搜索“其他”

，这就是记忆原生值得做的具体体现。 再来一个更接近我们日常办公的信息更新场景。 展览原定周六下午3点，后来正式改到周日下午4点。之后又有人建议改到周一，但还没确定拍板。 要记住最后出现的日期还不够，它还得分清正式决定和随口建议，以及保留那些没变的内容。 实验在经过多轮对话后，MemT-1.0-Nano仍然成功get，回答出了原定时间、正式修改后的时间，并确认其他安排没有变化。 放进11项记忆基准的综合评估中，Flash和Nano的表现也同样突出。 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，相比其它模型断崖式领先。 不过坦白来说，文本记忆系统整体仍有优势，尤其是在长历史的细节召回上。 MemT 1.0今天交出的，还只是记忆原生新思路的初步计算实现，但实际效果已经能和文本记忆比肩，再继续发展下去，潜力亦是无限。 记忆原生，原生在哪里？ 那么问题来了，经验没有留在任务上下文里，模型又是从哪里把它用上的？ 这恰是MemT 1.0的架构重点。 MemT 1.0提供的原生路径，是先将相关经验编码为内部动态状态。生成后续动作时，当前查询通过专门的记忆分支读取该状态，再将结

匹配字段正文

周二20 派早报：MiniMax 发布 M3.1 Flash 模型等 08:398 分钟阅读早报速览 微软宣布虚拟化组件 App-V Server 扩展支持至 2029 年0 国家网信办开展未成年人用户数量巨大等网络平台服务提供者认定工作3 看看就行的其他消息3 MiniMax 发布 M3.1 Flash 模型 稀宇科技（MiniMax）于 10 月 19 日宣布，正式上线 MiniMax M3.1 Flash 模型，该模型在线上推理速度方面较此前提升近 3 倍，在 Agent 类任务中的综合使用成本降低 70%。此前以匿名身份处理超过 200 万亿 Token 的 Space Bunny，正是该模型的早期版本。目前，M3.1 Flash 已上线 MiniMax API、MPlan 和 MiniMax Code，模型权重计划稍后开放。 在基准测试方面，M3.1 Flash 在 AutomationBench-AA 中表现突出，在 BankerToolBench 中取得 76.2 分；在软件开发评测 DeepSWE v1.1 中取得 73.7% 的成绩。在 Computer Use 方面

匹配字段正文

称它是目前美国最强大的开放权重模型。Muse Spark Open 为多模态模型，总共有 8160 亿参数，激活参数 420 亿，支持 100 万 Token 上下文。该模型利用了苹果最新版本的开源数组框架 MLX，对苹果 Apple Silicon 的统一内存架构进行了优化，能运行在搭载 M5 Ultra 芯片的 Mac Studio 上。M5 Ultra 支持最大 512GB 内存容量，两台最高配置的 Mac Studio 就能容纳整个模型，两台机器相当一台 1TB 统一内存的计算机。Muse Spark Open 已发布在 Hugging Face 上。 回复 所谓爱国心，是指你既生为这个国家的国民，对于这个国家，当比对其他一切的国家信仰得高贵优越。--萧伯纳 本站提到的所有注册商标属于他们各自的所有人所有，评论属于其发表者所有，其余内容版权属于 solidot.org(2009-) 所有 。 举报电话：010-62641205 涉未成年人举报专线：010-62641208 举报邮箱：jubao@zhiding.cn 网上有害信息举报专区：https://www.12377.cn

匹配字段正文

n的卖点在于，它以低成本围绕这一能力构建了整个模型。该公司表示，一个小团队用几百块GPU训练了Glimpse，而且该模型的规模远小于它所对标的那些前沿系统。 Glimpse的定价为每百万输入token 0.60美元、每百万输出token 3美元——比Sonnet和Sol等中端模型便宜，但比Haiku和Luna等轻量级模型贵。 但根据Elorian的评估，Glimpse在科学图表推理和短视频描述方面甚至超过了GPT-6 Astra，在其他视觉推理任务上也具有竞争力。 Elorian在六个月前结束隐身状态，当时完成了一轮由Striker Venture Partners、Menlo Ventures和Altimeter Capital联合领投的融资，Nvidia和Google首席科学家Jeff Dean参投。 初期目标客户是拥有大量视频的公司：机器人公司、科学实验室、媒体和创意公司。从长远来看，Elorian希望从“看见”走向“行动”。这意味着要构建场景模型，并利用它来选择行动，包括直接控制机器人。Dai表示，明年公司的目标是打造“世界上最好的视觉推理模型”，在每一项视觉推理测试中都领先。

匹配字段正文

以 25 分在开放权重模型中得分最高。在未能正确解答的问题中，其幻觉率为 24%，是至少 30 个指数分的开放权重模型中最低的。 token 消耗更省，API 价格偏高 Artificial Analysis 在 X 上写道，Muse Spark Open 在 Intelligence Index 中平均每个任务产生 40,000 个输出 token，少于其他八款领先开放权重模型中的任何一款。 在发布时可供使用的 API 提供商 Together AI、Fireworks 和 Baseten 处，每百万输入 token 收费 1.25 美元，每百万输出 token 收费 4.25 美元。尽管 token 单价相对较高，但得益于较低的消耗量，AA 计算出每个基准任务的平均成本为 0.84 美元。GLM-5.3 为 2.01 美元，而 DeepSeek V4.1 Flash 仅为 0.27 美元。 不同 AI 模型在性能与每个基准任务平均成本方面的比较。模型位置越靠左上，在性能与成本方面的表现越好。 （图：Artificial Analysis） 希望自行运行 Muse Spark Op

匹配字段正文

开发了该模型。它在预训练和持续预训练中使用了约 26 万亿个 token 进行训练。随后，公司使用约 380 万个样本和跨数十个环境的强化学习对其进行了后训练。 Nemotron 3.5 Bolt 74B-A9B 24GB 专为 NVIDIA RTX 系统和 DGX Spark 上的日常 AI 智能体任务而设计。它采用 2 位量化，以适配 24GB 内存并与其他应用同时运行。 用户可以将该模型用于网络研究、写作和代码调试等任务，而无需将工作负载发送到云端。NVIDIA 表示，该模型在 PinchBench 上位列同类开源模型第一，在 BrowseComp 上位列第二。 较小的 Nemotron 3.5 Bolt E4B 4GB 面向对话式和物理 AI 智能体。NVIDIA 为其设计了 GeForce RTX、Jetson 和 RTX/DGX Spark 系统。它支持本地语音助手、交互式角色和嵌入式界面。 NVIDIA 表示，Scale AI 已为该模型针对 Skydance 的供应商信贷融资智能体和 EY 的并购尽职调查智能体进行了后训练。 其他应用包括为 Hebbia 进行信贷协议分

匹配字段正文

提高整体处理量。 目前，系统支持生成文本向量，以及通过 Ollama 调用本地大模型完成文本生成。前者可以用于检索等场景，后者适合批量处理大量独立请求。 员工电脑的使用状态随时可能变化，有人会合上笔记本，有人会断开网络，也有人需要优先处理自己的工作。 Minions 因此设置了任务回收机制，监测正在执行任务的设备，一旦设备失去响应，就将未完成的子任务重新交给其他电脑。 设备拥有者还可以设置优先参与的团队、项目或任务。论文提到，团队有时会通过 Slack 临时招呼同事，请大家启动执行程序，共同处理某项工作。 原本需要排队申请的计算资源，就这样变成了同事之间可以临时组织的协作。 按照论文披露的使用情况，过去因集中式 GPU 紧张而需要等待十多个小时的部分任务，使用 Minions 后，往往几分钟内就能开始执行。闲置设备的加入，让团队更早获得了可用算力。 数据如何管理，也被纳入系统设计。Minions 支持在指定团队或组织内部独立部署，将任务限制在各自管理的设备范围内，让共享算力与数据管理要求相适应。 研究人员还计划探索分布式模型训练，而现阶段的重点，是让已有 Mac 成为集中式 GPU 基

匹配字段正文

果应用商店美国免费榜第一。市场研究机构Apptopia数据显示，Muse在美国和加拿大发布后的12天内获得约280万次下载，这一表现超过ChatGPT移动端上线初期的增速。 和一众科技巨头一样，Meta目前在人工智能领域进行大规模资本投入。当地时间7月30日，Meta公告称，公司已通过长期和短期协议承诺未来投入近7000亿美元，用于人工智能数据中心、云计算和其他领域。公司已签署不可撤销合同承诺3493亿美元，主要涉及第三方云协议、服务器及网络基础设施。Meta表示，这一数字属于保守估计，因为对于条款存在可变因素的协议，“我们不会估算超出最低采购数量之外的总义务”。 此外，公司还有3470亿美元尚未开始执行的租赁承诺，因此没有反映在资产负债表中。其中仅在7月就增加680亿美元，相关付款将于2027年和2028年开始。这些支出是在现有租赁之外，主要涉及数据中心、托管机房及“特定网络基础设施”。 二季度业绩显示，Meta该季度营收为608.0亿美元，同比增长28%；经营利润为187.8亿美元，同比下降8.2%；每股收益为6.18美元，上年同期7.14美元。 Meta预计第三季度营收为610亿

匹配字段正文

，在处理长周期任务、复杂软件工程问题以及多步骤推理方面表现极为出色。 当然，Meta将其称为“迄今能力最强的美国开放权重模型”，也是有原因的。 根据Meta自己公布的测试结果，与市场上前沿开源模型进行比较，Muse Spark Open在工作流程、工具调用、知识推理、知识可靠性，以及复杂视觉推理和图像事实问答这6项测试中排名第一。 但数据也显示，在软件开发及其他某些任务方面，Kimi、千问、智谱等中国开源模型依然更胜一筹。 更引发市场关注的是，此次发布还有意外进展——苹果和Meta竟然携手共事。在蒂姆·库克掌管苹果公司期间，双方还经常发生冲突。库克经常指责Meta侵犯用户隐私，而扎克伯格也嘲讽过苹果“自iPhone之后就再也没有发明出任何了不起的东西”。 但在开源AI竞争的共同利益下，双方又站在了一起。Meta需要证明自己的模型具有竞争力，苹果也需要展示整套Mac软硬件适合在本地跑AI。 Meta AI负责人汪滔介绍称：“双方的大部分积怨都形成于我加入公司之前，但显然，Meta和苹果之间的恩怨由来已久。” 汪滔同时指出，Meta算力部门的联合负责人、曾担任苹果总监的丹尼尔·格罗斯是促成

匹配字段正文

类似产品更好，而OpenAI是这家软件巨头最大的客户和合作伙伴之一。 苏莱曼在周四举行的员工大会上表示：“我们现在拥有一个更强大的预训练基础模型，其性能超过了目前驱动GPT 5.6 Sol的模型。事实上，我们训练这个模型所使用的算力，只有OpenAI训练其模型所用算力的四分之一。” 预训练是构建人工智能模型的第一阶段，在这个阶段，模型需要从海量的文本、图像和其他信息中学习模式。这需要大量的昂贵算力，因此，如果微软能够找到更高效的方法来实现这一目标，就能节省成本。 微软在周四早些时候发布了这款模型，名为MAI-Base-2。微软称，公司最近完成了该模型的预训练。该模型采用混合专家（MoE）架构，总参数量达2.8万亿，激活参数量为800亿。 微软在其一篇公开的博客文章中表示，在四项评估中，其训练方法的计算效率比DeepSeek-V4-Pro-Base高出4.2到12.3 倍。 而根据苏莱曼的说法，微软私下还将该模型与OpenAI的模型进行了对比测试，其中包括一款代号为“Spud”、驱动GPT-5.6的模型。他补充说，在衡量AI理解和预测信息模式能力的测试中，微软的模型表现更好。 苏莱曼同时

匹配字段正文

张对比图中，在端到端延迟上，Code World Model 约 10.2 秒、StreamRender-H3 约 545 毫秒、AgentGarten 约 878 毫秒，而 Matrix-Game 4.0 只有 112 毫秒——从按下一个键到画面做出响应，约是前者的 1/90、后两者的 1/5 与 1/8，第一次真正落进"实时可玩"的区间。 在算力要求上，其他方案分别需要 1× H200 141GB、8× GB200 与 1× H100 数据中心卡，而 Matrix-Game 4.0 只跑在 1× RTX 5090 上——一张消费级显卡、32GB 显存即可。 在开源情况上，Code World Model 与 StreamRender-H3 为已开放、AgentGarten 为部分开放，Matrix-Game 4.0 则是代码、权重、白模同步开放。 六、开源，让更多人一起"玩"起来 Matrix-Game 4.0 在发布时同步开源，为研究者、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。我们也鼓励创作者基于项目提供的游戏代码继续改编与拓展，共同探索更多玩法。 未来，团队将持续

匹配字段正文

的后训练评估仓库中找到，该仓库基于 lm-evaluation-harness 的分支。 尽管仍落后于前沿开放权重模型，新版本在编码和指令遵循能力上也有显著提升，Apertus 1.5 8B 在 IF 和多语言任务上优于同等规模的开放权重模型。思考模式进一步提升了在 AIME 等推理密集型挑战性基准上的表现。模型的多模态表现更接近 Gemma 4 12B 及其他当前开放权重模型。Apertus 1.5 的多模态表现在开放权重模型中的空间理解方面，以及在开源模型中的文档/图表理解方面具有竞争力。 我们也感谢合作伙伴和外部评估者在高效基准测试 Apertus 能力方面提供的帮助。特别是，Apertus 1.5 在瑞士法律任务上表现出色，与领先的开放权重模型不相上下（博客、代码）。此外，在 Last Translation Benchmark 上，Apertus 1.5 8B 展现出的机器翻译能力与 GPT-OSS-20B 相当，并优于 Claude Haiku 4.5 或 Google Translate 等模型（排行榜、论文）。 评估卡片：Apertus ❤️ EvalEval Aper

匹配字段正文

区分有效操作与低质量操作数据。这也让机器人能够更高效地进行任务技能学习。 2.仅靠视觉信息，完成“12球天平谜题” 在另一项仿真任务中，为了让机器人解决经典的“12球天平谜题”，Argon在MuJoCo中构建了一个双臂Franka FR3仿真环境，其中包含12个外观完全相同的台球，以及一个带有两个托盘、能够活动的罗伯瓦尔天平。 这12个球中，有一个球的重量与其他球不同，但它可能更重，也可能更轻，任务要求系统找到这个球。 Argon随后编写了一套仅依赖视觉信息的闭环求解程序。程序首先利用双目RGB摄像头确定各个球的位置，再通过视觉识别判断每次称量后天平的倾斜方向。 通过逐步缩小范围，机器人在不超过3次称量的情况下找出异常球，并将其放入对应的托盘：红色托盘代表较重的球，蓝色托盘代表较轻的球。 ▲机器人在仿真中找出异常球 3. 用价值函数对任务进度进行评估 Argon还可以用于构建面向机器人任务的通用价值函数，以评估当前操作状态以及任务的完成进度。 在一段来自人类UMI数据集的60秒双手分拣圆环任务中，Argon会反复检查同步采集的头部摄像头、左夹爪摄像头和右夹爪摄像头画面，重点分析物体接触

匹配字段正文

的山姆·维特文（Sam Witteveen）认为，Argon是一个非常出色但并非最强的模型。他看好模型结合视觉理解、软件生成和创意媒体的能力，但认为Antigravity与Claude Code、Codex等开发工具相比仍有差距。 X用户@cheaty则认为，Argon早期测试中的运行速度和成本表现不够理想。尽管模型能够完成任务，部分任务的实际花费仍明显高于其他模型。这也说明，企业评估模型时，不能只比较每百万token的标价，还要看完成同一任务需要多少调用、耗时多久，以及最终结果是否可用。 Argon的全面开放，让更多开发者和企业有机会检验谷歌展示的能力。但从模型能够完成某项任务，到企业可以稳定、低成本地将其投入生产，中间仍有一段距离。 对谷歌而言，接下来要解决的不只是继续提升模型能力，还包括让模型更容易使用、让复杂任务运行得更稳定，并让实际成本与效率优势真正经得起检验。 据Business Insider于10月10日报道，谷歌员工正在测试Gemini 4的后续版本Barium和Carbon，部分测试者认为其编码能力有所提升。 Vercel首席执行官吉列尔莫·劳赫（Guillermo

匹配字段正文

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，因此我们目前还难以大规模向用户提供服务。不过，我们正在开发其他版本的Gemini 4，让数十亿人都能用上 : )” 毫无意外，洛根的回复遭到愤怒用户的狂喷：别人家同等价钱都能提供的服务，怎么就谷歌不行？ Argon能解决哪些问题？ Argon上线的同时，谷歌还发布了一篇博客文章，介绍新旗舰模型能解决哪些“最棘手的问题”。 在动画制作上，Gemini 4 Argon展现出贯穿多个制作环节的能力。谷歌在官方模型页面展示，Argon可以通过编写代码，串联3D游戏的建模、骨骼绑定和动画制作，并加入破碎物理效果与电脑对手，体现出完成多步骤创作任务的能力。 在3D建模方面，谷歌展示了Argon借助Antigravity，在Blender中自主构建包含多座建筑的寺庙建筑群，呈现逼真的建筑、植被和光照效果

匹配字段正文

、主动记忆与主动专注：Muse Wonder的重点是帮人干活 Meta为Muse Wonder系列着重强化了两项能力：主动记忆（Active Memory）和主动专注（Active Focus）。 主动记忆解决的是“记住什么、何时调用”的问题。模型能够跨会话保留对用户重要的信息，并在任务需要时主动调取相关细节。 主动专注则关注任务能否持续推进：遇到阻碍时尝试其他路径，根据新信息调整方案，在必要时向用户询问，并在执行重要操作前征求确认。 这两项能力都是Meta一直追求的个人超级智能所需要的，定向能力优化后的模型结合Muse这款产品，能够为用户提供重要事项持续追踪以及目标导向的连续工作能力。Meta官方称，未来还会利用Muse Wonder为Muse开发专用模型，以达到更好的效果。 Meta分别使用MemoryBench、FocusBench和SWE-Marathon这些评测来评估长期记忆、任务专注度与持续执行能力，专业任务评测还覆盖法律、金融和健康等领域。 官方演示中，Muse Wonder能够直接操作浏览器、跨应用获取信息，并根据用户的个人偏好制定周六跑步计划。这类演示呈现的，正是Me

匹配字段正文

开放时段等，避免了臆断式推理，并生成与符合实际的旅游总结。而 Hy2 忽略了核心隐含条件——第一天只有 300-200=100元预算，导致全盘错误。" name = "ModelCompareCard" [tabs.data] systemPrompt = "你是一位经验丰富的重庆导游，你需要根据景点信息、用户情况生成一份旅游总结（按旅游时间输出），不能输出其他任何内容，旅游总结格式如下： \n时间/地点/门票 \nMM-dd/旅游场地/门票价格\n MM-dd/旅游场地/门票价格 \n...... \n\n其中旅游场地字段在以下6个选择中填写1个：洪崖洞，朝天门，解放碑，千厮门，沙坪坝，江北嘴。 \n场地开放时间：洪崖洞（9:00-11:00），朝天门（9:00-11:00），解放碑（15:00-17:00），千厮门（11:00-13:00），沙坪坝（12:00-14:00），江北嘴（16:00-18:00）。\n 门票价格在以下6个选择中填写1个：洪崖洞-20元/人，朝天门-60元/人，解放碑-30元/人，千厮门-50元/人，沙坪坝-60元/人，江北嘴-50元/人。" userIn

匹配字段正文

以粉色背景高亮显示。! 我们在通用指令遵循基准测试以及我们专门针对翻译的 IFMTBench 上评估了指令遵循能力。Hy-MT2 在 IFMTBench 上展现出了强大的翻译专用指令遵循能力。Hy-MT2-7B 在 Simple、Complex 和 Total 维度上分别达到了 89.73、72.67 和 83.14 的得分，超越了 Gemma4-E4B 和其他中型开源基线模型。Hy-MT2-30B-A3B 进一步提升至 90.20、75.94 和 84.69，在中小模型中取得了最佳的 IFMTBench 综合得分。与 Qwen3.6-35B-A3B 和 Gemma4-26B-A4B 相比，Hy-MT2-30B-A3B 获得了持续的提升，尤其是在 Complex（复杂）指令上，展现出处理多约束翻译请求时更强的能力。 Hy-MT2 的表现与规模大得多的通用模型相比也颇具竞争力。在 IFMTBench 上，Hy-MT2-30B-A3B 的总分接近 Kimi K2.6、GPT-5.5 和 Gemini 3.1 Pro，甚至在 Simple 指令上超越了数个超大型模型。这表明，针对翻译指令遵循

匹配字段正文

号风在批量一致性上最稳妥。\n- 生成后需要做后处理：统一裁切尺寸、必要时去背景、转 PNG、按命名规范落盘到 assets/ 对应子目录。\n\n 3. dcc-cua —— 自动化游戏测试\n- 用于驱动真实运行中的游戏窗口，模拟玩家点击、拖拽卡牌、选择路线、结算战斗，进行端到端可玩性验证。\n- 详细测试要求见\"第六节：测试体系\"。\n\n 4. 其他\n- 版本管理：全程使用 git，每个阶段完成后提交，commit message 说明该阶段产出。\n- 文档：所有设计决策落到 docs/ 目录下的 Markdown 文件，保持随代码更新。\n\n---\n\n 三、游戏内容规格（\"完整单章体验\"）\n\n这是 验收下限 ，不是上限。数量不达标即视为阶段未完成。\n\n 核心战斗系统\n- 回合制、单人对多敌；玩家每回合初始能量 3 点 ，抽 5 张 牌。\n- 三区管理：抽牌堆 / 弃牌堆 / 消耗堆（Exhaust）。抽牌堆空则洗回弃牌堆。\n- 格挡（Block） 在玩家回合开始时清零（除非有特定遗物/卡牌保留）。\n- 敌人有 意图显示 （攻击数值、防御、bu

匹配字段正文

bel，砖红色；短箭头指向螃蟹腹面可掀起的小三角或半圆腹盖。 - 数据可视化：三个小步骤“翻面→去蟹脐→揭壳”用细箭头串联，置于插图底部。 - 间距：连接处标签靠插图外侧，蟹脐标签在插图下方；正文最多3行，避免挤压插图。 [B05 STEP 3 挑除内脏] - 位置与面积：步骤区中排左槽，约画布左半宽、画布高度11%。 - 容器/背景：淡鼠尾草绿圆角卡片，比其他步骤卡略浅；细砖红色虚线框，左上有姜黄色编号胶囊；轻纸纹与淡淡红色角标。 - 文字1：「STEP 3」；角色：编号；位置：卡片左上角编号胶囊内；字号层级：label；字重：bold；颜色：深茶褐色；对齐：居中；特殊处理：姜黄色胶囊底。 - 文字2：「挑除内脏」；角色：步骤标题；位置：编号下方左侧；字号层级：H2；字重：bold；颜色：砖红色；特殊处理：标题前有小叉号图标。 - 文字3：「六角形蟹心先挑出。」；角色：正文；位置：正文第1行；字号层级：body；颜色：深茶褐色；特殊处理：“蟹心”加粗。 - 文字4：「胃、肠、鳃也清干净，再吃黄和肉。」；角色：正文；位置：正文第2-3行；字号层级：body略小；颜色：深茶褐色；断行为“

匹配字段正文