跳到正文

全部 AI 动态

今日 1 条

10月7日

星期三
  1. Google 发布 EmbeddingGemma 2 多模态嵌入模型

    Google 发布开源多模态嵌入模型 EmbeddingGemma 2,可将文本、图像、视频、音频和代码转换为数值向量,参数量 7.4 亿。Google 称其在多模态嵌入基准上超过参数量两倍的竞品,在 Massive Text Embedding Benchmark (Code) 上得分 78.68,比前代 68.76 提升近 10 分。

  2. Mistral Large 4

    Simon Willison 用同一提示词测试 Mistral Large 4 等前沿模型生成 SVG 的能力,提示词为一只穿渔网袜的犰狳在火星上乱穿马路。参与对比的模型包括 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4,均使用各自默认推理等级。

  3. EmbeddingGemma 2 采用 Apache 2.0 许可证

    EmbeddingGemma 2 采用 Apache 2.0 许可证,Simon Willison 认为嵌入模型不应使用闭源、专有、仅托管的形式。嵌入模型通常需要计算并存储成千上万甚至数百万条嵌入向量,一旦厂商停止提供该模型,用户就得为重新计算这些已存储向量付费。他更愿意付费使用托管版本,同时保留在厂商停服时自行运行开放权重或另寻供应商的余地。

  4. Musubi 开源 PolicyLM-1.7B 内容审核决策模型

    Musubi 发布轻量级决策模型 PolicyLM-1.7B,以开放权重形式开源,用于实时内容审核,可将纯英文写成的内容政策在 50 毫秒内应用到消息上。该模型成本与速度接近主流社交平台使用的 AI 分类器,但具备现代 LLM 的灵活性,无需专门训练即可执行复杂政策,政策变更时也无需重新训练。

10月6日

星期二
  1. GLM 5.3 上线 Amazon Bedrock

    Z.ai 的 GLM 5.3 已在 Amazon Bedrock 上线,这是一个 753B 参数的 MoE 模型,面向编码和长周期智能体任务,通过全托管 API 提供跨区域推理、提示词缓存和服务层级,目前面向符合条件的企业客户开放。

  2. Reka AI 发布 190 亿参数全能模型 Rho-1,统一处理文本、图像、视频与机器人控制

    Reka AI 发布 Rho-1 研究预览版,这是一个 190 亿参数的全能模型,可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务分派给专用模型的系统不同,Rho-1 把所有模态作为 token 放在同一个共享上下文窗口中运行,无需工具调用或外部模型,并能实时生成连续视频、在不重启的情况下响应新指令。

10月5日

星期一

10月4日

星期日

10月3日

星期六

10月2日

星期五
  1. Black Forest Labs 发布 Flux 3 Image,支持多步编辑且不改动画面其余部分

    Black Forest Labs 发布 Flux 3 模型家族的图像部分 Flux 3 Image,官方称其支持多步编辑且不改变图像其他部分,覆盖文生图、图生图、文字渲染和照片级真实感。用户可用边界框构图、最多引入十张参考图,输出最高 4K;目前提供免费 demo,API 在 10 月 8 日前五折。企业可授权商用权重在自有基础设施上运行和微调,开放权重版本预计未来几周推出。

10月1日

星期四
  1. Google 发布 Gemini 4 Argon,缩小与 OpenAI、Anthropic 的差距但未取得明显领先

    Google 发布新前沿模型 Gemini 4 Argon,在部分基准上超过 OpenAI 和 Anthropic 的竞品,但未取得明显领先。该模型先面向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放,之后才向开发者、企业和消费者推出,尚未公布日期;介绍性价格为每百万输入 token 2 美元、输出 token 10 美元,缓存输入便宜 95%。

  2. Google 发布 Gemini 4 Argon,初期仅向可信网络安全人员开放

    Google 发布新一代前沿模型 Gemini 4 Argon,称其在软件工程、法律金融等企业知识工作和网络安全防御等复杂工作流中具备前沿性能。该模型初期仅向一组可信网络安全人员开放,Google 表示正参与美国政府的前沿模型预发布访问流程并逐步扩大范围,同时会在更广泛铺开前加强防范滥用、提示词注入和失准的保障措施。

9月30日

星期三

9月29日

星期二
  1. NVIDIA 发布 Kumo Tabular 表格预测基础模型

    NVIDIA 发布开源表格基础模型 Kumo Tabular,给定带标签的表格行即可单次前向传播预测新行标签,无需训练、调参和特征工程,覆盖分类与回归。模型提供 28M 到 215M 三种规模,仅用人工合成表格预训练,采用 OpenMDW-1.1 许可可商用,在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。

  2. OpenAI 发布 GPT-6.1 Sol

    OpenAI 发布 GPT-6.1 Sol,官方称其具备接近 Astra 的智能水平,面向编码、计算机操作和专业工作场景。该模型的 API 输入与输出 token 价格为 Astra 标准价格的五分之一。