Google Gemini 4 Argon 比近月任何 Google 模型更接近 AI 前沿
Google DeepMind 的 Gemini 4 Argon 在 Epoch AI 能力指數取得 165 分,令 Google 達到自 Gemini 3.1 Pro 以來最接近 AI 前沿的水平。
Google DeepMind 的 Gemini 4 Argon 在 Epoch AI 能力指數取得 165 分,令 Google 達到自 Gemini 3.1 Pro 以來最接近 AI 前沿的水平。
一項量子電路設計研究中,LLM 驅動搜尋在 8 項任務中的 7 項超越此前最佳成果;作者據此主張,候選生成和篩選成本低時,應多生成候選並投入資源篩選,而非只加深單一答案的推理。
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。
Reflection 推出 Beam,這款自回歸 Transformer 模型面向編碼及智能體工作負載。Beam 採用 MoE 架構,總參數量為 501B、每個 token 啟用 23B 參數,上下文窗口最高達 1 million tokens。
vLLM 宣佈從 Day 0 起支援 Reflection 的 Beam,並在 NVIDIA Blackwell 上提供完整功能支援與推理優化;Beam 是 501B 參數的 MoE,每個 token 啟用 23B 參數。
Reflection 首個開放權重模型 Beam 已正式開放使用,Ollama 作為 day-zero 合作夥伴,限時免費提供 Beam endpoint。Beam 採用 MoE 架構,約有 501 billion 個總參數及每個 token 啟用 23 billion 個參數,並提供 1 million token 上下文窗口,面向軟件工程、推理和長程智能體工作流。
CNET 對 HP OmniBook Ultra 16 的初步測試顯示,搭載 Nvidia RTX Spark N1X 的筆電在多核心應用及本機 AI 推理方面表現較強,但單核心效能一般,電池續航力亦未如理想。
Reflection 在 Hugging Face 發佈開源模型 Beam,採用 501B 參數 MoE 架構,每個 token 啟用 23B 參數,支援 1M tokens 上下文窗口。
推薦理由:文章詳列不同精度檢查點的硬件配置與評測,並附推理及微調配方,呈現自行部署這個 501B 模型的資源要求。
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。
Reflection 發佈首個開放權重模型 Beam,並在 Hugging Face 以 Apache 2.0 授權提供模型權重。Beam 是面向編碼、推理及長時程智能體工作負載的稀疏 Mixture-of-Experts 模型,總參數量為 501 billion、啟用參數量為 23 billion,並提供 BF16、FP8 和 NVFP4 精度格式。
Chalmers University of Technology 研究人員展示一套 AI 實驗室系統,可生成假設、設計實驗、透過實驗室自動化執行實驗,並解讀結果。
Meta 於 10 月 15 日開放 Muse Spark Open,並與 Apple 合作,讓開發者可透過 MLX 在 Mac Studio 本機運行這款 8,160 億參數模型。
推薦理由:文章並列模型評測與多部 Mac Studio 的本機配置,呈現其工具使用與編程表現差異,以及部署所需的記憶體規模。
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。
研究團隊分析 GLM-5.3 在 8xB300 節點以 PCP8 執行長上下文服務時的遠端 KV 快取,並透過按 rank 分片、非同步載入及修正三項客戶端問題改善效能。
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。
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。
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。
Sail Research 創辦人 Neil Movva 在訪談中介紹,公司以優化 GPU 軟件、整合不同晶片和分散式算力,目標是降低開源大模型推理的 Token 成本。
MJev-Spatial 基於 Qwen3.5-4B,將空間推理任務統一為單次前向傳播分類,推理時不生成答案 token。模型總分達 65.64%,在 12 項基準測試中七項排名第一,並在全部 12 項勝過基礎模型。其速度是最快自回歸基線的 2.5 倍、基礎模型的 5.6 倍。
開源開發者以 PS5LM Plus 在破解後的 PS5 上加入 GPU 加速,成功運行 270 億參數 Qwen 3.8,並讓主機向同一區域網絡內的手機和電腦提供本地 AI 服務。
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。
聯想集團股價於 10 月 16 日盤中升逾 5%,截至 13 時 4 分升 5.70%,報 27.46 港元,成交額 219538.95 萬港元。
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。
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。
TypeSafe AI 發佈 Jev 1.14 預覽版一天後,Liquid AI 推出 d1-ultra,並在八類任務中的表現均優於 Jev 1.14。Jev 1.14 支援圖像輸入和更長上下文,並新增「box」類型;d1-ultra 整體表現亦優於 vLLM Semantic Router d3 等競品。
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。
Strata 新增 Apple Silicon Mac 實驗性支援,並加入較小的 Qwen3.6-35B-A3B 模型。v0.1.44 起加入原生 Metal 後端,需 macOS 15 或更新版本;Qwen3.6-35B-A3B 暫不支援 Mac 版。該模型 UD-Q4_K_XL 量化版本需要 32GB 記憶體,文章亦列出不同量化版本的儲存需求及測試設備生成速度。
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。
NVIDIA RTX Spark 手提電腦今日由 Microsoft、ASUS、Dell、HP、Lenovo 和 MSI 開售,售價由 $2,599 起,首批評測亦公佈本地運行 AI 模型的實測數據。
研究提出 AgentDecisionBench 基準及 JevAgentHarness,讓小型決策模型按擬合的信心門檻分擔 LLM 智能體的工具選擇,並以智能體錯誤狀態訓練 4B 模型 AgentDecision-4B。
AgentX 在 50 tokens/s/user 的 P90 互動性條件下,搭載 vLLM 的 8-GPU AMD Instinct MI355X 系統運行 Kimi K3,達到約 7,567 total tokens/s/GPU,較 NVIDIA HGX B300 的 6,083 高 24.4%。
小米宣佈推出空間音訊理解大模型 MiDashengLM-Spatial,並以 Apache 2.0 授權公開完整模型權重及推理程式碼。模型以 MiDashengLM-7B 為基礎,在理解音訊內容之外加入空間感知與推理能力,並將陸續應用於小米智能家居及汽車座艙。
NVIDIA 發佈開放多模態模型 Nemotron 3.5 Super VL,面向持續運行及執行多步任務的 AI 智能體。模型採用 MoE 架構,總參數量為 1200 億、激活參數為 120 億;NVIDIA 稱,其在單張 GPU 執行智能體任務時,吞吐量最高可達同規模其他開放模型的 5 倍。
Mistral 於 2026 年 10 月 15 日發佈 Timestral 時序預測模型系列,最大版本有 209M 參數。
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。
長上下文會推高 Transformer 的 KV cache 記憶體需求;Llama 3.1 8B 的 1M-token 提示詞,單是 KV cache 就需要 128 GB。
10月15日,螞蟻集團旗下百靈團隊宣佈開源 Ling-3.1-flash 大模型,總參數約 560B,每 Token 激活約 25B,最高支援 1M 上下文。
螞蟻百靈開源 Ling-3.1-flash,總參數約 560B、每個 Token 激活約 25B,最高支援 1M 上下文。團隊以 routed experts 的 MXFP4 量化及 dense 層 block-FP8,將權重佔用由約 534GB 降至 292GB;對應 Hopper GPU 測試配置的服務部署由 8 卡降至 4 卡。
OpenAI 推出 Rosalind Academic Plan,供美國大學合資格學術實驗室申請 GPT‑Rosalind 使用權。獲批實驗室最多可為30名具名成員提供 Business Standard 席位,費用為每人每月 $0,期限最長12個月;GPT‑Rosalind 須經 trusted-access 審批。
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。