跳到正文

#多模态

今日 2 条
今天10月13日周二
10月11日周日
10月10日周六
10月9日周五
10月8日周四
  2. AWS Machine Learning Blog69

    Claude Haiku 5.5 登陆 Amazon Bedrock 与 Claude Platform on AWS

    AWS 宣布 Claude Haiku 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 可用。Anthropic 称其是 Claude 5.5 系列中最快、最高效的模型，面向子智能体和高体量、成本敏感任务，多数任务成本比 Claude Haiku 4.5 低约 75%。

    推荐理由：文章说明了模型定位、成本变化和 AWS 接入方式，便于团队判断高并发子智能体任务是否适合迁移。

  3. OpenAI News93

    OpenAI 向所有 ChatGPT 用户推出 GPT-6 与 Intelligent UI

    OpenAI 于 10 月 7 日宣布面向每周超过 12 亿 ChatGPT 用户推出 GPT-6，并在 Chat 中引入 Intelligent UI，可生成图形、按钮、表单、图表和交互式体验。

    推荐理由：官方说明了 GPT-6 在 ChatGPT 中的交互界面、渐进回答、安全改进和各套餐可用范围，便于读者判断日常使用变化。

10月7日周三
  4. IT之家（RSS）78

    Google 发布 EmbeddingGemma 2：7.4 亿参数多模态嵌入模型，量化后手机端文本运行约需 191MB

    Google 正式推出 EmbeddingGemma 2，将嵌入能力从文本扩展到代码、图像、视频和音频，并把这些内容统一映射到同一嵌入空间。模型总参数 7.4 亿，基于 Gemma 4 架构，以 Apache 2.0 许可发布；纯文本部分为 2.7 亿参数，可按需加入视觉和音频编码器。

    推荐理由：原文给出参数量、内存占用、上下文和下载渠道，可帮助开发者评估端侧多模态 RAG 的接入可行性。

  7. Aravind Srinivas55

    Perplexity 发布更新的开放权重多模态决策模型 pplx-decider-v1.1-27b，并在 Hugging Face Decision Index 0.3 基准上取得最高分。该模型 API 输入价格较 v1 减半，为每百万 input tokens 0.02 美元；Aravind Srinivas 转发开发者消息并确认 Decision API 已降价。基准页面：https://huggingface.co/spaces/multimodalart/jev-decision-index

    引用Perplexity Developers@perplexitydevs

    pplx-decider-v1.1-27b, our updated open weights multimodal decision model, is now available. It scores the highest on the new @huggingface Decision Index 0.3 benchmark. pplx-decider-v1.1-27b costs half as much as v1, at $0.02 per million input tokens. https://huggingface.co/spaces/multimodalart/jev-decision-index

  9. Google DeepMind80

    Google DeepMind 发布开源轻量多模态嵌入模型 EmbeddingGemma 2

    Google DeepMind 发布 EmbeddingGemma 2，这是基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，可将代码、文本、图像、视频和音频映射到统一嵌入空间。

    推荐理由：原文给出参数量、模块化编码器、8K token 上下文和端侧内存数据，可帮助判断本地多模态检索方案的资源门槛。

  11. Aravind Srinivas58

    Perplexity 发布更新的开放权重多模态决策模型 pplx-decider-v1.1-27b，称其在 Hugging Face Decision Index 0.3 基准上得分最高。该模型输入价格为 $0.02 per million input tokens，成本为 v1 的一半，现已开放使用：https://huggingface.co/spaces/multimodalart/jev-decision-index

    引用Perplexity Developers@perplexitydevs

    pplx-decider-v1.1-27b, our updated open weights multimodal decision model, is now available. It scores the highest on the new @huggingface Decision Index 0.3 benchmark. pplx-decider-v1.1-27b costs half as much as v1, at $0.02 per million input tokens. https://huggingface.co/spaces/multimodalart/jev-decision-index

10月6日周二
  1. The Decoder83

    Mistral 发布万亿参数模型 Mistral Large 4，主打网络安全与开放权重

    Mistral 推出迄今最大模型 Mistral Large 4 公开预览，模型为原生多模态，总参数 1.05 万亿、活跃参数 490 亿，上下文窗口为 100 万 token，权重计划于 10 月底发布。

    推荐理由：文章汇总了 Mistral Large 4 的参数规模、开放节奏、评测位置和网络安全定位，便于与 Claude、GPT-6 等闭源前沿模型横向比较。

  3. Yuchen Jin73

    Mistral 发布 Mistral Large 4，又称 Le Chonk，模型拥有 1T 参数、49B 激活参数，原生支持多模态，并已通过 API 开放。Mistral 称其在综合基准上是美国或欧洲最佳开放权重模型，在网络防御、制造和金融等任务上达到先进水平，开放权重计划于 10 月底发布。转发作者 Yuchen Jin 表示，欧洲开源大语言模型领先美国开源模型出乎其意料，并称 Mistral 声称该模型击败 GLM-5.3。

    引用Mistral AI@MistralAI

    Meet Mistral Large 4, aka Le Chonk. • 1T parameters, natively multimodal. 49B active. It is the best open weights model from US or Europe on aggregated benchmarks. • State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding. • Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure. • Available to all via API today. Working with cybersecurity partners privately. Open weights release end of October.

  6. 🚨 AI News | TestingCatalog77

    Mistral 发布 1T 参数开放权重模型 Mistral Large 4 “Le Chonk”，激活参数 49B，支持原生多模态，API 当日开始推出，开放权重计划于 10 月底发布。TestingCatalog 引用 VentureBeat 称，其 DeepSWE 得分为 62%，高于 GLM-5.3；Finch 金融任务得分为 67%，Harvey 法律智能体基准得分为 15%，后两项均称为开放权重 SOTA。

    引用🚨 AI News | TestingCatalog@testingcatalog

    BREAKING 🔥: Mistral announced Mistral Large 4 "Le Chonk", a new 1T-parameter open-weight model! > 49B active parameters, native multimodality. > Rolling out via APIs today; open-weight release is planned for the end of October. > SOTA on "critical workloads", including cyber defense. Le Chaton Fat "Le Chonk" is here 👀 https://x.com/MistralAI/status/2107457414387622310/video/1

    推荐理由：汇总了 Mistral Large 4 在代码、金融和法律任务上的基准分数，可与 GLM-5.3 等模型横向比较。

  7. Hacker News：AI 热帖86

    Mistral Large 4 公开预览发布，月底开放权重

    Mistral 发布 Mistral Large 4 公开预览，内部称 ML4，模型为 1 万亿参数、490 亿活跃参数的原生多模态模型，权重将于本月底发布。模型在 Mistral Studio 提供预览 API，使用 3,800 块 NVIDIA Grace Blackwell GPU 在欧洲自有数据中心从零训练，训练数据覆盖 160 多种语言。

    推荐理由：材料集中给出 Mistral Large 4 的参数规模、开放权重计划和多类基准表现，便于横向了解其定位。

  9. The Decoder67

    Reka AI 发布 Rho-1 研究预览，单一模型处理文本、图像、视频和机器人控制

    Reka AI 发布 19B 参数全模态模型 Rho-1 的研究预览，在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。Rho-1 将所有模态作为 token 放入共享上下文窗口，不依赖工具调用或外部模型，可实时生成连续视频并即时响应新指令，同一组权重还能驱动机器人运动。