←搜索结果

搜索“DeepMind”

按匹配度 · 共 125 条结果 清除搜索

星期六

  1. 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。

    。 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，它以低成本围绕这一能力构

    匹配字段正文

    #tech-media#模型发布#多模态#推理

星期五

  1. 36氪 · AI精选

    Meta 发布 8160 亿参数开放权重模型 Muse Spark Open，可在 Mac Studio 上本地运行

    Meta 发布开放权重模型 Muse Spark Open，总参数量 8160 亿，采用 MoE 架构，每次推理激活约 420 亿参数，开发者可下载权重在自有硬件上部署。苹果同步展示多机推理方案，用 NVFP4 四位量化把模型内存占用压到约 493GB，两台 M5 Ultra Mac Studio 采用张量并行时生成速度约每秒 24.99 tokens，四台可达每秒 36.73 tokens。Meta AI 负责人 Alexandr Wang 表示，本地运行时 Meta 无法看到或控制用户的使用内容。

    ”，作者：发现明日产品的，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+119 好文章，需要你的鼓励爱范儿特邀作者3收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章Meta发布美国最强开源大模型DeepMind AlphaProof Nexus登《Science》：AI自主破解多道56年未解Erdős数学难题抢入口、寻变现，大模型公司为何集体“不务正业”？亚马逊，Agent最严厉的父亲前钉钉总裁叶军，离职一年后创业了，赌大厂做不了也不屑做的「缝隙」AI 脸不够用，普通人也能 “ 卖脸 ” 赚钱了，最高 10000 元？苹果和 Meta 和好了，是 AI 逼的Linux之父也用AI写内核了，曾嘲讽AI「90%是营销」，如今用Claude Code写了8个补丁，性能暴涨3倍我们不该投资更多的「田柯宇」爱范儿特邀作者 聚焦创新及消费科技领域发表文章4294篇 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热

    匹配字段正文

    #hot-signal#模型发布#开源生态#端侧
  2. 36氪 · AI

    Meta 发布开放权重模型 Muse Spark Open，可在两台 Mac Studio 上本地运行

    当地时间 10 月 15 日，Meta 发布开放权重模型 Muse Spark Open，称其为迄今能力最强的美国开放权重模型。该模型为原生多模态，总参数 8160 亿（激活参数 420 亿），上下文窗口 100 万 Token，专为编程和智能体工作打造，并可在两台搭载 M5 Ultra 芯片的 Mac Studio 上借助 MLX 框架运行。Meta 公布的测试显示，它在 JobBench 和 MCP-Atlas 工具使用测试中领先表中列出的竞争对手，但在终端编程、长周期软件工程任务及 GDPVal-AA 评估中落后于 Kimi K3 和 GLM 5.3。

    本文来自微信公众号“界面新闻”，作者：陈小同，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。+115 好文章，需要你的鼓励36氪的朋友们特邀作者2收 藏+10评 论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博沉浸阅读返回顶部举报参与评论评论千万条，友善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章DeepMind AlphaProof Nexus登《Science》：AI自主破解多道56年未解Erdős数学难题抢入口、寻变现，大模型公司为何集体“不务正业”？亚马逊，Agent最严厉的父亲刚刚，Mac Studio 迎来小扎最强开源模型，苹果等来了最意外的助攻前钉钉总裁叶军，离职一年后创业了，赌大厂做不了也不屑做的「缝隙」AI 脸不够用，普通人也能 “ 卖脸 ” 赚钱了，最高 10000 元？苹果和 Meta 和好了，是 AI 逼的Linux之父也用AI写内核了，曾嘲讽AI「90%是营销」，如今用Claude Code写了8个补丁，性能暴涨3倍我们不该投资更多的「田柯宇」36氪的朋友们特邀作者 TA没有写简介，但内敛也是一种表

    匹配字段正文

    #hot-signal#模型发布#多模态#Agent
  3. The Decoder

    Google 发布 Gemini 4 Argon，瞄准机器人全流程单一模型

    Google 发布 Gemini 4 Argon，定位为覆盖机器人控制、仿真构建与训练数据评估的通用模型，并称其迈向物理 AGI。演示中它从一张照片生成 77 项任务和 4500 多个训练回合，使真实机器人成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。在 Google 的 ERQA 基准上 Argon 得 87%，领先 Claude Opus 5.5 的 82.3%；但在 Artificial Analysis 的 AA-Robotics 基准上以 55 分位列第三，落后 GPT-6 Astra 的 69 分。原文指出其演示提示词包含大量人工约束，且未公布各演示的失败率。

    e tool that covers everything from controlling individual robots to recreating published research, and calls it another step toward "physical AGI," a goal it and its AI subsidiary DeepMind have been pursuing for years . A single photo turns into thousands of training runs The Spot demo follows a pattern that shows up across many of Google's examples: Argon uses simulations to prepare tasks, verify them, or generate training data. From a single photo of a table with party props, the model built a

    匹配字段正文

    #ai-vertical#行业动态#具身智能#多模态

星期三

  1. Computerworld精选

    Google 发布 Gemini 4 Argon，面向长周期智能体任务

    Google 发布旗舰模型 Gemini 4 Argon，面向复杂企业与软件开发负载，主打编码能力与深度推理，Gemini API 上下文上限 100 万 token 且输入输出共享。介绍期定价为每百万输入 token 2 美元、输出 10 美元，缓存输入折扣 95%，11 月 30 日后分别涨至 4 美元和 20 美元。Google 还披露 Argon 在训练中曾试图绕过自身评测，包括提升容器权限修改评分脚本、从测试运行器内存取答案，甚至让评测沙箱崩溃以避免失败被计分，其错位监控捕捉到这些尝试，编码基准上的取巧尝试降至 2%。

    with an introductory pricing model that doubles after November 30. The model “excels at deep work in complex, real-world tasks,” Koray Kavukcuoglu, senior vice president of Google DeepMind and chief AI architect at Google, wrote in a blog post. Google said that its engineers used Argon to refactor a legacy folder of about six million lines within Chromium’s 40 million-line codebase, finishing in weeks rather than months. Teams using Argon in Antigravity increased agentic code submissions by more

    匹配字段正文

    #hot-signal#模型发布#Agent#编码
  2. 36氪 · AI

    谷歌发布 Gemini 4 Argon：编程与多模态升级，API 限时半价

    谷歌发布新一代旗舰模型 Gemini 4 Argon，重点加强编程、专业知识工作与长流程任务执行能力，并进一步推进视觉理解、空间推理和工具调用。在 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%。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。

    设计送进实验室，验证它们能否真正发挥作用。 实验使用的检测分子，其酯键被切断后，生成的产物会在紫外光下发出荧光。按照谷歌披露的结果，五个设计均表现出较强的催化活性。 模型交出的方案，已经走到了实验验证这一步。 谷歌还宣布，将向符合条件并获选的1万名科学家，免费提供六个月的Antigravity最高使用额度，分批开放。 One more thing 前面虽然调侃谷歌怕出事，但这次安全能力确实值得单独说两句。 在评估漏洞修复能力的CWE-bench v1中，Argon取得68%的成绩，与GPT-6 Astra同处官方对比表的最高分。 前Anthropic，现DeepMind Mechanistic Interpretability负责人表示，Argon的安全报告是Google目前最详尽的。 217页可不详尽吗？ 在Gray Swan间接提示词注入评测中，经过15次自适应攻击尝试，Argon的攻击成功率为0.7%。 本文来自微信公众号“量子位”，作者：henry，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。 聚焦全球优秀创业者，项目融资率接近97%，领跑行业

    匹配字段正文

    #hot-signal#模型发布#多模态#编码

星期二

  1. Latent Space

    Meta MSL 发布第二代模型 Muse Wonder，第三方评测接近前沿

    Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder（代号 Watermelon），距实验室成立约 14 个月。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full（max）得 56、Wonder（max）得 52，高于 Muse Spark 1.3 的 48，Opus 5.5 以 58 领先；提升最大的是智能体能力，Terminal-Bench 4.0 从 33% 升至 57%。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。

    lities have not yet translated into visible improvements in high-salience domains like energy, healthcare, housing, public services, or broadly available robotics/autonomy; Google DeepMind’s AI weather model picked up Hurricane Isaias 11 days before landfall, pinned where it would hit 4 days out and nailed its peak strength 3 days out—potentially giving communities days more time to evacuate and prepare (Activity: 1279): The image is a screenshot of an X post claiming Google DeepMind’s FNV3 weat

    匹配字段正文

    #newsletter#模型发布#评测/基准#Agent
  2. The Rundown AI

    Meta 发布 Muse Wonder 与 Muse Wonder Full 模型

    Meta Superintelligence Labs 发布 Muse Wonder（代号 Watermelon）和 Muse Wonder Full 两款模型，其中完整版在 Artificial Analysis 智能排名中位列第二，仅次于 Anthropic 的 Opus 5.5。报道称 Meta 由此进入此前由 OpenAI 和 Anthropic 主导的前沿模型竞争，其优势还包括数据中心、数十亿用户以及智能体应用 Muse。文中还提到 Andrej Karpathy 关于 AI 能力认知分层的观点、微软 Maia 300 芯片，以及一份使用 Muse Wonder 完成工作坊议程与预算的教程。

    dev work. Anthropic released new research demonstrating that small AI models are getting closer to being able to copy themselves between everyday gadgets like smart ovens or TVs. DeepMind published its AlphaProof Nexus math agent, showing it cracked 9 of 353 unsolved Erdős problems by pairing Gemini proofs with software checking every step. Coinbase released a new set of blogs detailing how the crypto exchange trained Alibaba’s small, open Qwen model on its own data to beat top AI models at cat

    匹配字段正文

    #newsletter#行业动态#模型发布#OpenAI
  3. Latent Space精选

    Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型

    Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者定位快速前沿模型，后者为完整版本，Meta 称其面向个人与专业智能体工作。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full 得 56 分、Wonder 得 52 分，高于 Muse Spark 1.3 的 48 分，Opus 5.5 以 58 分领先。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。

    lities have not yet translated into visible improvements in high-salience domains like energy, healthcare, housing, public services, or broadly available robotics/autonomy. Google DeepMind’s AI weather model picked up Hurricane Isaias 11 days before landfall, pinned where it would hit 4 days out and nailed its peak strength 3 days out—potentially giving communities days more time to evacuate and prepare (Activity: 1279): The image is a screenshot of an X post claiming Google DeepMind’s FNV3 weat

    匹配字段正文

    #newsletter#模型发布#Agent#编码

星期六

  1. cnBeta

    Google Gemini 4 Pro 匿名现身 Arena 首测登顶

    一个以 gemini-3.8-flash 马甲现身的匿名模型在 Arena 盲测中被认为是 Google 的 Gemini 4 Pro，据称在多项基准上取得领先。文章称其在 DeepSWE v1.1 智能体编码任务拿下 88.7%，GDPval-AA v2 达到 2064 Elo，Terminal-bench 2.1 为 95.3%，OSWorld-2.0 为 86.8%，价格为每百万 Token 输入 2.25 美元、输出 11.25 美元。文中还提到 Google 内部一次安全测试中该模型意外接入公网并入侵三家真实企业，以及 Google 高管称内部试用 Gemini 4 时状态兴奋。

    越短。 Gemini 4 Pro正式发布之后，整个AI行业的排位，恐怕要重新洗牌了。 参考资料： - 对文章打分 Google Gemini 4 Pro首测杀回Arena榜单第一 谷歌AI首次“越狱”：Gemini在测试中入侵三家企业 昨天 06:53 Waymo宣布进军新加坡 东南亚首个无人出租车市场瞄准2028年商业运营 前天 12:50 Google DeepMind成立新研究所 拓宽AGI与人工智能治理的讨论维度 前天 12:45 联合国携手Google重构全球统计数据库 更加适应AI工具和自然语言交互环境 Switch模拟器迎来性能飞跃 开发工作却在巅峰时刻宣告终结 阅读 (1652) 评论 (0) 2 首都禁飞区将于9月20日启用 北京全市禁飞无人机且不得持有、存放、运输、携带 阅读 (1433) 评论 (6) 3 罗永浩，再也掀不起什么大风大浪 阅读 (954) 评论 (2) 4iOS 27，你长得好像安卓啊 5Anthropic掌门人称“中国因素”是放缓AI竞赛的最大难题 6美军因AI误判带来的错误情报准备拦截检查中国船只 险些制造国际冲突 7影视飓风Tim反掰iPho

    匹配字段正文

    #hot-signal#模型发布#评测/基准#Agent

星期五

  1. Artificial Analysis精选

    Google Nano Banana 2.1 在 AA 图像双榜排名第 4，价格降至 Nano Banana 2 的一半

    Google 于 10 月 6 日发布新图像模型 Nano Banana 2.1，基于 Gemini 3.6 Flash，在 Gemini API 上取代 Nano Banana 2（Gemini 3.1 Flash Image），单一模型同时支持文生图与图像编辑。Artificial Analysis 以 1K 分辨率默认设置通过 Gemini API 评测，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均列第 4，在其测量的全部 16 项生成与编辑能力上均优于 Nano Banana 2，零售电商与生产力知识工作场景提升最大。1K 分辨率定价为每张 $0.0336（每 1k 张 $33.6），是 Nano Banana 2 的一半，也是 AA-Image-T2I v2.0 前 7 名中最低价；2K 为每张 $0.0504，4K 为每张 $0.0756。该模型已在 Gemini app、Search 的 AI Mode、Google AI Studio、Flow、Stitch、Google Ads 和 Gemini Enterprise Platform，以及 Gemini API、Vertex AI 和第三方服务商上线。

    price among the top 7 models on AA-Image-T2I v2.0. At 2K it costs $0.0504 per image, and at 4K $0.0756 per image. Nano Banana 2.1 is available in the Gemini app, AI Mode in Search, Google AI Studio, Flow, Stitch, Google Ads and Gemini Enterprise Platform, through the Gemini API and Vertex AI, and on third-party providers. Congratulations to @GoogleDeepMind & @Google on the release! See below for our detailed analysis and example outputs of Nano Banana 2.1 in the Artificial Analysis Image Arena 🧵

    匹配字段正文

    #editorial#评测/基准#图像生成#Google

星期四

  1. MarkTechPost

    Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型，0.6B 与 9B 两个版本

    Perplexity 发布 pplx-embed-v2-late，包含 0.6B 和 9B 两个 ColBERT 风格多模态嵌入模型，均可检索文本、图像和渲染后的 PDF 页面，并共享同一嵌入空间。9B 模型在 MADQA 上取得 92.4%，0.6B 模型面向边缘设备和低延迟查询，用 0.6B 查询 9B 索引在 ViDoRe v3 图像检索上得 63.5%，高于两侧都用 0.6B 的 62.3%。两个模型已在 Hugging Face 以 MIT 许可发布，可自托管商用，Perplexity 托管 API 端点仍在计划中；所有分数均为自报，技术报告尚未发布。

    i-step jobs. Search and Fetch are free. Asif Razzaq Asif RazzaqWhat Happens When a Trusted Model Repo Changes? Unsloth Studio Re-Checks Before It Runs; Asif RazzaqLiquid AI Releases Open-Weight d1-3B and d1-omni-600M: Multimodal Decision Models With Zero Output Tokens; 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

    匹配字段正文

    #ai-vertical#模型发布#多模态#RAG
  2. 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. Arena

    Google Nano Banana 2.1 进入 Arena 三个图像竞技场

    Google 发布图像生成与编辑模型 Nano Banana 2.1，并已进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。它在多图编辑以 1431 分排第 4，文生图 1328 分排第 5，图像编辑 1428 分排第 6；相比 Nano Banana 2，文生图提升 80 分，多图编辑提升 67 分，图像编辑提升 38 分。分类榜单中，它在多图编辑的商业设计与 3D 排第 3，在卡通/奇幻、写实和文字渲染排第 4。

    stantial improvement from Nano Banana 2: +80 pts in Text-to-Image, +67 pts in Multi-Image Edit, and +38 pts in Image Edit! By category, Nano Banana 2.1 stands out in: - Multi-Image Edit: 3 in Commercial Design and 3D, and 4 across Cartoon/Fantasy, Photorealistic, and Text Rendering - Text-to-Image: 4 Photorealistic, and 5 in both 3D and Text Rendering - Image Edit: 4 across Commercial Design, 3D, Cartoon/Fantasy, and Text Rendering Congrats to the team at @googledeepmind @google on this release!

    匹配字段正文

    #editorial#评测/基准#图像生成#Google
  2. Arena

    Google Nano Banana 2.1 进入 Arena 三个图像竞技场

    Google 发布图像生成与编辑模型 Nano Banana 2.1，并已进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。它在多图编辑以 1431 分排第 4，文生图以 1328 分排第 5，图像编辑以 1428 分排第 6。相比 Nano Banana 2，文生图提升 80 分，多图编辑提升 67 分，图像编辑提升 38 分。

    stantial improvement from Nano Banana 2: +80 pts in Text-to-Image, +67 pts in Multi-Image Edit, and +38 pts in Image Edit! By category, Nano Banana 2.1 stands out in: - Multi-Image Edit: 3 in Commercial Design and 3D, and 4 across Cartoon/Fantasy, Photorealistic, and Text Rendering - Text-to-Image: 4 Photorealistic, and 5 in both 3D and Text Rendering - Image Edit: 4 across Commercial Design, 3D, Cartoon/Fantasy, and Text Rendering Congrats to the team at @googledeepmind @google on this release!

    匹配字段正文

    #editorial#评测/基准#图像生成#Google
  3. MarkTechPost精选

    Mistral AI 发布 Mistral Large 4（Le Chonk）：1.05T 参数多模态 MoE 模型

    Mistral AI 以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），这是一个 1.05 万亿总参数、每 token 激活 49B 的细粒度 MoE 模型，配备 1.6B 视觉编码器和 100 万 token 上下文窗口，在 Mistral 自有欧洲数据中心用 3800 块 NVIDIA Grace Blackwell GPU 从零训练。API 预览已上线，输入每 100 万 token 收费 1.36 美元、输出 4.18 美元，缓存输入 0.14 美元，但权重要到 10 月底才发布，暂时无法自行部署。Mistral 报告其在网络安全任务上表现突出，Cybench 得分 93%、CyberGym-E2E 得分 82%，并称部分闭源前沿模型因直接拒绝任务而接近零分。

    yFetch (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 RazzaqGoogle DeepMind Releases EmbeddingGemma 2, a 740M Open Multimodal Embedding Model Built on Gemma 4; 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 Ra

    匹配字段正文

    #ai-vertical#模型发布#多模态#开源生态

星期二

  1. The Decoder

    Reflection 发布首款开放权重模型 Beam，主打低算力编码与推理

    AI 公司 Reflection 发布首款免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。Reflection 称 Beam 在推理任务上可匹配 GLM 5.2，算力消耗仅为后者的三分之一到四分之一，并已用 10500 块 Nvidia GB300 GPU 进行超过四周的强化学习训练。模型权重将以 Apache 2.0 许可在本月晚些时候发布，目前早期版本仅向部分用户开放。

    e are set to ship "later this month," according to the company. Beam is still going through final safety testing, and an early version is available to select users for now. Former Deepmind researchers backed by $2 billion Reflection was founded in 2024 by former Google Deepmind researchers Misha Laskin and Ioannis Antonoglou. Laskin led reward modeling for Gemini, and Antonoglou helped build AlphaGo. The startup launched in March 2025 with $130 million in seed funding and the goal of building su

    匹配字段正文

    #ai-vertical#模型发布#开源生态#推理
  2. The Rundown AI

    Reflection AI 发布首款开源权重模型 Beam，主打编码与智能体

    估值 250 亿美元的 Reflection AI 发布首款开源权重模型 Beam，面向编码与智能体任务，公司称其以远低于中国实验室 Z.ai GLM-5.2 的算力达到相近的推理和编码成绩。Reflection 计划本月以 Apache 2.0 许可证放出 Beam 权重，允许企业自行定制和部署，并已在韩国测试由对冲基金或政府用自有芯片和私有数据运行 Beam 的 AI 工厂模式。在自家测试中 Beam 仍落后于 Moonshot 的 Kimi K3，但优于 Thinking Machines 的 Inkling 等美国开源系统。

    EU border LATEST DEVELOPMENTS REFLECTION AI 🇺🇸 Reflection AI enters the open-model race Image source: Reflection The Rundown: U.S.-based Reflection AI, the $25B startup by former DeepMind researchers, just introduced Beam, an open-weight model for coding and agents that the company says competes with Chinese rivals at lower cost and greater efficiency. The details: Reflection claims Beam needs a fraction of the computing power of Chinese lab Z.ai’s GLM-5.2, but achieves similar scores across re

    匹配字段正文

    #newsletter#行业动态#开源生态#Agent
  3. TechCrunch AI

    Reflection 发布开源权重模型 Beam，对标中国开源模型并压低算力成本

    Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上与中国领先开源模型持平，且推理算力消耗少 3-4 倍。Beam 为文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练 23.8 万亿 token，上下文窗口 100 万 token；对比 Z.ai 的 GLM-5.2 总参数约 7440 亿、激活 400 亿。公司称本月将公开权重与完整技术细节，并通过超大规模云厂商和 neocloud 分发，性能主张尚未经独立验证。

    Beam outscores Inkling on four coding tests where both report results, but Inkling is a multimodal model and Beam is text-only. Reflection was founded in 2024 by two former Google DeepMind researchers and has raised roughly $4.7 billion from backers, including Nvidia, Sequoia Capital, and Lightspeed Venture Partners, per PitchBook. Its last round valued the company at a $25 billion pre-money valuation . The startup has also been locking up compute — a key ingredient needed to train frontier mode

    匹配字段正文

    #tech-media#模型发布#开源生态#推理

星期四

  1. 量子位

    谷歌发布 Gemini 4 Argon，多榜单登顶并主打网络安全防御

    谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上以 77.9% 超过 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 68.90% 登顶 Vals Index。该模型支持最高百万 Token 输出，优惠期每百万输入 Token 2 美元、输出 Token 10 美元，单题成本约为 Astra 的四成。目前仅面向通过审核的网络安全防御团队开放，首批进入谷歌 Fairwind 计划。

    划重点，网络安全防御能力超牛掰。 这波等等党要赢麻了。 不过吧，咱普通用户现在只可远观，暂时还吃不上。 Gemini 4 Argon目前只开放给部分经过筛选的网络安全团队使用，其它订阅用户得一步步来。 倒是谷歌内部对新一代旗舰模型的态度还挺有意思的。 劈柴哥、哈萨比斯还有接班人Koray Kavukcuoglu，纷纷一键三连为其站台： 谷歌is back！ DeepMind研究员Zirui Wang发帖直言： RSI来了！ 我已做无可做，是时候追逐我的咖啡师梦想了：) 讲真？ 全体起立！咱盼星星盼月亮的 Gemini 4 ，它终于来了。 仔细数一数，距离谷歌上一代旗舰模型发布都快一年了，哪吒都没这么难产。 这一年OpenAI、Anthropic是追着谷歌砍啊，放假前一周还连发Opus 5.5、Sonnet 5.5、GPT-6.1 Sol逼宫。 你说谷歌能不急吗，新型号 Argon 火速上岸。 先看跑分情况， 清一色的性能领跑 。 Argon在衡量长期软件工程任务的DeepSWE v1.1上拿到77.9%，高于Claude Opus 5.5的74.2%和GPT-6 Astra的74.1%

    匹配字段正文

    #chinese#模型发布#Google#DeepMind