跳到正文
10月16日週五
  1. Unite.AI78

    Reflection 發佈 Beam 開放權重,採用 Apache 2.0 授權

    Reflection 於 2026 年 10 月 16 日在 Hugging Face 發佈 Beam 開放權重,採用 Apache 2.0 授權。Beam 是總參數量 501B、每個 token 啟用 23 billion 個參數的混合專家模型,權重提供 BF16、FP8 和 NVFP4 格式。

    推薦理由:Beam 同時提供多種精度權重、自託管選項及多個推理框架支援,呈現開放權重模型從下載到部署的配套。

  2. The Guardian Technology72

    Meta 發佈 Muse Spark Open 開放權重 AI 模型

    Meta 發佈開放權重 AI 模型 Muse Spark Open,稱其可與中國開發者的同類模型競爭,部分情況下表現更佳。Meta 稱該模型面向編碼及智能體工作,適用於長程任務、複雜軟件工程和多步推理,並針對 Apple M5 Ultra 晶片作出優化;Meta 表示可用兩台配備 M5 Ultra 晶片的 Mac Studio 運行該模型。

  3. ChinaTalk57

    Ant Ling 產品營運主管 Richard Bian 為何認為 AGI 不可避免

    Richard Bian,Ant Ling 產品營運主管,認為 AGI 不可避免,因為 AI 投資與技術週期互相推動,但產品最終形態仍未明朗。他主張拓展模型評測,並把開源視為協作和產品發展策略;他認為 AI 商業化的難題在毛利,而非資本開支。Ant Ling 的 Ling 3.1 Flash 於 10 月 14 日開源,參數量為 560B,上下文窗口最高達 1M tokens。

  4. HuggingFace Daily Papers(社區熱門論文)33

    OmniVerifier-C1: Decomposed Graded Verifier for Rule-Governed Generative World Modeling

    OmniVerifier-C1 將複雜的多模態規則分解為逐點評分,並以解耦式強化學習訓練分級視覺驗證器,提升對分佈外多模態批評任務的泛化能力。研究亦指出,若有真實圖像可供比較,成對驗證比逐點驗證能提供更準確的批評;迷宮和數獨等結構化世界建模任務的實驗驗證了這一方法的成效。

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

    CoWorld Reasoner:運用持續演進的影片世界模型驅動框架進行智能體多模態推理

    CoWorld Reasoner 提出以影片世界模型作為視覺推理引擎的智能體框架,在七項基準測試中勝過同一 VLM 的直接推理。最強版本在 MMSI 和 ERQA 的相對準確率分別提升 11.8% 和 13.0%,並在五項基準測試中勝過使用相同骨幹模型的五個演進基線。

  6. DEV Community49

    Gemini 4 Argon:我的 Google AI Plus 困境

    Google 公佈新旗艦模型 Gemini 4 Argon,同時將於 11 月起停止向 Google AI Plus 訂戶提供 Gemini Pro,令用戶須重新評估工作流程。Argon 主打更自主的智能體能力,並承諾提升速度、推理及多模態功能。作者憂慮新預設模型是否適合自身用途,並質疑其能力提升能否在日常使用中體現。

  7. DEV Community64

    LibreFang 2026.9.14 發佈,新增自主目標執行與多實例頻道

    LibreFang 發佈 2026.9.14,加入自主目標執行、多實例頻道及逐 Agent 推理模式,並新增控制面板和 CLI 設定工具。更新亦為 Agent 類型加入完整增刪改查,修正 50 多項錯誤及多項安全問題。max_network_bytes_per_hour 未設定時現會套用 100 MB 預設值,工作流審批閘亦會暫停執行並等待人工批准。

  8. HuggingFace Daily Papers(社區熱門論文)38

    Waypoint-OPD: Transferring RL-Induced Policy Shifts via Gated On-Policy Distillation

    Waypoint-OPD 按照教師模型在強化學習早期與後期的策略偏移方向一致性,閘控端點偏移,以改善策略偏移蒸餾。以 RL 訓練的 Qwen3-4B 為教師,在數學及程式推理的六種領域與學生模型設定中,Qwen3-8B、Qwen3-14B 及 Qwen3-30B-A3B 均取得所比較蒸餾方法中最高的領域平均分;相較只傳遞端點偏移,方法只需額外一次凍結教師評分。

  9. DEV Community49

    Expert pruning improves decode throughput up to 1.8 with minimal quality loss

    SlimWise 只在解碼階段剪除專家,保留預填充階段及其完整模型 KV cache,提升 MoE 解碼吞吐量,同時令準確度保持在接近未剪枝模型的水平。Qwen3.6-35B-A3B 剪除 50% 專家時,解碼吞吐量最高提升 1.81×,典型請求的端到端速度約提升 78%。系統無需轉換 KV cache,但較大型模型及更高剪枝比例的表現尚未測試。

  10. DEV Community78

    Gemini 4 Argon 基準數據未呈現的設定差異與定價風險

    Gemini 4 Argon 廣泛引用的基準分數多在 High 推理設定下測得,但預設設定是 Medium,兩者不能直接代表用戶的預設表現。獨立測試中,Argon 在 Artificial Analysis Intelligence Index 的 High 模式得分為 52.56,模型幻覺率為 15%。

    推薦理由:文章拆分基準測試設定與用戶預設值,並列出入門定價與報道中的後續價格,讓模型比較和遷移成本估算有具體依據。

  11. HuggingFace Daily Papers(社區熱門論文)46

    SpecAgent:工具使用智能體的軌跡級推測與語義驗證

    SpecAgent 讓小模型草擬智能體的工具使用步驟,再由大模型以單次並行預填充驗證,以降低延遲和記憶體用量,同時保留大部分任務品質。τ^2-Bench 上,成功率與大模型相差不足 1 個百分點,記憶體流量和耗時約減半;在 AutomationBench、VitaBench 則回補 44-75% 的品質差距。

  12. DoNews79

    Meta 發佈開放權重模型 Muse Spark Open,可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行

    Meta 發佈開放權重模型 Muse Spark Open;該模型可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 上本地運行。模型採用原生多模態架構,總參數量為 816B(激活參數 42B),上下文窗口為 1M token。

    推薦理由:文章並列 Muse Spark Open 的參數規模、上下文窗口及兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行條件,呈現其桌面部署門檻。

  13. DEV Community52

    大語言模型不必逐字生成答案,只需指向輸入中的答案

    文章解釋,指針式方法讓模型在分類和資訊抽取等任務中,直接從輸入選取標籤或文字片段,而非逐 token 生成答案。ScaleDown 於 10 月 13 日推出四款小型任務模型,並稱之為 Constrained Decoding Models;其中 Classify 和 Extract 指向輸入內容,Summarize 會改寫文字,而 Compress 的方式未有説明。

最多提供 50 頁,更早的內容請使用搜尋或主題頁。