跳到正文
目前篩選:模型
11月20日週五
  1. 新浪科技34

    三星自研 AI 新進展:Gauss 4 現身 One UI 9.5 程式碼

    三星自研 Gauss 系列模型的身影出現在 One UI 9.5 首個 Beta 測試版程式碼中,其中包括 Gauss 4 E2B。相關名稱亦出現在支援 AI 智能體功能的 Personal Agent Core 和 Memory 應用中;Memory 應用會檢查裝置是否有 Gauss 模型檔案,並將 Gauss 4 E2B 與 Gemini Nano、Gemma 並列。

11月15日週日
11月13日週五
  1. Hacker News 熱門(buzzing.cc 中文翻譯)76

    Edge0-145B、Edge0-120B 及推理框架開源,支援個人電腦本地部署

    Edge0 開源 Edge0-145B、Edge0-120B,以及統一推理框架和部署工具,供開發者在個人電腦本地執行、評測或微調模型。Edge0-145B 有 145B 參數,文章報告其峯值記憶體為 29GB、解碼速度超過 80 tokens/s,並列出編碼、推理及指令遵循等基準成績。本地推理不產生相應的雲端模型 token 或 API 費用,資料可留在電腦,核心模型能力亦可離線使用。

    推薦理由:文章拆解模型架構、訓練、載入與 CPU/GPU 排程如何配合推理框架,呈現大規模模型在個人電腦本地執行的設計方法。

11月12日週四
11月10日週二
11月9日週一
11月8日週日
  1. DEV Community49

    K2 Horizon 3.7B 在 16GB MacBook Pro 上運行實測

    作者在 16GB MacBook Pro 上測試 K2 Horizon 3.7B,評估它處理文字問題及簡單編碼任務的表現。4-bit 版本大小約 2–3 GB,載入後使用約 4 GB RAM,具備 512k 上下文窗口,採用 Apache 2.0 授權。K2 Horizon 7B 的編碼任務約需 11 分鐘,超出作者納入測試的時間上限。

11月6日週五
11月5日週四
10月29日週四
10月28日週三
10月27日週二
10月26日週一
10月25日週日
  1. IT之家55

    Block 推出全雙工 AI 語音模型 Dessa,支援在 M4 Max 及以上配置的 MacBook 本地運行

    Block 推出全雙工語音模型 Dessa,能在説話時同步收聽用戶語音,並以笑聲、停頓和哽咽等方式呈現情緒。Block 稱,Dessa 完全以人類語音數據訓練,可在 M4 Max 及以上配置的 MacBook 本地運行。目前模型暫未開放試用,Block 正邀請安全研究者測試語音智能體欺騙人類的風險。

10月24日週六
10月23日週五
  1. 新浪科技33

    10月23日週五早盤必讀

    美股隔夜漲跌互見,納指跌2.6%、標普跌1.21%,大型科技股多數下跌;倫敦現貨黃金跌超2%,白銀跌超5%,布倫特原油升至每桶113美元上方。PHP兩項嚴重安全漏洞的修復補丁已發布,漏洞由研究人員藉助人工智能工具發現。科大訊飛發布訊飛星火X2.6,雲端及端側能力同步提升。

10月22日週四
10月21日週三
10月20日週二
10月16日週五
10月15日週四
  1. Hacker News:AI 熱帖48

    LFM2.5-24B-A2B:為快速裝置端智能體而設

    LFM2.5-24B-A2B 面向裝置端智能體,在裝置端比同類 MoE 快至 1.7×,於 Apple M5 Max 達 184 tokens/s,單張 NVIDIA B300 GPU 的輸出速度則達 21K tokens/s。它在 AutomationBench 表現突出,但評論者指出,該基準測試的評測內容未獲説明,模型在其他基準測試的得分則與其他本地模型相近。

10月14日週三
  1. Unite.AI55

    Google DeepMind 與新加坡 GovTech 公佈裝置端詐騙偵測模型

    Google DeepMind 與新加坡 GovTech 公佈裝置端詐騙偵測模型,偵測到操縱性對話時會在手機即時發出警示,毋須把私人訊息傳送至雲端。模型以本地詐騙對話微調 Gemma,並採用兩階段流程,由輕量分類器篩查訊息,再由 Gemma 評估較完整的對話。微調在 GovTech 管理的 Google Cloud Platform 環境進行,訓練使用匿名數據集,排除私人及可識別個人資料。

  2. Liquid AI 模型與工程博客67

    Liquid AI 發佈 LFM2.5-24B-A2B 端側智能體推理模型

    Liquid AI 發佈 LFM2.5-24B-A2B,這款 24B 參數、每個 token 僅啟用 2B 參數的推理模型,面向快速端側智能體。相較 LFM2-24B-A2B,新模型把上下文窗口由 32,768 擴至 131,072 tokens、預訓練規模由 17T 增至 33T tokens,並改為在最終答案前輸出明確鏈式推理。

10月13日週二