跳到正文
10月29日週四
  1. Hugging Face Blog80

    Mistral Large 4(Le Chonk)登陸 Hugging Face,提供模型權重與部署指南

    Mistral Large 4(Le Chonk)以開放權重形式登上 Hugging Face,提供 FP8 和 NVFP4 兩個官方版本。模型是多模態、多語言 MoE,約有 1T 總參數、49B 活躍參數及 1M tokens 上下文窗口,支援文字和圖片輸入並生成文字。

    推薦理由:文章整理 Mistral Large 4 在 Transformers、vLLM 和 llama.cpp 的部署方式,並附上不同硬件配置與上下文長度下的實測速度,提供實際部署參考。

  2. Mistral AI76

    Mistral Large 4(Le Chonk)發佈改進版開放權重

    Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。

    推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。

  3. HuggingFace Daily Papers(社區熱門論文)42

    視覺基礎模型中的空間狀態表徵探究

    研究以 10 種表徵檢視視覺基礎模型的空間能力,發現可讀取場景不代表能持續追蹤物件、預測空間更新或可靠地支援目標導向行動。物件持續性和可行動性建基於相機位姿讀取,特徵預測則建基於可見場景讀取。各項能力亦隨任務、網絡層及觀察前綴長度而異。

  4. 第一財經24

    國信證券:持續提升綜合金融服務能力,夯實高質量發展根基

    國信證券自2026年以來聚焦主責主業,拓展綜合金融服務的廣度與深度,提升服務實體經濟質效。2026年前三季度,公司完成股權類主承銷項目12.33家、承銷總額78.71億元,債券主承銷金額1660.8億元;國信資管發行4單綠色及鄉村振興ABS,規模合計67.01億元。公司業務應用系統自主掌控比例達60%,國信金太陽及核心交易等關鍵系統實現100%自主掌控,並建設多模態模型矩陣。

  5. 新浪科技38

    心繫天下三星W27正式發佈

    中國電信與三星電子發佈摺疊手機心繫天下三星W27,搭載第五代驍龍8至尊版(for Galaxy),提供16GB+512GB及16GB+1TB兩種版本。建議零售價分別為18,999元及21,999元,10月29日開放登記預約,11月13日全渠道開售。

  6. 阿里雲開發者社區 AI52

    Apache Doris + Vane:讓多模態數據進入業務分析

    Apache Doris 與 Vane 將錄音、圖片、影片等多模態內容加工為文本、候選分類及向量,接入業務數據,與訂單、工單和生產批次關聯分析。文章以售後錄音示範由 Vane 轉寫、分類和向量化,再寫入 Doris,透過 SQL 進行相似回饋檢索、業務追溯及按批次彙總候選工單。資料保留原始錄音路徑和片段時間位置,候選分類仍須復核;按批次統計的是候選工單數,並非故障率。

  7. 阿里雲開發者社區 AI35

    EMR Serverless Spark 多模態數據處理產品選型:能力定位與適用邊界

    EMR Serverless Spark 定位為面向湖倉一體場景的 AI 就緒型數據底座,透過 Daft、GPU + Ray 資源調度及 AI Function,將多模態處理整合為可編排、可計量、可回溯的數據算子。它適用於 TB 級多模態數據集構建及內容安全聯合分析,但不適合超低延遲實時推理或深度定製 CUDA 內核的需求。

  8. 新浪科技46

    心繫天下三星 W27 正式發布

    中國電信與三星電子正式發布心繫天下三星 W27,提供16GB+512GB及16GB+1TB版本,建議零售價分別為18,999元及21,999元。手機搭載第五代驍龍8至尊版(for Galaxy),配備2億像素主攝、Galaxy AI及天通衞星通信,並支援衞星通話和短信。三星 W27於10月29日開放登記預約,11月13日全渠道開售。

  9. 阿里雲開發者社區 AI44

    透過百煉處理影片、圖片、文本及音訊數據:EMR Serverless Spark 的能力邊界與適用條件

    EMR Serverless Spark 可將百煉模型整合為可編排的數據算子,支援文本、圖像及影片抽幀處理,音訊則須先轉為圖像才能接入百煉。esr-4.7.0 或以上版本中,單作業最多可調度 64 張 A10,理論峯值約 5000 幀/秒,但實際吞吐受 OSS 帶寬、Daft 快取及百煉 PTU 配額限制。

  10. 阿里雲開發者社區 AI41

    多模態內容對 GEO 的影響:文字、圖片與影片

    多模態內容透過圖片替代文字、影片標題、簡介及字幕等文本訊號,參與生成式引擎對內容主題的理解。圖文和影片亦可藉提高傳播度、帶來更多自然提及和連結,間接強化內容在文字答案中的引用機會。以文字講清核心資訊,並為多種內容補全準確文本訊號,有助系統理解和關聯內容。

  11. 阿里雲開發者社區 AI24

    GPU 加速多模態數據處理產品選型:能力差異與選擇條件

    EMR Serverless Spark 以統一調度層、標準化 AI 接口和 Daft 引擎,將 GPU 能力整合至多模態數據處理流程,應對數據鏈路中的編排斷裂。平台透過資源聲明、執行優化和運維治理三層抽象,支援 GPU 彈性調度、多模態處理及企業級治理。文章按數據規模、團隊技術能力和驗證需求列出適用場景,並指出純 GPU 密集型推理或極致 CUDA 優化任務更適合其他方案。

  12. 雷鋒網58

    約20人團隊用9個月以AI打造《不問凡塵》,吸引逾26萬玩家體驗

    《不問凡塵》由約20人團隊依託火山引擎的模型與雲服務,用9個月完成開發上線,整體製作成本約為傳統製作的1/3。上線僅三週,作品在 Steam 的好評率達87%,預估流水近千萬元,玩家超過26萬。團隊用 Seedance、Seedream 和 Seed TTS 生產影片、圖像及語音資產,再以圖層、狀態機和玩家輸入接入互動,並透過 TRAE 與 Agent 工作流自動化研發流程。

  13. DoNews36

    騰訊混元 Hy4、Hy4 flash 即將發佈,首次引入視覺理解能力

    騰訊宣佈 Hy4 即將發佈,相比 Hy4 preview,Hy4 全面提升長程和真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 也將於近期發佈,提供實用模型,並繼承 Hy4 的視覺和 Agent 能力。去年 8 月 28 日發佈並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度超過 1M。

  14. DoNews53

    Machenta 完成 4000 萬美元種子輪融資

    Machenta 於10月29日宣佈完成 4000 萬美元種子輪融資,由 Union Square Ventures 與 Creandum 聯合領投。公司研發機器人基礎模型,採用純仿真數據預訓練,並稱機器人僅需一次人類操作演示即可掌握新任務,兼容不同硬件平台。Machenta 不自研機器人硬件,主要向機器人廠商及集成商提供模型授權與開發套件。

  15. 阿里雲開發者社區 AI38

    跨境電商商品素材本地化如何處理:技術方案拆解與選型思路

    跨境電商商品素材本地化需按素材類型選擇技術路徑:文本採用垂直領域翻譯並人工校對,圖片經文字識別、擦除及譯文回填,影片則處理字幕、配音和口型同步。選型應考慮素材類型、本地化深度和批量規模;AI 負責初步處理,關鍵內容、圖片排版及影片配音仍須人工複核。

  16. 阿里雲開發者社區 AI27

    Qwen3.8 搶先體驗:最新版即將發布並開源?

    阿里通義實驗室宣佈 Qwen3.8 全系列正式開源,涵蓋 2.4 萬億參數的 Qwen3.8-Max 及可單卡運行的 Qwen3.8-27B。Qwen3.8-Flash 的推理成本低至每百萬 Tokens 輸入 1 元人民幣。全系列採用 Apache 2.0 協議,已在 Hugging Face 等平台上線,並可經阿里雲通義千問平台調用 API 或下載模型權重。

  17. 阿里雲開發者社區 AI41

    阿里雲 AI 動畫方案技術架構解析:FC、ComfyUI 與百煉模型如何串接

    阿里雲開源的「AI劇本生成與動畫創作」方案,以 FC 調度 ComfyUI 和百煉模型,並透過 OSS 儲存素材、由 WebUI 提供操作介面。方案分為計算、生成、儲存和交互四層,支援劇本續寫及以參考圖維持角色一致性。生成內容定位為初稿和粗剪,仍需人工審稿與調整。

  18. 阿里雲開發者社區 AI30

    阿里雲瓴羊 Quick Service:具備情感識別能力的客服機械人哪家好?

    阿里雲瓴羊 Quick Service 將情感識別融入客服理解、路由、協同與執行流程,按用戶情緒調整回覆策略及人工介入時機。文中引用的研究數據顯示,具備情感識別能力的智能客服,客戶滿意度較傳統系統高出41%,投訴升級率降低53%。Quick Service 亦支援多模態情緒感知、轉接時同步對話摘要與情緒標籤,以及為人工坐席提供即時預警。

  19. 阿里雲開發者社區 AI44

    LLM 基礎理論發展史

    LLM 的理論演進由分佈式詞表示、Transformer 和預訓練,延伸至縮放定律、對齊、效率優化、推理、多模態與 Agent。文章按 00~06 梳理各階段的關鍵技術及因果關係,並以表示演進、架構收斂、規模與效率、對齊和能力外延總結發展主線。

  20. 阿里雲開發者社區 AI35

    GPT-4 到 GPT-4o:多模態系統與安全治理制度化

    OpenAI 的 GPT-4 以文本和圖像輸入、多項考試表現及系統卡,成為智能基準,並推動安全治理制度化。GPT-4o 將文本、圖像和音訊整合於同一網絡,實時對話延遲達 232ms,並以較低成本達到 GPT-4 性能。兩者展現模型由文本工具走向多模態系統與生態平台的演進。

  21. 阿里雲開發者社區 AI38

    Google Gemini 模型原理演進史

    Google Gemini 家族從 BERT、T5、PaLM 的技術基礎,演進至原生多模態、長上下文、推理能力與生態整合。Gemini 1.5 支援 100 萬 token 上下文,Gemini 2.5 Pro 展示 Thinking 模式,Gemini 2.0 加入 Agent 能力。文章亦梳理 Gemini 3 至 3.8 Flash 系的迭代與各項技術主線。

  22. 阿里雲開發者社區 AI39

    OpenAI GPT 模型原理演進史

    OpenAI GPT 家族從 GPT-1 演進至 GPT-5.6,路線涵蓋模型規模擴大、對齊技術制度化,以及由文字生成拓展至多模態、推理和工具使用。GPT-3 達 1750 億參數,InstructGPT 展示 RLHF 對齊效果,GPT-5 在 SWE-bench 得分 74.9%。整體演進亦包括原生多模態、測試時擴展與 Agent 能力。

  23. 阿里雲開發者社區 AI31

    第 06 篇:多模態與 Agent——從「會説話」到「會做事」

    本篇梳理多模態與 Agent 的發展,説明模型如何由理解圖文、回答問題,進一步透過工具執行任務。CLIP(2021)以圖文對比學習,讓視覺與語言在同一向量空間對齊;原生多模態模型則以圖文聯合數據預訓練。Agent 結合工具呼叫、規劃與反思,以及環境交互循環,從單一任務延伸至多 Agent 協作和常駐運作。

  24. 阿里雲開發者社區 AI54

    阿里雲入選 Gartner 首份《生成式 AI 模型提供商魔力象限》報告的領導者象限

    阿里雲入選 Gartner 首份《生成式 AI 模型提供商魔力象限》報告的領導者象限,是唯一入選該象限的中國企業。文中稱,千問(Qwen)系列涵蓋端側、私有化部署至雲端,並提供原生多模態及開放權重模型。Gartner 聲明,該報告不代表其認可任何供應商、產品或服務,也不建議科技用戶只選擇獲最高評分或其他稱號的供應商。

  25. viAct · 視覺 AI 及工地安全28

    哥倫比亞建築安全:AI 如何改善防墮保護及風險監測

    AI 影片分析可利用哥倫比亞工地現有 CCTV,即時監察高空作業區,改善防墮保護及風險監測。系統可標示高空作業時未佩戴安全帶、邊緣開口、缺少護欄及未按有效許可證作業等情況,並即時通知安全團隊。這有助支援《2021 年第 4272 號決議》要求的持續監察。

  26. 21ic電子網67

    蘋果發佈首款配備觸控屏幕的 OLED MacBook Pro,打破 20 年不觸控設計原則

    蘋果正式發佈首款配備觸控屏幕的 OLED MacBook Pro,打破延續 20 年的「不觸控」設計原則。文章稱,OLED 相較 Mini-LED 在對比度、響應速度和功耗方面具結構性優勢。文中亦把觸控和手勢視為在 Mac 運行本地大模型、以自然語言與智能體協作時更直接的輸入方式。

  27. 阿里雲開發者社區 AI21

    從零到一構建現代化、可落地的2026年 AI 網球賽事戰技法分析系統

    AI 網球賽事戰技法分析系統融合多目高速視覺、IMU 傳感及邊緣與雲端算力,構建涵蓋感知、分析和推演的全鏈路平台。系統運用 ST-GCN、GNN 與多模態大模型量化技術動作、分析戰術意圖,並提供 3D 數字孿生沙盤及強化學習模擬對抗。教練可透過自然語言檢索賽事資訊,並以移動端和平板看板取得決策依據。

  28. 阿里雲開發者社區 AI37

    生成式搜尋優化需要怎樣的能力體系?框架報告

    生成式引擎優化(GEO)以提升品牌資訊在大模型答案中的理解、採信及引用為目標,能力體系涵蓋診斷、實體治理、信源建設、內容生產、多模型適配及監測迭代六個模組。報告指出,GEO 有別於以網頁排名為核心的傳統 SEO,重視實體一致性、多源交叉驗證和內容可信度。落地流程包括多模型診斷、統一品牌資訊、建設信源、結構化內容生產與持續監測。

  29. EJ Tech 信報科技 · AI60

    Google 發佈世界模型 Genie 4,支援即時互動

    Google 發佈新一代世界模型 Genie 4,用戶可生成虛擬場景並即時探索互動,相關技術可望應用於電影製作、遊戲開發及機械人訓練。Genie 4可透過自然語言即時修改場景,提升物理模擬與人物動作的真實感,並原生生成環境音效及互動對話,結合 Gemini 模型處理複雜事件。

  30. 新浪科技36

    騰訊混元 Hy4、Hy4 flash 即將發布,首次引入視覺理解能力

    騰訊混元宣佈 Hy4 即將發布;相較 Hy4 preview,Hy4 全面提升,並首次引入視覺理解能力。Hy4 flash 亦將於近期發布,主打性價比,並在承接 Hy4 的視覺及 Agent 能力之上,透過模型與產品深度 Co-Design 高頻進化。今年8月發布並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度突破 1M。