阿里云降低Qwen3.8-Flash大模型计费,性价比更高,适合更多开发者使用。与OpenAI和Anthropic接口兼容,功能强大。
#大模型
有人做了个叫 MemTrapBench 的基准,专门测大模型记忆里的认知陷阱。他们发现,记忆反而会拖累模型表现,连最好的方法都掉10%以上。他们还搞了个叫 AdaptiveMem 的方法来解决这个问题。
Intel推出了在AI PC集群上实现大规模LLM分布式推理的片方法,能让集群共同计算超单台容量的模型,和单机相比效率更高。
如果你在多个大模型间做路由,这个框架能直接优化成本和效果,不用先预测质量,实测在10个基准上超过现有方法,还能兼容新模型。
OpenRouter 汇集 400 多个大模型,月处理 100 万亿 token,年收入 5000 万美金,估值 13 亿。现在多家巨头想收购它,看看谁会出手。
华为这次展出业界最大规模的Atlas 950 SuperPoD真机,单柜64卡、最高8192卡互联,专为万亿参数大模型训练打造,效率比传统集群大幅提升。
做产品设计和开发的团队值得关注——Fable 5不再是简单的编码工具,而是能主动思考、有品味的协作伙伴,看完你会重新定义AI在项目中的角色。
Claude Fable 5 的“大模型气味”揭示了当前顶尖模型的取舍——慢、贵但能力惊人。做复杂推理或高难度任务的开发者,值得看看 Willison 的实测感受,判断它是否值得你的预算。
1T 参数模型跑出 1000 TPS 的生成速度,对追求低延迟推理的开发者来说是个值得关注的指标,建议申请试用实测质量。
大模型推理速度的里程碑——1T模型跑出1000+ tokens/s,做实时AI应用和推理优化的团队值得关注,可以直接申请试用体验。
做模型训练或理解 scaling law 的团队值得一读——这篇论文把大模型涌现能力的机制讲清楚了,不是玄学而是容量与干扰的数学问题。
小米高管亲自用自家大模型写高考作文,既展示了Mimo的写作能力,又蹭了高考热点。对AI写作感兴趣的读者可以看看大模型如何理解并完成命题作文,顺便感受一下卢伟冰的幽默自嘲。