金融数据公司 FactSet 用 Databricks AI Runtime 微调开源模型做 Text-to-Formula,训练部署从几天压到几小时,还能每两三周重训一次。做垂直领域模型迭代、又不想自己管 GPU 运维的团队可以看看这套 Lakehouse + serverless 方案。
AI热报 AITOP|全球与东南亚东盟 AI 商业科技媒体、AI 工具导航与创投企业情报
蚂蚁把医疗推理、工具调用、搜索拆成单独技能分别做 RL,再用蒸馏合并成 560B 的 MoE,权重还是 MIT 开源的。四项医疗基准分数压过了 GPT-6 Astra 和 Claude Opus 5.5,做医疗 Agent 或医院信息系统的开发者可以直接下载权重试试。
OpenAI 写的指标科普,讲清了困惑度和基准分数的区别。做模型评测或选型的开发者读一下,能少被跑分数字带偏。
Together 放了个 Qwen3-TTS 的小演示:同一个 Aiden 音色念同一句台词,只改请求里的 instructions 字段,语气就完全不一样。做语音应用的朋友可以直接抄这个用法,比换音色灵活多了。
一家美国初创让 AI 从零设计出一颗 CPU,每瓦性能是对照处理器的 4.59 倍,思路是砍掉乱序执行和缓存一致性这些传统开销。不过结果还是模拟数据没流片,而且没参与调优的测试只有 3.83 倍。对芯片架构和 AI 智能体做工程的人来说很有参考价值。
群联把 NPU 和 64GB 内存塞进了 SSD,llama.cpp、vLLM 这些框架可以直接在盘上跑推理,数据不用再搬到主机。混合介质那款对搭 AI 存储集群的工程师也有参考价值。
做 Agent 服务的人该看看:Gemma 4 把 drafter 塞进了模型本体,不用外挂、不用额外 prefill,手机 GPU 也能跑出 2.2 倍速度。和传统独立 drafter 方案比,部署简单得多,微调场景还省前向计算,端侧开发者尤其受益。
OpenAI 这次把游戏开发榜单前三全包了。Sol (high) 只要 0.22 美元一次,质量接近上代旗舰,做小游戏原型的人可以试试它替代现有模型。想对比各家模型在游戏开发上表现的也值得看这个榜单。
这篇论文用 9 个 RAG 任务测试 GPT-6.1 Sol + Codex CLI,agent 从零开始拿到 56.1 分,超过了已发表人类最佳方案的 44.4 分。做 RAG 系统的工程师应该看看,里面还比较了 9 种 agent 配置的差异。
Together 给开源模型调试排了个优先级:先改提示词,再调推理参数,然后补上下文和 harness,最后才微调。很多人一遇到评测不达标就直接上微调,其实前面几步便宜又快。做模型部署和评测的工程师可以直接抄这份清单。
RLHF 领域的老牌研究者 Nathan Lambert 把后训练的六大开放问题整理成幻灯片公开,从性格训练到 RL scaling laws 都列了。做开源模型训练或 RL 环境的人可以对照找方向,Trillium Labs 还在招合作者。
Mollick 这条评论把"AI 能自主研究到什么程度"和"AI 能干多少有用活"分开了。他拿 Epoch 的 MirrorCode 和 OpenAI 报告的数字说话:写个 2-17 周的软件 AI 能自己搞定,但前沿研究另算。搞工程的、做预算的都该看看。
