在Chromium浏览器项目中,Argon协助完成了一项涉及数百个文件的架构重构,把原本预计需要数月的工作压缩到了数周。 此外,在优化Gemma4E2B推理程序时,Argon将特定配置下的吞吐量从每秒约3.79万个token提升至超过10.8万个token,端到端速度达到原来的2.85倍。 谷歌表示,这类优化过去通常需要数月时间,而这一次只用了几天。 放到Google内部整体来看,过去几周,Antigravity中的Argon已帮助团队将智能体代码提交量提升超过35%,代码回滚次数减少近三分之一。 当然了,也有网友表示,自己用起来就没这么好了。真正具体表现还要看之后的大规模使用效果了。 这也和前面的榜单相互印证:Argon在DeepSWE、Vibe Code Bench上很强,但在FrontierSWE和Terminal-bench中,仍落后于表内几款主要竞品。 真实项目里的收益已经有了,能不能稳定复现到更多人的工作里,还得继续看。 专业知识工作方面,这次Gemini4 Argon的提升,主要体现在 处理多种材料、关联信息,并把结果整理成可以直接使用的产物。 官方展示了一个非常典型的

    匹配字段正文

  2. Unite.AI精选

    Reflection 以 Apache 2.0 开源 501B 参数 MoE 模型 Beam

    Reflection 于 10 月 16 日在 Hugging Face 以 Apache 2.0 许可发布其首个开放权重模型 Beam,Baseten 同日通过 Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 为 501B 总参数、每 token 激活 23B 的 MoE 自回归 Transformer,上下文窗口最高 100 万 token,预训练使用 23.8 万亿 token,并以 BF16、FP8、NVFP4 精度发布权重。Reflection 给出的评测结果为 GPQA Diamond 90.5%、SWE-bench Verified 80.9%、AIME 2026 97.8%、Terminal-Bench 2.1 80.1%、MCP Atlas 78.7%,同时开源了终端智能体工具 Mirror CLI。

    latform.reflection.ai, which it said is free to start. Launch platforms named by the company include Amazon Web Services, Baseten, Cloudflare, CoreWeave, Databricks, Fireworks AI, Google Cloud, LM Studio, Microsoft Azure, Modal, Nebius, NVIDIA NIMs, Ollama, OpenRouter, Oracle, Together AI, Vercel, and Weights & Biases, among others. For on-premises, sovereign, and air-gapped environments, Dell and HPE deliver Beam behind the firewall. Precision Formats and Framework Support Reflection released t

    匹配字段正文

  3. Reflection Blog精选

    Reflection 发布首个开源权重模型 Beam,501B 参数稀疏 MoE

    Reflection 发布首个开源权重模型 Beam,权重已在 Hugging Face 以 Apache 2.0 许可开放。Beam 是稀疏 MoE 模型,总参数 501B、激活 23B,面向编码、推理和长程智能体任务,同时提供 BF16、FP8、NVFP4 精度格式和投机解码草稿模型。Reflection 还联合 40 多家合作伙伴构建其称为智能体开放操作系统的生态,覆盖 vLLM、SGLang、Unsloth、Axolotl 等推理与微调框架,并开源了配套的 Mirror CLI 智能体工具。

    Reflection.ai dotted artwork

    rce projects so Beam is available on various platforms at launch including: Amazon Web Services, Nscale, Applied Compute, Baseten, Cloudflare, CoreWeave, Databricks, Fireworks AI, Google Cloud, Hermes, LM Studio, Microsoft Azure, Modal, Nebius, Nvidia NIMs, Ollama, OpenCode, OpenRouter, Oracle, Together AI, Vercel, and Weights & Biases. For on-premises, sovereign, and air-gapped environments, Dell and HPE deliver Beam behind the firewall. It’s the same open stack a developer runs on a laptop, de

    匹配字段正文

  4. MarkTechPost

    NVIDIA 发布 Nemotron 3.5 Super VL 开源多模态智能体模型

    NVIDIA 发布 Nemotron 3.5 Super VL,这是一个 120B 参数、每 token 激活 12B 的 MoE 开源视觉语言模型,支持文本、图像、文档和视频输入,上下文最高 1M tokens,权重以 OpenMDW-1.1 许可发布。NVIDIA 报告其在 GPQA-Diamond 得 89.90、SWE-bench Verified 得 71.07,但在 tau3-bench banking 仅 17.78。模型可在 1x DGX Spark、1x H200、2x H100 或 1x GB200 上运行 NVFP4 检查点,并已上线 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM,同时发布面向本地智能体的 Nemotron 3.5 Bolt 74B-A9B。

    Add as a preferredsource on Google NVIDIA just released Nemotron 3.5 Super VL, an open vision-language model built for always-on enterprise agents. Nemotron 3.5 Super VL is a 120B-parameter mixture-of-experts model from NVIDIA that activates 12B parameters per token. It reads text, images, documents and video, then reasons, calls tools and writes code in one model. For developers, 1 open checkpoint replaces a separate text model along with a separate vision model. NVIDIA also shipped 2 edge mode

    匹配字段正文

  5. The Decoder精选

    Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型,并推出两款 Bolt 端侧模型

    Nvidia 发布 Nemotron 3.5 Super VL,这是一个 1200 亿参数的开源多模态模型,面向持续在后台运行的企业智能体,处理文本、图像、文档和视频。该模型采用 MoE 架构,每个 token 仅激活 120 亿参数,由 Nvidia 与包含 Mistral AI、Thinking Machines Lab、Perplexity 和 Black Forest Labs 的 Nemotron Coalition 共同开发。同时推出两款面向本地硬件的模型:Nemotron 3.5 Bolt 74B-A9B 24GB 可在本地机器运行智能体任务,更小的 Bolt E4B 4GB 面向语音助手,将于本月晚些时候发布。Nvidia 称 Super VL 从 Nemotron 3 Ultra 蒸馏而来,在智能体指令遵循、工具调用、多步业务流程和图像分析任务上以约五分之一参数达到 Ultra 的准确率,在 Hermes 和 LangChain 的智能体测试中得分高于 Ultra,并在 SWE-bench 和 Terminal-Bench 上超过前代 Nemotron 3 Super。权重以 base、post-trained 和 4-bit 压缩三个版本发布,同时公开数据集、训练配方和强化学习环境,预训练与持续预训练使用超过 25 万亿 token。

    models is self-serving. The more companies run their own open models, the greater the demand for compute hardware, and open models will likely stay optimized for Nvidia for the foreseeable future. Meanwhile, companies like Meta, Google, Anthropic, and OpenAI are building their own chips and optimizing models for those instead. To push the spread of open AI models further, Nvidia recently invested $12.9 billion in Hugging Face , one of the most important platforms for developing and sharing them.

    匹配字段正文

星期六

  1. AI Business

    英伟达发布 Nemotron 3.5 系列开源模型

    英伟达本周推出 Nemotron 3.5 Super VL,一款 1200 亿参数模型,主打快速任务完成与“常开”智能体的准确性,同时发布 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Nemotron 3.5 Bolt E4B 4GB,前者侧重平衡与速度,后者面向对话智能体。三款模型完全开源,权重、数据集和训练配方均已公开,并可在 Hugging Face 获取,这是英伟达上月同意收购该开源平台后发布的首批模型。Omdia 分析师 Alexander Harrowell 认为,英伟达此举意在支撑其 GPU 周边生态,同时模型架构带来更好的内存扩展和更大上下文窗口,对智能体应用有价值。

    to Harrowell. “They’re doing this to support the wider ecosystem around their GPUs,” he said. At the same time, some of Nvidia’s customers boast their own AI chips. For instance, Google offers its TPUs, Amazon offers Trainium AI accelerator chips, and OpenAI is developing its own AI chip, Jalapeño. Related:Musing about Muse’s new AI models, unruly DeepSeek “You could see this as an [industry-wide] trend toward integration,” Harrowell said, referring to the idea that as Google, Amazon and OpenAI

    匹配字段正文

  2. TechCrunch AI

    Elorian 发布首个模型 Glimpse,以视觉草稿空间做图像推理

    Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队等候。该模型在推理过程中可裁剪图像区域、抽取视频帧或运行代码来测量和比较所见内容,Elorian 称之为视觉草稿空间。Glimpse 定价为每百万 token 输入 0.60 美元、输出 3 美元,据 Elorian 评测在科学图表推理和短视频描述上超过 GPT-6 Astra。公司称该模型用数百块 GPU 训练,规模明显小于对标的 frontier 系统,初期面向机器人、科研实验室和媒体创意等拥有大量视频的企业。

    法真正“看见”。 大多数多模态模型只查看一次图像,将其转换为token,然后用文本进行推理——就像凭记忆描述一张照片。Glimpse则会不断回到源头。在推理过程中,它可以裁剪到某个区域、从视频中提取特定帧,或运行代码来测量或比较它所看到的内容,Elorian将这一机制称为“视觉草稿空间”。可以想象成有人在手机上捏合放大照片,以复核自己以为看到的东西。 对于前Google DeepMind研究员、Elorian CEO Andrew Dai来说,AI仍然无法真正“看见”的最明显迹象之一出现在游戏之夜。 去年,他拍下自己和朋友们刚玩完的一款桌游,并询问一个前沿模型谁在获胜。它答不上来。桌游“每一种都有自己的视觉语言,都有自己的图像符号和象征,”他告诉TechCrunch。“对成年人来说,仅凭极少的文字就很容易理解发生了什么,但这些模型无法凭直觉理解这些符号的含义。” “人类可以看着没有任何文字的宜家说明书,组装宜家家具,对吧?为什么AI模型不行?”他说。 这种方法并非完全新颖——OpenAI在2025年为其o系列模型在推理过程中加入了裁剪和缩放功能——但Elorian的卖点在于,它以低成本

    匹配字段正文

星期四

  1. MarkTechPost

    Fish Audio 发布 Drama 3:35B 开源权重 MoE 文本转语音模型

    Fish Audio 本周发布 Drama 3,一个 35B 参数的混合专家(MoE)文本转语音模型,每 token 约 3B 参数激活,权重已上传 Hugging Face 并同步上线 Fish Audio API。模型支持 83 种语言,可用方括号内的自然语言表演指令控制语气,单次请求最多支持 16 个说话人。在 Artificial Analysis 发音鲁棒性评测中整体得分 93.2%,其中品牌、地名与技术术语 95.9%,代码、路径、邮箱等精确序列为 86.3%;自托管需至少 48 GB 显存的 NVIDIA GPU 并以 FP8 运行,API 标价每 100 万字符 50 美元,11 月 12 日前为 10 美元。

    Add as a preferredsource on Google This week, Fish Audio released Fish Audio Drama 3. Drama 3 is a text-to-speech model from Fish Audio that takes plain-language acting direction. It is a 35B mixture-of-experts model with about 3B parameters active per token. The weights are on Hugging Face, and the model is also live in the Fish Audio API. For developers, it is a self-hostable option for scripted dialogue, audiobooks and dubbing. TL;DR Size: 35B total parameters, about 3B active per token (8 of

    匹配字段正文

  2. MarkTechPost

    SpaceXAI 发布 Grok Voice 3.0,登顶 AA 语音对话指数

    SpaceXAI 发布语音到语音模型 Grok Voice 3.0,在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一,高于 GPT-Live-1(Astra, medium)的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。该模型通过 /v1/realtime WebSocket 端点以 grok-voice-3.0 提供,仅托管 API、无开放权重,价格维持 $0.08/分钟,首音频延迟 0.81 秒。其 τ-Voice 得分 71.6%,仍低于 GPT-Live-1 的 74.5%。

    Add as a preferredsource on Google SpaceXAI just released Grok Voice 3.0. Grok Voice 3.0 is a SpaceXAI speech-to-speech model that listens, reasons, calls tools and speaks. It now ranks first on the Artificial Analysis Speech-to-Speech Index with a score of 86.9. For developers, the endpoint, events and $0.08 per minute price are unchanged from Grok Voice 2.0. TL;DR Runs on: SpaceXAI’s hosted Voice Agent API only. No open weights, no local or quantized variants. Performance: Highest Index score

    匹配字段正文