搜索“推理”

多类业务。它既可以独立承担配音，也可以与 Ming-3.0-asr-tiny 组合，连接语音输入和回答播报两个环节。 Ming-3.0-audio-flash / tiny 支持直接对长音频的转写、总结和观点分析等复杂理解，并进行结构化输出。相对传统的先语音识别逐字稿再分析的过程，能保留对话中的情绪、说话人身份、环境信息等，另外还需要模型对长上下文序列的快速推理。 MIng-3.0-asr-tiny 通过构建普通话、英文、方言、领域热词等高质量语料，合理控制分布，再结合语言模型基座强大的上下文理解能力，利用候选热词列表、对话上下文信息，为真实业务场景带来语音识别效果的全面提升。 在蚂蚁，Ming-3.0-asr-tiny 已用于阿福医生助手、支付宝搜索、蚁小保实时语音对话和安全核身等场景。 IT之家附相关链接如下： 在线体验：访问 Ling Studio Chat，选择 Ming-3.0-audio-flash，体验音频理解与对话能力 API 调用：Ling Studio 提供 Ming-3.0-tts-0.5B、Ming-3.0-audio-flash 和 Ming-3.0-asr-

匹配字段正文

是，近期以GPT-6 Astra为代表的通用多模态模型展现出了强大的具身场景能力，撼动了具身智能与传统大模型之间的边界。对此，大晓机器人方面对贝壳财经记者表示，ACE-Brain-0.6的开发启示正来自于Astra。 具体来看，大晓机器人通过深入分析发现，相比GPT-5.5，GPT-6 Astra的视觉空间锚定准确率显著提升，其强大的具身泛化能力不仅依赖高级推理，更得益于空间感知与空间推理能力的跃升。 在实际操作中，Astra通过Grounding精准识别目标物体、交互区域及空间参照，结合几何计算确定位置、位移与运动参数，将抽象任务意图转化为具体物理动作。这一发现为具身智能行业提供了重要技术启示：以视觉空间锚定能力为关键突破口，加速推动具身智能从高级认知迈向精准感知与可靠执行。 例如，大晓机器人团队分析了GPT-6 Astra执行机器人任务的过程。在放置水果篮的案例中，模型需识别篮筐边缘与目标承载面，通过空间计算确定移动方向；在折叠T恤的案例中，则需提取衣物轮廓、估计尺寸并计算折叠距离。这揭示了一个关键事实：高级推理决定行动策略，而精准空间感知是将策略转化为物理操作的基础。 对此，AC

匹配字段正文

/VR陀螺 当地时间10月19日，美国人工智能公司Skyfall AI宣布推出工程世界模型SKY-001研究预览版。该模型面向复杂物理产品设计，能够根据文本描述或二维草图，自动规划三维零部件结构及建模步骤，将AI生成能力从三维外观拓展至计算机辅助设计（CAD）和建筑信息模型（BIM）等工程场景。 据介绍，SKY-001采用分层组合式视觉世界模型架构，具备空间推理、长期规划及递归三维分解能力。与主要生成静态三维网格的传统AI 3D模型不同，SKY-001能够将复杂产品拆分为多个层级的组件，并规划从二维草图绘制、三维拉伸到零部件组装的完整建模流程。 在具体应用中，该模型支持并行探索多种设计方案，并通过递归分解逐步生成零部件结构。相关设计结果可在Autodesk Fusion等CAD软件中进行可视化展示，应用范围涵盖汽车、无人机、航空航天及建筑设计等领域。 性能方面，据Skyfall AI公布的内部测试数据显示，在3D CAD任务中，SKY-001的交并比（IoU）达到79.7%，略高于GPT-6 Astra的79.1%；单次任务耗时约3.9秒，后者为199秒，成本分别为0.005美元和0.

匹配字段正文

我们在生产服务栈上通过发布验证套件运行了最终的开放权重。Muse Spark Open 在 AIME26 上得分 91.1%，在 GPQA Diamond 上得分 89.7%，在 SWE-bench Verified 上得分 84.3%，并在 OCRBench 和 MMMU Pro 的图像理解上保持在 80% 以上（图 3）。作为校验，我们还在广泛使用的开源推理引擎 SGLang 上运行了相同的权重，得分一致。你在 Fireworks 上调用的模型，表现与 Meta 构建时一致。 Filevine 创立于美国西部。我们相信前沿应当开放。与 Fireworks 和 Meta 合作，意味着 Filevine 能够为法律行业开辟新的可能性，而无需在质量与成本之间妥协。——Filevine 联合创始人兼 CEO Ryan Anderson 图 3：Muse Spark Open 在 Fireworks 上的表现。智能体结果取决于测试框架，不能直接与 Meta 报告的数字相比较。 如何立即开始构建 Muse Spark Open 现已在我们的无服务器 API 上提供，运行于仅限美国的容量，且不收

匹配字段正文

。 在代码修复测试SWE Refore Bench中，M3.1 Flash拿到23.0分，直接是DeepSeek成绩的两倍以上。 在专业与安全领域，M3.1 Flash也稳居第一梯队。 在金融工具调用的BankerToolBench中，它以76.2分与Opus 5并列第一；网络安全CyberGym测试中，其以82.2分与GLM-5.3同处第一梯队；无工具学术推理测试HLE w/o tools中，M3.1 Flash取得43.4分，略高于DeepSeek V4.1 Flash-1017。 从榜单可以看出，M3.1 Flash绝不是一个“偏科”的模型，它在Agent和自动化上的成绩，甚至已经超越了行业旗舰大模型。 完整榜单如下： 二、发布相隔48小时，DeepSeek和MiniMax打出“双强”格局 DeepSeek V4.1 Flash-1017与M3.1 Flash，同样定位Flash，在两天内接连发布，且基准测试成绩如此接近，让人自然而然地看到了一个全新的格局：双强并立。 DeepSeek V4.1 Flash采用稀疏MoE架构，总参数量552B，但推理时输入仅激活8B 参数、输出激

匹配字段正文

以前跑多智能体或者长上下文任务，最痛苦的就是看着屏幕一秒钟吐几个字，在复杂的代码调试和自我纠错里等得让人抓狂， 而在社区实测中，这只太空兔在后台的生成速度稳定在 85 到 112 词每秒，不仅能在三分钟内单次跑通复杂的 3D 场景与代码构建，更是在多文件工程修复里几乎做到了无感响应。 更耐人寻味的，是这种先在匿名竞技场里打服对手的硬核姿态。 没有铺天盖地的营销预热，直接把模型剥去所有品牌光环丢进全球盲测池，让全世界最苛刻的程序员用真实的工程任务去一票一票投票， 当最终的测试数据证明它在日常编码和长文本理解上完全能硬刚一线梯队时，官方才从容地发了一句太空兔欢迎回来。 这就是未来大模型竞争最健康的形态： 与其在发布会上堆砌虚无缥缈的跑分，不如把推理速度做成光速，把百万上下文做成白菜价，让每一个每天写代码的普通人真真切切感受到效率翻倍的快感。 大家平时在用智能体写代码或者处理长文档时，最在乎的是极速响应还是超大参数的慢思考？ 我发现在日常改 Bug 和快速搭原型的场景里，这种每秒一百词且带百万上下文的极速流，我现在只要用过就根本回不去了哈哈哈😆 https://t.co/QnLxQiR0ZU

匹配字段正文

生成赛道处于百花齐放，共拓行业增量的繁荣期。相较于大语言模型相对偏离散的市场竞争格局，AI视频呈现出头部地位清晰第一梯队集中度较高的特点。 增长速度：稳步增长 vs 火箭速度 2026年第二季度，快手整体营收同比增长1.4%，而可灵单季收入同比增长超过200%，两者的增速根本不在一个段位。 当然，可灵目前仍处于商业化扩张阶段，存在巨额亏损。收入能否持续增长，推理成本能否下降，收入能否最终转化为现金流和利润？这些问题都还在等待可灵给出答案。 但可灵还处于行业第一梯队，维持高速增长，面临的是一个充满想象力的增长空间；快手则属于“一超多强”里的“多强”，面对的是一个价值相对确定，增速趋于平缓的市场。 不过，可灵的隐忧也并不少。外部有Seedance这样的劲敌，内部团队也还处于动荡重建中。 近一年来，可灵已经出现多位核心技术人才流失：2025年8月，可灵的核心负责人张迪离职，并在3个月后回归阿里，带队文生视频团队；2026年8月，可灵的核心研发人员王鑫涛、王猛被曝离职。 2026年7月，可灵在从快手引入刘逍，负责可灵的商业化体系。刘逍曾是新氧科技联合创始人兼COO，2020年加入快手后先后负责

匹配字段正文

要我说，谷歌就是季节性气候模型公司，天气凉了，旗舰也就熟了。 按照谷歌的定位，这一代主要加强了编程、专业知识工作和复杂任务的持续执行能力，同时也把此前比较擅长的视觉理解、空间推理和工具调用能力进一步推向前沿。 在官方展示的demo中，看得出这次Gemini 4 Argon最自信的还是多模态方面。 输入一段模拟风筝的文字提示，生成的效果直接起飞。 而在大家更关心的 能不能重回御三家、给用户多一个模型选择 这件事上，Gemini4 Argon这次在评测中也表现得相当争气。 在谷歌自家评测中，Gemini4 Argon覆盖了办公、智能体编程、机器学习以及科学推理等多个方向，整体表现已经达到GPT-6 Astra、Opus5.5的水平，其中不少项目甚至实现领先。 第三方Artificial Analysis智能指数中，Argon High也与GPT-6 Astra Max、Claude Fable5.1 Max并列53分。 更关键的是，在达到同等水平的情况下，Argon High的平均每任务成本仅为1.99美元，比Astra低约39%。 这一成本优势体现到首发价格上，就是API每百万输入tok

匹配字段正文

明显更强，但对硬件的要求也高得多。 广告后继续阅读 根据模型卡，Muse Spark Open 采用混合专家架构，共有 256 个专家，每个 token 激活其中八个。因此每个 token 约有 420 亿参数处于激活状态。上下文窗口为 100 万 token。该模型可处理文本、图像、视频和音频，但仅输出文本。Meta 在发布公告中将其宣传用于编程任务、多步推理以及能够使用工具、纠正错误并处理较长任务的 AI 智能体。 Meta 与 Apple 合作 为了在本地运行 Muse Spark Open，Meta 恰恰与 Apple 展开了合作。据 Axios 报道，两家公司已合作数月。马克·扎克伯格在 X 上公开感谢 Apple 及其负责人 John Ternus。后者则向 Meta 团队表示祝贺。这一合作值得关注，因为两家集团多年来一直围绕数据保护和商业利益争执不休。 据 Apple 的研究报告，缩小至约 530 GByte 的模型版本可在两台互联的 Mac Studio 上运行，配置为 M5 Ultra、各带 512 GByte 统一内存。Apple 的 MLX 框架通过 Thunde

匹配字段正文

0专为编程和智能体工作打造。 当地时间10月15日，美国科技巨头Meta发布开放权重大模型Muse Spark Open，号称这是迄今能力最强的美国开放权重模型。 据介绍，Muse Spark Open是一个原生多模态模型，总参数为8160亿（激活参数420 亿），上下文窗口为100万Token。它专为编程和智能体工作打造，擅长长时程任务、复杂软件工程和多步推理。 值得注意的是，Muse Spark Open是同类模型中首个可借助最新MLX框架，在两台苹果M5 Ultra Mac Studio上运行的模型。 Meta称，依托最新版MLX，Muse Spark Open完成适配优化，可在搭载M5 Ultra芯片的Mac Studio上运行。二者的组合，是在个人桌面设备上部署高性能大模型的优选方案。 苹果统一内存架构，让单台Mac Studio的M5 Ultra芯片最高可使用512GB内存，两台设备的内存容量足以完整载入整个模型。该芯片拥有1.2TB/s的内存带宽，读取每个Token所需的少量模型分片速度足够快。最终效果是两台Mac Studio可协同工作，等效为一台拥有1TB统一内存的超

匹配字段正文

5 Preview由92个Transformer模块堆叠而成，模型深度与Qwen 3.8 Max、Kimi K3等万亿参数级开源大模型相当，但总参数量不足这些模型的1/4，激活参数不足1/3。 为什么深度如此重要？ 阶跃星辰的解释是：智能体任务中，模型需要不断调用外部工具，每次调用都可能带来大量新文本。考虑到Token效率，模型未必有机会通过显式思维链充分推理，因此更加依赖读取上下文时的“隐式推理”。 在Transformer中，信息沿着token时间方向和网络深度逐层传播。如果层数不够，多跳依赖的信息可能还没完成传递就耗尽了网络深度，长文本中的复杂推理便可能无法完成。 行业内还有一条技术路线是通过循环或递归结构增加等效深度，阶跃星辰则选择了更直接的做法：加深层数、控制网络宽度。 这套“窄而深”的设计，一方面是为多跳推理提供更长的信息传递路径，另一方面可以控制参数规模以及响应计算开销，从而让模型获得与万亿级模型相当的长程任务能力。 在注意力机制的配置上，Step 5 Preview按3:1的比例交错布置两类注意力层：3/4是高效的Gated滑动窗口注意力层，1/4是稀疏全注意力层。

匹配字段正文

WorkBuddy 等第三方 Agent 编程工具生态。 模型发布：一次“小步快跑”式迭代 V4.1-Flash-1017 是对既有 DeepSeek-V4.1-Flash 的增量更新，采用日期后缀命名，属于快速迭代节奏下的版本推进，而非架构换代。 公告强调的三个改进方向「更强的基准表现、更快的任务完成、更短的输出」，第三点尤其值得注意。模型输出冗长是当前推理模型普遍的成本痛点：同样的任务，输出 token 越少，延迟和费用越低。“性能更高 + 输出更短” 同时成立，才是其所说的“性能与成本的帕累托改进”的真正含义。 训练方法：RL with self-feedback 新模型使用“带自我反馈的强化学习”来提升端到端项目开发能力（从游戏开发到 3D 建模）。这意味着训练目标不再是对话轮次的质量，而是完整任务的最终结果：模型自己生成反馈信号来修正多步骤、长周期的工作流。这与其在 Terminal-Bench 4.0（42.3）、DeepSWE v1.1（77.0）等偏重真实工程环境的基准上的表现定位一致，模型卡的对比对象也集中在 K3、GLM-5.3、GPT-5.6 等同期的 Agen

匹配字段正文

条件；视频模型作为"画师"负责将简单几何转化为丰富画面。 引擎的外部约束与持续校正，让世界状态可以持续维护、游戏规则可以精确定义、玩法可以用自然语言改写——这是 Genie 范式从未真正解决过的"世界是否在被认真管理"的问题。 3.贯通数据、训练与运行时：一条可复用的工程链路 从结构画面-精细画面数据对采集、动态语义标注，到可控视频训练、少步自回归蒸馏与实时推理，统一的几何和语义条件贯穿完整技术链路。 这套流程为拓展新场景、新交互和新玩法提供了工程基础：降低对精细 3D 资产制作的依赖，让游戏原型得以快速开发与迭代，让"小团队也能搭世界"从口号走向现实。 4.发布同步开源：让创作者真正"玩"起来 Matrix-Game 4.0 在发布时同步开源，向研究者、开发者和创作者提供可复用的技术基础与可改编的游戏代码。结合 Coding Agent，创作者可以通过自然语言调整场景、定制交互、设计玩法——把研究与创作的门槛压到一行 Prompt 的高度，让更多创意成为可以亲自体验、持续迭代的游戏。 二、三个根本卡点：为什么"能走"的世界，却"不好玩" 回看上一代交互式世界模型，问题从来不在画面质量

匹配字段正文

主要增强 原生多模态理解：Apertus 1.5 可同时接受图像、音频与文本，将文档、图表和照片带入对话。模型也能处理口语，不过这一功能仍处于实验阶段。 思考模式：模型可切换至思考模式，在作答前对输入进行推理，从而提升在推理问题上的表现。 长上下文：上下文窗口扩展至 262,144 tokens，较 Apertus 1.0 提升 4 倍。 指令遵循能力提升：相比 Apertus 1.0，指令遵循能力更强，响应更可预测、更准确。 工具使用能力提升：模型针对更好的工具集成进行了训练，能够更有效地使用外部工具和 API。 开放价值观：更严格地遵循《Apertus 宪章》，使模型的价值观和原则更加透明。 训练过程 完整的 Apertus 1.5 训练流程 通过分词器实现多模态 我们在 v1.5 模型中采用早期融合的方式引入多模态：图像和音频以离散 token 的形式与文本 token 进入同一序列，而非使用独立的视觉编码器。图像使用 Emu3.5 分词器进行分词（一张 512×512 的图像变为 1,024 个 token），音频使用 WavTokenizer（每秒 40 个 token）。我

匹配字段正文

表Ling-3.1-flash 正式开源：让真实业务需求更快变成可用成果2026年10月15日6 分钟阅读 企业把模型接入业务，要回答两层问题： 模型能否把不完整的需求推进成可用成果； 能否部署在自有基础设施中，以可接受的等待时间和算力成本持续提供服务？ 今天，蚂蚁百灵正式开源 Ling-3.1-flash，让团队能够在自己的任务和算力环境中，检验模型能力与推理效率。 01 真实可用：让模型能力回应业务需求 从真实需求出发：把目标推进为成果 百灵在 9 月30 日发布 Ling-3.1-flash 时，就把模型放到办公、医疗沟通和软件研发等场景里：面对分散资料，它可以协助整理报告与汇报材料；面对零散症状，帮助梳理病史和就诊问题；面对旧代码，能够读懂原有实现、编写新功能，并依据测试结果继续修正。 这次开源，百灵希望更多团队能够在自有环境中部署和接入 Ling-3.1-flash，把这些场景能力融入自己的业务流程，更灵活地服务真实需求。 让高频业务调用兼顾能力、速度与成本 企业知识助手和代码助手经常要连续处理资料、生成内容，并根据反馈修改结果。模型既要具备处理这些任务的通用能力，也要让多轮

匹配字段正文

力格局能以多快的速度发生变化。 作为背景，Argon是谷歌去年推出Gemini 3以来的首个重大前沿模型。 此前谷歌披露的性能数据显示，与主要竞品对比，Argon更擅长金融、法律、长资料分析等专业知识工作。同时，谷歌把单次输出上限从6.4万提高到100万词元（注：GPT-6 Astra和Claude Opus 5.5常规输出上限均为12.8万词元），给长时间推理、多轮验证和大型代码修改留出更多空间。 与此同时，Argon首发优惠价只有Astra和Fable的五分之一，即百万词元的输入/输出价格仅为2/10美元，11月底优惠结束后的常规定价（4/20美元）则与Opus 5.5持平。 目前Argon模型只向每月至少付费20美元的订阅用户以及API用户开放。谷歌宣布，该模型周二起向谷歌AI Pro和Ultra订阅用户推出，覆盖Gemini应用和搜索中的AI模式，同时也向其智能体开发平台Antigravity上的Ultra订阅用户开放。 面对免费用户和每月付费5美元的Plus用户的抱怨，谷歌AI Studio负责人洛根·基尔帕特里克在社交媒体回应称：“Argon一看就是个超大模型，因此我们目前

匹配字段正文

配送视频。模型可以在一次请求中回答三个问题：该由哪个团队处理、收据是否包含这台搅拌机，以及包裹如何送达，分别给出“退换货团队”、“是”、“当面送达”三个回答。 团队公布的数据显示，在单张AMD Instinct MI325X GPU上运行时，d3处理文本请求的延迟中位数为55毫秒，处理包含图片的请求为273毫秒，处理10秒视频的请求为553毫秒。 还有一位开发者将d3-lite通过Core ML部署在搭载M5 Pro的Mac上，对1000个Pull Request（代码合并请求，PR）进行工作组分类与路由，总耗时约2分钟。实测视频显示，单个PR平均处理耗时约0.12秒，吞吐量约为每秒8.3个PR，整个推理过程在本地完成，无需调用云端API。 结语：类Jev模型瞄准AI决策需求 随着AI应用对意图识别、任务分类和模型路由等能力的需求提升，类Jev决策模型有望承担更多轻量、结构化的判断任务。它们可以先识别用户意图、判断请求类型，再将任务交给更合适的生成模型处理。 对于多模型系统来说，这类模型能够减少通用大模型处理简单任务的负担，同时帮助系统控制推理成本、提升响应速度和路由准确性。 相关推荐

匹配字段正文

有信息量的部分：泛化能力的论证 Meta AI 回应业界两大互相矛盾的评价："刷榜"（benchmaxxing）批评与"大模型味"的好评。这两者其实指向同一件事：流行基准无法捕捉的能力广度。 Meta 给出的分析很有方法论价值：他们绘制了 Muse Spark 1.3 与 Muse Wonder Full 的表现，横轴是训练目标内（in-distribution）任务的表现，纵轴是未见过的（out-of-distribution）任务表现，每个点是不同的推理算力档位。 结论是：两个模型在增加测试时算力后，OOD 表现都会同步提升；但 Muse Wonder Full 的 OOD 成绩超出了 Muse Spark 1.3 趋势线对其 ID 成绩的预测；也就是说，基础模型更强，后训练带来的提升能更有效地迁移到陌生任务上。 这个结论的战略含义大于技术含义：个人 Agent 面对的是无法预演的目标、工具、约束的组合，泛化能力才是护城河。Meta 实际上是在论证"把基座做大做强"与"后训练微调"不是此消彼长，是复利关系；基座越强，微调的溢出效应越大。这为继续激进 scaling 提供了实证辩护。

匹配字段正文

n→ 公司估值 / 行业价值 \n\n网络应体现真实的上下游关系、竞争关系、供需约束、价格传导以及必要的二阶效应和反馈回路，而不是简单的线性流程图。\n\n 核心交互\n\n用户应能够：\n\n 点击任意关键节点并修改其数值；\n 或输入一个自然语言情景，例如：\n\n “如果 AI 资本开支下降 30%”\n “如果 HBM 供给增加 50%”\n “如果推理成本下降 70%”\n\n模型自动将该变化映射为结构化冲击，并动态展示：\n\n 变量变化 \n→ 影响路径传播 \n→ 上下游公司受影响 \n→ 收入 / 利润 / FCF 等变化 \n→ 估值重新计算 \n\n整个传播过程应有明显的动态视觉反馈，使用户能够直观看到“一个变化如何穿过整个金融系统”。\n\n 展示重点\n\n不要把产品做成传统研报或普通 Dashboard。\n\n希望第一眼看到的是一张 复杂、精密、可玩的金融系统网络 。\n\n可以大胆设计：\n\n 多层级节点\n 产业链 Zoom in / Zoom out\n 动态冲击波\n 正负影响路径\n 节点大小、颜色、连线粗细表达不同金融含义\n 公司估值实时变

匹配字段正文

报、信息图和图片编辑，与模型团队共同打磨 Copilot 的图像生成与编辑能力。团队反馈，模型在复杂指令理解、文字渲染、画面质量和美感方面表现更好，能够更稳定地衔接内容创作与视觉产物交付；相关生图功能的调用量已达到上线初期的 3 倍。 让专业生成更高效、更易用 专业创作往往需要多次修改和批量生成，成本与效率直接影响模型的实用价值。简化的架构结合高效蒸馏算法和文本与图像分支的解耦部署、注意力算子适配等系统优化，我们进一步提升推理资源利用率，为高性价比的图像生成提供基础。让Hy Image3.5 preview 具备了超高的性价比。 ::: center 腾讯云API定价 ::: ::: center | | 输入 | 输出-2k分辨率及以下 | | ------ | ------ | ------ | |中国| 不收费 | 0.15元/张 | |国际| 不收费 | 0.024USD/张 | ::: Hy Image3.5 preview 是持续迭代中的一个阶段。我们将继续结合用户与业务的真实反馈，帮助我们提升 Hy Image3.5 正式版的实用性。让模型更好地服务生活、学习与专业创作。

匹配字段正文