←搜索结果

搜索“RAG”

按匹配度 · 共 289 条结果 清除搜索

星期二

  1. OpenAI：部署安全与系统卡

    OpenAI 发布 GPT-6.1 Terra 系统卡补充说明

    OpenAI 推出 GPT-6 系列新模型 GPT-6.1 Terra，定位为面向高吞吐专业工作的高效模型，具备较强的图像分析与计算机操作能力。系统卡补充说明称，按 Preparedness Framework 该模型在网络安全领域被定为 Critical、生物与化学领域为 High，沿用 GPT-6.1 Sol 与 GPT-6 Astra 的同一套防护措施。在 Production Benchmarks 上其安全表现与 GPT-5.6 Terra 持平，HealthBench Professional 长度校正分数高于 GPT-5.6 Terra，MentalHealthBench 得分为 55.5%，高于后者的 46.2%。

    Figure 1

    间接提示注入具有显著稳健性（如下所示）。我们正在更新这些评估。 图 3 图 3 关于这些评估的完整说明，请参阅 GPT-6 Astra 系统卡中的 HealthBench 部分。 表。HealthBench 评估——以长度校正分数报告（未校正值、平均回答长度以字符计）。越高越好。 表 5 表 5 评估gpt-5.5gpt-5.6-solgpt-5.6-terragpt-5.6-lunagpt-6 Astragpt-6-solgpt-6-lunagpt-6.1-solgpt-6.1-terra HealthBench Professional 长度校正 51.8 (57.2, 3818) 60.5 (64.1, 3228) 57.7 (62.4, 3618) 55.7 (59.8, 3389) 64.7 (68.2, 3185) 60.8 (59.5, 1573) 60.8 (61.2, 2119) 64.2 (67.2, 3038) 62.7 (64.2, 2531) HealthBench 长度校正 56.5 (58.4, 2313) 57.0 (55.6, 1764) 57.0 (

    匹配字段正文

    #company#模型发布#安全/对齐#OpenAI

星期日

  1. 凤凰科技

    Block 推出全双工语音模型 Dessa，支持本地运行

    Block 推出全双工语音模型 Dessa，可一边说话一边收听用户语音，并能模拟笑声、停顿、哽咽等情绪表达。官方称其完全基于人类语音数据训练，训练仅使用一组英伟达 GPU 机架，可在 M4 Max 及更高配置的 MacBook 上本地运行。现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试语音智能体欺骗人类的风险场景。

    在消费级电脑本地运行，设备门槛为 M4 Max 及更高配置的 MacBook。但现阶段 Dessa 暂不对外开放试用，Block 正向安全研究者发出测试邀请，重点测试这类语音智能体欺骗人类的风险场景。 据IT之家了解，Block 的主营业务是金融服务，面向小微企业提供解决方案，旗下 Square 已经在用语音 AI 处理下单业务。自研这款可端侧运行的语音模型之后，Block 有望以更低成本，落地更多面向商户与普通用户的语音产品。 “特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。 Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”

    匹配字段正文

    #chinese#模型发布#语音#端侧

星期六

  1. Moonshot AI · Kimi Blog精选

    月之暗面发布 Kimi K3.1 Pro：3T 级开源权重模型，100 万 token 上下文

    月之暗面发布 Kimi K3.1 Pro，这是 K3.1 系列首个模型，也是其迄今最强的 3T 级开源权重模型，上下文窗口为 100 万 token，同时推出速度提升 2-3 倍的 Kimi K3.1 Pro Highspeed。该模型已在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，完整模型权重将于 11 月 4 日发布。在 Terminal-Bench 4.0 上，K3.1 Pro 得分 65.7%，高于 GPT-6 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%；在内部基准 Kimi Code Bench 3.0 Long-horizon 上得分为 61.2%，高于 K3 的 55.95%。

    Benchmark results for Kimi K3.1 Pro and peer models across 14 coding, science, and knowledge-work evaluations

    ficialanalysis.ai/, Apex Agents scores are cited from https://www.mercor.com/apex/apex-agents-leaderboard/ GDP.pdf w/ python, ZeroBench w/ python and ChartoGraphy w/ python are averaged over five runs. Other multimodal benchmarks (w/ python) are averaged over four runs. For GDP.pdf w/ python: Each original PDF file is sent to the sandbox, where the model can use IPython tool to process it. Final responses are graded against each rubric criterion using Gemini-3.5-Flash (medium reasoning effort) a

    匹配字段正文

    #company#模型发布#开源生态#Agent

星期四

  1. Hugging Face精选

    NVIDIA 发布 Kumo Relational 关系基础模型，无需训练即可预测

    NVIDIA 发布预训练关系基础模型 Kumo Relational，可直接在企业数据库上做预测，单次前向传播完成，无需任务特定训练、特征工程或表展平。在 RelBench V1/V2、SAP SALT 和 4DBInfer 共 15 个数据库的 41 个任务上，它超过监督式关系深度学习模型和专家特征工程的梯度提升树流程，在 SAP SALT 上 MRR 比 AutoGluon 集成高 8%。模型通过 NVIDIA 开源 GPU 原生 structured-data-models 库或 NVIDIA NIM 提供，支持 500B+ 行数据库。

    d-data-models-client 指向它。你用 PQL 编写预测，客户端会收集上下文示例和相关表，然后发送请求： 有关针对本地 NIM 和在 Databricks 上运行的端到端示例，请参阅该客户端的示例 notebook。 致谢 我们感谢整个 Kumo 团队给予的宝贵支持。特别感谢 Josh Przybylko、Adi Wadaskar、Hema Raghavan、Manush Murali、Raja Rao DV、Keti Jovanovska、Zack Drach、Vanja Josifovski、Myungwhan Kim、Blaž Stojanovič、Siyang Xie、Alan Krumholz、Effy Fang、Abdullah Al-chihabi、Disha Dubey、Devan Johnson、Joseph Oliveira、Angela Liu、Miha Pelko、Vedaant Jain、Sally Liu、Aleksandar S. Sokolovski、Alex Porter 和 Ramona Bendias。 来自该作者的更多内容 在仿真

    匹配字段正文

    #lab#模型发布#数据/训练#Agent

星期三

  1. Baseten Base Labs：模型研究精选

    Baseten Base Labs 发布决策模型 mammoth-1 与 elephant-1

    Baseten 旗下 Base Labs 发布两个决策模型 elephant-1（9B）和 mammoth-1（27B），均基于 Qwen3.5 全量微调，并公开模型权重。mammoth-1 在 Jev Decision Index 0.4 上以 71.24 分位列 208 个模型第一，领先第二名 Perplexity Decider v1.2 1.8 分；elephant-1 在该榜得 62.65 分，在 Artificial Analysis Decision Index 上以 65 分与 d1-ultra 并列第一。训练使用 6.21M 样本的第八版数据混合，并在全注意力层改用块双向注意力掩码，固定数据下该改动使公开 10k 样本得分从 44.8 升至 48.6。

    Max Kirkby

    s (e.g. “how upset is the customer?”, 0 = calm to 4 = furious). A probability per level (summing to 1) is then returned, along with the expected level (the probability-weighted average) and a confidence which is 1 when all probability sits on one level, 0 when it’s uniformly distributed. Figure 2 Schematic of a decision model. The input and output of a decision model when faced with a choice question. Here the state (a support ticket) and the question about the ticket (where to route it) go thro

    匹配字段正文

    #lab#模型发布#推理#数据/训练
  2. Hugging Face

    IBM 发布 Granite Speech 5.0 系列语音模型

    IBM 在 Hugging Face 发布 granite-speech-5.0-2b、granite-speech-5.0-470m-turboctc 和更新版 granite-speech-4.1-2b-plus 三款语音模型，均以 Apache 2.0 许可开源。granite-speech-5.0-2b 支持英语、法语、德语、西班牙语、葡萄牙语和日语的转写，并可在这些语言与英语之间互译，另支持英语译成意大利语和中文，训练数据含 39 万小时公开音频；Turbo CTC 版本扩展到七种语言并原生输出标点与大小写，在 Open ASR Leaderboard 上达到 19,870 RTFx，约为发布时的 1.6 倍；4.1-2b-plus 侧重多说话人长音频，说话人分离 WDER 与 cpWER 均下降 7%，长语音 WER 下降 24%。

    hips under Apache 2.0 with support in Transformers, vLLM, llama.cpp, and mlx-audio for Apple Silicon. Chart 1: granite-speech-5.0-2b ranks 2 among top open-weight ASR models on average English WER (5.06%). Lower is better. Results are unofficial, as of 15 October 2026, and averaged over the Open ASR Leaderboard’s public English short-form test sets. Granite Speech 5.0 Turbo CTC: now multilingual, more robust, and even faster When we introduced Turbo CTC in August , it was an English-only, 470M-p

    匹配字段正文

    #lab#模型发布#语音#开源生态
  3. Analytics India Magazine

    ElevenLabs 发布 Eleven Realtime 实时语音模型，语音推理准确率达 98.8%

    ElevenLabs 推出 Eleven Realtime 语音到语音模型系列，包含面向 AI 助手、教师等场景的 v1 Mini 和面向客服、线索筛选及多步骤流程的 v1 Max 两个版本。两款模型支持 90 多种语言和超过 17000 种音色，将语音识别、轮次切换、语音活动检测与语音生成整合为一个系统。在 Artificial Analysis 的评测中，Max 在 Big Bench Audio 上正确回答 98.8% 的问题，Mini 为 75.9%；Max 首音频平均耗时 0.57 秒，Mini 为 0.62 秒；工具调用任务上 Max 完成 87.1%，Mini 为 60.3%。Eleven Realtime 遵循 OpenAI Realtime 规范，开发者只需修改 API 端点和模型名即可迁移，但使用 WebRTC 的集成需改用 WebSockets。

    n Big Bench Audio, which evaluates reasoning through spoken questions and answers, Max answered 98.8% of questions correctly, compared with 75.9% for Mini. Max also recorded an average time to first audio of 0.57 seconds, while Mini took 0.62 seconds, suggesting higher accuracy. However, Mini scored higher on Full-Duplex-Bench, which evaluates conversational dynamics, including pauses, interruptions, turn-taking and backchannels. It scored 95.8%, compared with 94.1% for Max. In the Speech Agent

    匹配字段正文

    #hot-signal#模型发布#语音#Agent
  4. SiliconANGLE

    Inception 发布扩散语言模型 Mercury 3，称速度达 GPT-6 Luna 的 8 倍

    Inception AI 发布旗舰扩散语言模型 Mercury 3，在自家 12 项基准中 8 项超过 GPT-6 Luna 和 Claude Haiku 5.5，速度为其 4 到 8 倍。官方称在 NVIDIA GPU 上达到每秒 1068 tokens，Haiku 5.5 约 240、GPT-6 Luna 约 130；上下文窗口提升至 100 万 tokens，参数量未披露，仅称超过 Mercury 1 的 40 倍。定价为每百万输入 tokens 20 美分、输出 70 美分，发布期五折，可通过 Inception 平台及 OpenRouter、Baseten、Vercel 调用。

    f industry-leading digital media brands that reach 15+ million elite tech professionals. Our new proprietary theCUBE AI Video Cloud is breaking ground in audience interaction, leveraging theCUBEai.com neural network to help technology companies make data-driven decisions and stay at the forefront of industry conversations. LATEST STORIES Eka Robotics nets $150M at a $1.45B valuation for robot hands that sense force OpenAI acquires Orchestra Bio to bring AI agents into drug development DeepSeek o

    匹配字段正文

    #hot-signal#模型发布#推理#编码
  5. The Decoder

    OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上表现大幅提升

    OpenAI 表示其最新模型针对 COBOL、Fortran、Visual Basic 等低资源语言做了改进，这些语言训练代码远少于 Python，但支撑着全球关键基础设施。OpenAI 构建了两个评测：MultiLangBench 要求模型从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 在最高推理强度下 20 种语言平均测试通过率 87.4%，GPT-5.6 Terra 约为 38%；GPT-6 Luna 为 40.3%，略高于 GPT-5.6 Terra 的 37.9% 但成本更低。在将 COBOL 转译为 C++、Java、Kotlin、Python 或 Rust 的迁移基准上，GPT-6.1 Sol 低推理强度下准确率 86.6%，GPT-5.6 Sol 为 5.4%，提高推理强度后可达 97.9%。

    aluations to measure progress. MultiLangBench (GitHub) asks models to build a SQLite-compatible database engine from scratch. With maximum reasoning effort, GPT-6 Astra hits an average test pass rate of 87.4 percent across 20 languages, up from about 38 percent for GPT-5.6 Terra. GPT-6 Luna scores 40.3 percent, barely edging out GPT-5.6 Terra (37.9 percent) but at a much lower cost . On the COBOL migration benchmark, which translates COBOL into C++, Java, Kotlin, Python, or Rust, GPT-6.1 Sol rea

    匹配字段正文

    #ai-vertical#模型发布#编码#评测/基准

星期二

  1. 量子位

    记忆张量开源 MemT 1.0 系列记忆原生模型

    记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 MemT-1.0-Nano（基座 Qwen3.6-35B-A3B）和 288B 参数、激活 17B 的 MemT-1.0-Flash（基座 DeepSeek-V4-Flash），在选定的 Transformer 模块中加入与注意力并行的记忆计算通路。团队构建了 340 亿 Token 记忆训练语料，其中继续预训练 200 亿、后训练 140 亿。在 11 项记忆基准综合评估中，Flash 和 Nano 平均得分分别为 50.6 和 47.0，位列参与评估的参数化记忆方法前两名；在 500 项 SWE-bench Verified 任务中，Nano 三次全部成功的任务比例从无经验基线的 54.00% 提升到 62.80%。

    内则仍按Token顺序调整状态。 消融实验证明了这一点，将逐Token更新换成整轮聚合后，Nano的记忆基准平均分从约47.0降到了41.0。 六分的差距 ，足以说明连续的Token级更新能更好地处理记忆衰减，并及时修正轮内关联。 但当记忆的内容不断扩充，模型容量不够了怎么办？ 这时MemT 1.0又依托MoE，提出了 MoS （Mixture-of-Storage）解决方案。 MoS将一个记忆原生模块扩展为多个记忆专家，再分别学习存储与使用路由。其采用的是 稠密融合 ，所有记忆专家都参与计算，路由权重决定各自贡献。 这就与基座MoE的稀疏专家路由明显不同了。 不过，结构还只是起点。 为了让模型真正学会使用这条通路，团队构建了340亿Token的记忆训练语料，其中包含继续预训练200亿，后训练140亿。 继续预训练 的格式都是统一的，先把长文本切成连续片段写进记忆，再让模型拿着记忆状态去回答查询。 每处理完一个片段，模型再更新状态，供下一段使用。 后训练 进一步对齐任务结果，数据也包含三类：记忆原生的 语言建模数据 、 记忆存储与利用数据 （比如摘要、续写、压缩等），以及专门强化长程记

    匹配字段正文

    #chinese#模型发布#开源生态#数据/训练
  2. Mistral AI精选

    Mistral 发布 Voxtral 3 语音模型家族与语音 Agent SDK

    Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用和说话串成一条实时流式管线，每轮响应在 1 秒内完成。转写模型支持说话人分离、上下文偏置和轮次结束检测，Mini 版本为 4B 参数，批量转写定价 $0.0035/min；合成模型定价 $13/1M 字符，支持 30 分钟音频的语音克隆。该家族可通过 Mistral 的欧洲托管 API 或自部署使用，语音 Agent API 搭配 Mistral Small 4 推理时定价 $0.04/min。

    back

    ed in production settings with domain-specific vocabulary without the need for fine-tuning. FLEURS 45 Forced vs Inferred Word Error Rate — lower is better Forced Inferred Macro-average WER over the intersection of 45 languages in the FLEURS benchmark supported by all seven models. WER is used for all languages except Japanese, Korean, Thai, and Chinese, which use CER. Lower is better. Forced = language specified; Inferred = language auto-detected. Languages: AR, BN, BG, CA, ZH, CS, DA, NL, EN, E

    匹配字段正文

    #lab#模型发布#语音#Agent
  3. ElevenLabs Blog精选

    ElevenLabs 发布 Eleven Realtime 语音到语音模型 v1 Mini 与 v1 Max

    ElevenLabs 发布 Eleven Realtime 系列语音到语音模型，包含面向低成本自然对话的 v1 Mini 和面向复杂任务的 v1 Max，两者均支持 90 多种语言并可调用其 17,000 多个音色。Artificial Analysis 的独立评测显示，v1 Max 在 Big Bench Audio 语音推理上答对 98.8%，平均 0.57 秒开始说话，v1 Mini 分别为 75.9% 和 0.62 秒。该 API 兼容 OpenAI Realtime API，已有集成只需更换 endpoint 和模型名，也可在 ElevenAgents 中直接选择模型部署。

    Benchmark table shows v1 Max outperforming Mini on speech reasoning and task success.

    tly, and v1 Mini answered 75.9% correctly. Speed Big Bench Audio asks 1,000 reasoning questions by voice and scores the spoken answer. V1 Max starts speaking in 0.57 seconds on average, and v1 Mini in 0.62 seconds. The Pareto frontier for accuracy and speed Accuracy and speed are usually seen as a trade-off. The models that score highest on Big Bench Audio take the longest to answer, and the fastest ones give up a lot of accuracy. v1 Max excels in both of these metrics. Conversational dynamics a

    匹配字段正文

    #company#模型发布#语音#Agent
  4. 蚂蚁 inclusionAI：GitHub 新仓库精选

    蚂蚁 inclusionAI 开源 Ming-3.0-tts 语音合成模型，含 0.5b 稠密版与 tiny MoE 版

    蚂蚁 inclusionAI 在 GitHub 开源 Ming-3.0-tts 语音合成模型，包含 0.5b 稠密模型和基于 Ling V3 的 tiny MoE 模型（7.9B 总参数、1.3B 激活参数），提供推理代码、任务 Cookbook 和评测表。模型支持声音克隆、文本设计音色、100+ 中文与 5 种英文内置音色、自然语言自由控制、14 种副语言标签，可合成中英德西法韩日及川渝话、广粤话。官方称在 Artificial Analysis 榜单上，Controlled Voice 开源模型第 1、Pronunciation Robustness 总榜第 1（93.2%）、Provider Voice 开源模型第 3。

    Ming-3.0-tts Logo

    or 2nd on Japanese CER. Emotion: tiny ties for SOTA on CV3 text-related Happy and reaches SOTA on both CV3N Sad subsets; 0.5b reaches SOTA on CV3 text-related Angry. Tiny's CV3 average ranks 2nd. Attribute control: 0.5b leads the current comparison on average ACC and pitch, while tiny leads on WER and SIM. Historical Ming-omni-tts results still hold the corresponding overall records. Podcast: tiny achieves CER 2.03%, cpSIM 0.561 and UTMOS 2.12, ranking 1st, 2nd and 2nd; historical Ming-omni-tts

    匹配字段正文

    #engineering#模型发布#语音#开源生态
  5. 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。

    n JevBench, Drex Max reaches 92.2 against 86.7 for Jev 1.14. Agentic benchmarks: Drex Max posts 0.780 on OSWorld-Verified and 98.2 on BFCL. It scores 85.2 on When2Call and 84.8 on RAGTruth. Vision: On the Decision Index Vision public suite, Drex Max scores 74.5. GPT-6 Luna Decisions scores 63.9. Mind2Web reaches 88.6 and InfographicVQA reaches 98.8. Where it trails: Jev 1.14 leads on MMLU-Pro (82.1 vs 72.5), HLE (19.4 vs 19.0) and ARC-Challenge (97.6 vs 97.4). On Hateful Memes, Drex Max trails G

    匹配字段正文

    #ai-vertical#模型发布#Agent#多模态
  6. 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。

    hether this approach holds up as models grow larger. Does diffusion scale? Here Inception’s answer is yes. Mercury 3 has more than 40x the total parameters of Mercury 1 (mini). Average quality across standard benchmarks rose about 3x between those 2 models. Speed stayed above 1,000 tokens per second. Inception team plots this as a quality vs size curve across 5 Mercury generations. How does Mercury 3 perform on benchmarks? All scores below come from Inception’s table. Every model ran at medium s

    匹配字段正文

    #ai-vertical#模型发布#推理#Agent
  7. 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。

    and returned null for the absent discount. Its lowest confidence was 0.776, on the order number. For forecasting, Cloudflare predicted daily TSA checkpoint counts for 21 days. Average error was 3.3%. 17 of 21 actual counts fell inside the 80% interval. 3 of the 4 misses fell on Columbus Day weekend. The main test is a damaged-product claims pipeline. Clairic extracted facts, Clef chose refund or repair, and GLM-5.3 wrote the reply. Cloudflare compared this against GLM-5.3 handling all 3 steps.

    匹配字段正文

    #ai-vertical#模型发布#推理#部署/工程
  8. 36氪 · AI

    记忆张量开源发布 MemT 1.0 系列记忆原生模型

    记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 Nano 和 288B 参数、激活 17B 的 Flash 两个型号，基座分别为 Qwen3.6-35B-A3B 和 DeepSeek-V4-Flash。模型在选定的 Transformer 模块中加入与注意力并行的记忆分支，把经验编码为可更新的矩阵状态并参与后续生成。在 500 项 SWE-bench Verified 任务中，Nano 关键断点平均成功率 69.73%，无经验基线为 66.07%；128K 长历史下端到端推理速度约为完整上下文方案的 1.86 倍，每条轨迹持久状态占用为完整上下文 KV Cache 的六十六分之一。

    联，轮内则仍按Token顺序调整状态。 消融实验证明了这一点，将逐Token更新换成整轮聚合后，Nano的记忆基准平均分从约47.0降到了41.0。 六分的差距，足以说明连续的Token级更新能更好地处理记忆衰减，并及时修正轮内关联。 但当记忆的内容不断扩充，模型容量不够了怎么办？ 这时MemT 1.0又依托MoE，提出了MoS（Mixture-of-Storage）解决方案。 MoS将一个记忆原生模块扩展为多个记忆专家，再分别学习存储与使用路由。其采用的是稠密融合，所有记忆专家都参与计算，路由权重决定各自贡献。 这就与基座MoE的稀疏专家路由明显不同了。 不过，结构还只是起点。 为了让模型真正学会使用这条通路，团队构建了340亿Token的记忆训练语料，其中包含继续预训练200亿，后训练140亿。 继续预训练的格式都是统一的，先把长文本切成连续片段写进记忆，再让模型拿着记忆状态去回答查询。 每处理完一个片段，模型再更新状态，供下一段使用。 后训练进一步对齐任务结果，数据也包含三类：记忆原生的语言建模数据、记忆存储与利用数据（比如摘要、续写、压缩等），以及专门强化长程记忆的任务数据。

    匹配字段正文

    #hot-signal#模型发布#开源生态#数据/训练
  9. Unite.AI

    Cloudflare 发布首个 System One 抽取模型 Clairic

    Cloudflare 于 2026 年 10 月 19 日发布 Clairic，称其为首个 System One 类抽取模型，已在 Workers AI 以 @cf/cloudflare/clairic 预览上线，后续计划开放权重。该模型不生成文本，而是按调用方给定的类型字段（text、number、date、list、estimate、forecast 等）在一次并行前向中直接返回带 p_null 与置信度的类型化取值，文档标注 65,536 token 上下文、支持视觉输入、输入定价 $0.10/百万 token。Cloudflare 称在受损商品理赔流程中，Clairic 加 Clef 与 GLM-5.3 的组合比纯 GLM-5.3 快约 3.2 倍、成本低 49%，但长链算术与多行聚合仍需交给代码处理。

    are reports a 21-day test in which Clairic predicted next-day TSA airport checkpoint screening counts from the public series. The company says the forecasts were off by 3.3% on average and that 17 of the 21 actual counts landed inside the model’s 80% interval, with three of the four misses falling on the Columbus Day weekend. For October 14, 2026, Cloudflare reported an actual count of 2,419,474 against a predicted median of 2,419,283. Cloudflare also reports a pipeline comparison that pairs Cla

    匹配字段正文

    #hot-signal#模型发布#推理#部署/工程
  10. The New Stack

    MiniMax 发布 M3.1 Flash，token 价格减半但智能体账单未必同步下降

    MiniMax 发布 M3.1 Flash，输入 token 定价为每百万 0.15 美元、输出每百万 0.60 美元、缓存输入每百万 0.015 美元，并称可将智能体成本降低 70%。Artificial Analysis 的独立测算显示，每个 Intelligence Index 任务的平均成本从 M3 的 0.51 美元降至 0.22 美元，降幅为 57%；该模型在 DeepSWE v1.1 上得分 73.7%，在 OSWorld V2 上得分 61.7。AA-Omniscience 测试中它答对 56% 的事实题，但约 93% 的错误回答是给出错误答案而非弃答，整体 Omniscience 得分为 16。模型权重据称将于 10 月 23 日发布，许可证尚未公布。

    cent savings claim difficult to assess without knowing which workloads it tested. Artificial Analysis provides an independent comparison. In its announcement, the firm puts the average cost per Intelligence Index task at $0.22 for M3.1 Flash, down from $0.51 for M3, a 57 percent reduction. That’s below MiniMax’s claimed 70 percent savings, though the two figures come from different workloads. Coding and computer use The coding scores barely separate. M3.1 Flash lands at 73.7 percent on DeepSWE v

    匹配字段正文

    #hot-signal#模型发布#Agent#编码
  11. SiliconANGLE

    MiniMax 发布 M3.1 Flash 模型，称智能体运行成本降低 70%

    MiniMax 发布 M3.1 Flash，这是对 6 月推出的 M3 大语言模型的更快更便宜更新，公司称智能体任务运行成本比上一代降低 70%，推理速度接近 3 倍，日常峰值输出超过 200 tokens/s。该模型参数为 428B，推理时保持开启，提供从 Low 到 Max 五档努力级别，支持文本、图像和视频输入，提示词最长 100 万 tokens。在 MiniMax 自测中，M3.1 Flash 在 OSWorld V2 得 61.7 分、BankerToolBench 得 76.2 分、CyberGym 得 82 分；在 DeepSWE v1.1 上得 73.7%，低于 DeepSeek 称其 V4.1-Flash 取得的 77%，两项结果均未经独立验证。该模型输入定价为每百万 tokens 15 美分，输出为 60 美分，缓存输入为 1.5 美分，现可通过 MiniMax API、M Plan 订阅和 MiniMax Code 桌面应用使用，权重将在之后发布。

    f industry-leading digital media brands that reach 15+ million elite tech professionals. Our new proprietary theCUBE AI Video Cloud is breaking ground in audience interaction, leveraging theCUBEai.com neural network to help technology companies make data-driven decisions and stay at the forefront of industry conversations. LATEST STORIES Dream Labs raises $90M to help build more intelligent robots with simple video feeds Trump administration orders ban on DeepSeek in federal agencies AI work ass

    匹配字段正文

    #hot-signal#模型发布#Agent#推理