←搜索结果

搜索“Mistral AI”

按匹配度 · 共 74 条结果 清除搜索

星期日

  1. 事件2 条新闻 · 1 个事实

    Mistral Large 4登上代码竞技场

    2026 年 10 月 7 日,Mistral Large 4 进入 Code Arena WebDev 榜单,以 1534 分位列第 45 名。该成绩比第 130 名的 Mistral Large 3 提升 304 分,也比第 122 名的 Mistral Medium 3.5 高 271 分。其表现与 Claude Opus 4.8 (High) 相差仅 2 分,混合价格约为后者的六分之一,为 $3.47/M 对 $20/M tokens,但仍略低于 WebDev 帕累托前沿。Mistral AI 表示开放权重将于 10 月底发布。10 月 8 日的报道称该模型仍为预览版,帮助 MistralAI 进入该榜单前 15 实验室,也是唯一上榜的欧洲实验室;Arena 表示随着 MistralAI 继续训练以及开放权重发布,分数和排名可能变化。

    匹配字段摘要

  2. 事件9 条新闻 · 1 个事实

    Mistral发布一万亿参数Mistral Large 4预览版

    2026年10月6日,Mistral发布一万亿参数开放权重模型Mistral Large 4预览版。据Mistral AI官方信息,该模型为1万亿参数、490亿激活参数的原生多模态模型,权重将于本月底开放,在Mistral欧洲自有数据中心的3800块NVIDIA Grace Blackwell GPU上从零训练,训练数据覆盖160多种语言,官方称其在网络安全、金融、法律等企业负载上达到开源模型领先水平,在Artificial Analysis Cyber Index上进入全球前五,复现并修补真实漏洞的测试得分82%,Cybench解题率93%。Artificial Analysis的评测显示,该模型智能指数得分38,与GPT-6 Luna(max,38)相当,低于DeepSeek V4.1 Flash(max,39),网络防御指数得分50,CyberGym-E2E-AA得分82%,支持512k token上下文窗口,接受文本和图像输入、输出文本,API单次请求可接受100张图片,标准定价为每1M输入/输出token 1.36/4.18美元。同日,Thomas Wolf发布预告称Mist

    匹配字段摘要

  3. 事件1 条新闻 · 1 个事实

    Mistral Large 4上线Arena并获首批评测

    2026年10月6日,Mistral AI的Mistral Large 4上线Arena,可在Agent Arena中实测,用户投票将影响其评估结果,分数稍后公布;Agent Arena用数百万个真实长周期智能体任务评测模型,模型可调用网页搜索、文件系统和终端工具完成复杂工作流,排行榜以因果追踪方法衡量模型相对平均模型的结果表现。Mistral Large 4同时上线Code Arena的WebDev、Text和Vision三个方向。10月8日,Arena发布对Mistral Large 4的首批评测,该模型为1T参数、49B激活,开放权重将于本月底发布;Arena用一系列真实场景测试将其与GPT-6.1 Sol、Astra、Claude Fable、Claude Opus 5.5、Claude Sonnet 5.5、Kimi K3、GLM 5.3 Flash、DeepSeek Flash和Muse Spark等模型对比,后续还会公布更多分数和更新。

    匹配字段摘要

  4. 事件1 条新闻 · 1 个事实

    Mistral开源24B参数模型

    2025年1月30日,Mistral AI发布面向低延迟优化的24B参数模型Mistral Small 3,并以Apache 2.0许可开放预训练和指令微调检查点。官方称,该模型MMLU准确率超过81%,推理速度达到每秒150个token;其表现与Llama 3.3 70B instruct相当,在相同硬件上的速度快3倍以上。量化后,模型可在单张RTX 4090或配备32GB内存的MacBook上本地运行,目前已通过la Plateforme及合作平台提供。

    匹配字段摘要

星期二

星期四

星期二

星期三

星期三

星期一

星期四

星期四

  1. Mistral AI精选

    Mistral 开放 Mistral Large 4（Le Chonk）权重

    Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。

    Le Chonk signal

    安全研究人员和开发者能够检查、调整并基于AI进行构建。Mistral正在拓展生态系统所能构建的范围，我们在NVIDIA加速基础设施上的合作帮助开发者将这些模型投入实际使用。 Kari Briski，NVIDIA开放模型与软件副总裁 随着威胁变得愈发快速、工业化并如今实现自动化，防御必须以不同的规模运作。数量、速度、信任：这是AI时代网络安全面临的三大挑战。与Mistral AI携手，我们正在打造欧洲网络AI，由我们的专家训练并在其控制下运行。通过结合AI的力量、我们团队的专业知识以及我们的网络威胁情报，我们正在加速响应，从而能够更广泛、更快速地提供保护，并采用可信的欧洲技术。 Hugues Foulon，Orange Cyberdefense首席执行官 Rubrik支持Mistral以及推动“主权AI”的努力，为欧洲各国政府和受监管行业提供一个可信的选项，使其数据不会被路由到其他国家。客户希望有多种模型选择，包括开放权重模型和私有模型，以满足数据驻留、延迟、成本和能力要求。作为我们专注于提供网络韧性和加速从组织外部AI驱动攻击及内部代理中恢复的一部分，我们将继续对Mistral Lar

    匹配字段正文

    #lab#模型发布#开源生态#推理

星期四

  1. MarkTechPost

    Liquid AI 开源 d1-3B 与 d1-omni-600M 多模态决策模型

    Liquid AI 发布 Open d1 系列两款开源权重多模态决策模型：d1-3B 读取文本与图像，d1-omni-600M 读取文本加图像或音频，两者都不生成文本，而是在一次前向传播中返回校准后的类型化答案，输出 token 数为 0。d1-3B 有 3.12B 参数，基于 LFM2.5-VL-3B，使用 400M SigLIP2 NaFlex 视觉编码器和 32,768 token 上下文；d1-omni-600M 有 587M 参数，基于 LFM2.5-Encoder-350M，音频编码器为 17 层 FastConformer，上下文 16,384 token，音频片段上限 30 秒。两个检查点已上 Hugging Face，可通过 Transformers 加载并支持 llama.cpp，LFM Open License v1.0 允许年收入低于 1000 万美元的免费商用；d1-3B 在 Decision Index v0.2.1 得 48.57，在 RTX 4090 上单问题延迟 8 ms。

    forms, and TinyAgent for multi-step jobs. Search and Fetch are free. Asif Razzaq Asif RazzaqMeta AI Open-Sources Rebalancer: A C++ Assignment Solver That Runs About 40 Million Placement Problems a Day; Asif RazzaqGoogle DeepMind Releases EmbeddingGemma 2, a 740M Open Multimodal Embedding Model Built on Gemma 4; Asif RazzaqMistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Multimodal MoE Model; Asif RazzaqBeyond Domain-Specific World Models: JEPA-Anything Uses 1 Recipe for 7 Fields

    匹配字段正文

    #ai-vertical#模型发布#多模态#端侧

星期三

  1. MarkTechPost精选

    Google DeepMind 发布 EmbeddingGemma 2，740M 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构的 740M 参数开源多模态嵌入模型，可将文本、代码、图像、视频和音频嵌入同一个 768 维空间，采用 Apache 2.0 许可，权重已上线 Hugging Face 和 Kaggle，并提供 Ollama、llama.cpp GGUF 和 LiteRT 版本。模型采用模块化设计，文本与代码主干 270M、视觉编码器 170M、音频编码器 300M 均可选，上下文窗口 8192 token，是上一版的 4 倍。Google 研究团队称其在 MTEB Code 和 MAEB 的 1B 以下多模态嵌入模型中领先，代码检索从 68.76 提升到 78.68；量化后在 Pixel 11 Pro 上纯文本约占 191MB 内存，全多模态约 567MB。

    ch, TinyFetch (full pages as markdown, JavaScript included), TinyBrowser for logins and forms, and TinyAgent for multi-step jobs. Search and Fetch are free. Asif Razzaq Asif RazzaqMistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Multimodal MoE Model; Asif RazzaqBeyond Domain-Specific World Models: JEPA-Anything Uses 1 Recipe for 7 Fields; Asif RazzaqMeet Together Link: A Free CLI That Runs Open Models Like Kimi K3 and GLM 5.3 Inside Claude Code, Codex, and OpenCode; Asif RazzaqR

    匹配字段正文

    #ai-vertical#模型发布#多模态#端侧