Thinking Machines 發佈開源模型 Inkling 2 Mini,採用循環式 Transformer
Thinking Machines 發佈開源混合專家模型 Inkling 2 Mini,採用循環式 Transformer。24 層中的 12 層會連續執行三次;公司稱,這可在不生成更多文字的情況下延長內部推理,並以較少 token 找到答案。
Thinking Machines 發佈開源混合專家模型 Inkling 2 Mini,採用循環式 Transformer。24 層中的 12 層會連續執行三次;公司稱,這可在不生成更多文字的情況下延長內部推理,並以較少 token 找到答案。
蔚來宣佈將於 11 月 25 日在 NIO IN 2026 蔚來創新科技日發布世界模型 NWM 3.0。NWM 3.0 將涉及模型架構、閉環訓練及跨域融合,具體技術細節屆時揭曉。此前 NWM 2.5 已採用「世界模型+監督微調+閉環強化學習」三層訓練框架。
DeepSeek-V4.1-Flash 已上架阿里雲百煉,文章梳理其模型定位、架構特點、能力表現、應用場景與計費方式。文中列出 1M 上下文、384K 最大輸出,並指其在多項編程、終端及 Agent 基準上超過 V4-Pro。文章亦比較百煉與 DeepSeek 官方 API 的峯谷時段口徑,並説明快取命中會影響費用。
蔚來宣佈,將於 11 月 25 日舉行的 NIO IN 2026 蔚來創新科技日上正式發布 NWM 3.0 世界模型。官方表示,新模型將展示蔚來智能輔助駕駛團隊在模型架構、閉環訓練及跨域融合方面對物理世界人工智能的最新思考與探索成果。
蔚來宣佈將於 11 月 25 日舉行的 NIO IN 2026 蔚來創新科技日正式發布 NWM 3.0 世界模型。新模型將在模型架構、閉環訓練及跨域融合等方面,呈現蔚來智能輔助駕駛團隊對物理世界人工智能的最新思考與探索成果。蔚來於 2024 年 7 月發布 NWM,該模型可理解數據、進行長時序推演和決策,並輸出規劃軌跡。
阿里雲 Wan-Image(wan2.7-image)整合圖像生成與編輯,支援文生圖、組圖、圖像編輯、多圖參考及交互式編輯。主力版在華北2(北京)按成功生成張數收費 0.2 元/張,且費用與解像度無關;wan2.7-image-pro 為 0.5 元/張,文生圖最高解像度為 4096×4096。組圖一次最多生成 4 張,連續場景最多 12 張;密集小字排版仍需實測。
Qwen-Audio-ASR-Flash-Streaming 是面向低延遲、高並發即時互動的語音識別模型,透過 WebSocket 或 AOQ 長連線逐段輸出文字,RPM 為 1200。
南水北調「天河」大模型完成升級並發布V2版本,推動水網管理決策轉向數據、機理與智能協同驅動。模型接入27顆遙感衞星及237部氣象雷達,將防汛形勢分析由小時級壓縮至分鐘級。水質監測體系整編入庫5000萬條監測數據,模型可模擬污染物及藻類遷移擴散,生成閘門調度建議和應急處置預案。
中國南水北調集團發布全新升級的「天河」大模型V2。該模型由V1版本夯實基礎,升級至V2版本深化應用,推動水網管理決策向數據—機理—智能協同驅動轉型。
KobiMusic 開源的 Dettato 音樂轉錄模型可在 CPU 或 GPU 上把音訊轉成 MIDI,每種樂器各設一條音軌,另加一條鼓組音軌。
RadixArk 推出開源模型 DaisyRose-27B,以純強化學習進行後訓練,完全省略 SFT 和知識蒸餾;模型有 27B 參數,基於 Qwen3.8-27B。Terminal Bench 4.1 的 pass@1 分數由 5.6% 升至 12.0%,互動上下文窗口最高支援 1 million token。模型採用 Apache 2.0 授權,可用於內部 CLI agent 流程。
Baseten 發佈 bison-1 和 groundhog-1,兩款由 Gemma 4 後訓練的開放權重決策模型可為預設決策輸出校準機率,並支援文字、圖像及 131,072 tokens 上下文。
Baseten 發佈基於 Google Gemma 4 的開放權重決策模型 bison-1 和 groundhog-1;bison-1 在 Artificial Analysis Decision Index v2.1 得分 76,於 19 款模型中排名第一。
一名律師花 9,450 美元,以 12 張二手 NVIDIA V100 搭建本地 AI 集羣運行 DeepSeek-V4.1-Flash,單請求、單流的程式碼生成最高達每秒 184 個 token。
雷鋒網實測 Kling Image 4.0,顯示它可按簡短提示詞生成海報、電商詳情頁及連續分鏡,亦可局部修改圖片文字。新模型原生解像度提升至 8K、單張圖片最多支援 2000 字、一次最多生成 10 張連貫圖片,並內置 70+ 款預設字體。測試亦發現説明小字清晰度、模型自行補充的資訊準確度及跨鏡人物一致性仍有不足。
Gemini 4 Hydrogen 在 Google 模型卡列出的 9 項雙方都有分數的基準中勝出 8 項,GPT-6.1 Terra 則在 Terminal-Bench-Science 0.1 以 58.3% 對 51.4% 領先。
文章比較 inclusionAI 的 Duo v1 全雙工世界模型四組權重,建議研究者以 47.0 GB 的 FP8 Duo-1.0-distill-quant 作實驗起點。
姚順雨與騰訊混元團隊在 Reddit AMA 表示,下一代 Hy 模型規模將顯著擴大,並規劃推出小模型。Hy4-mini 已列入路線圖,Flash-Lite 亦在規劃中;團隊正考慮 24B 至 31B 稠密模型及更小的圖像模型,但未確認 1.5 萬億至 2 萬億的參數量猜測,亦未公佈具體發布時間。
Thinking Machines Lab(TML)以 Apache 2.0 許可開放 Inkling 2 Mini 權重;模型總參數為 26B,支援文字和圖像輸入,最大上下文窗口為 100 萬 token。
騰訊混元團隊表示,Hy4仍有很大改進空間,正投入大量精力進行大規模強化學習,並計劃訓練更大規模的模型。團隊稱,Hy3和Hy4表明,做得紮實的小模型也能超過更大的模型,而且成本更低。
RevHive 作者補做對照測試後發現,原先安全 Agent 的 10/10 結果並非來自設定的 deepseek-v4-flash,而是觸發速率限制後改用的 sensenova-6.8-flash-lite。10 個普通提交的回退案例中,7 次沒有評論,另外 3 次則把程式回歸誇大為安全漏洞。作者計劃以 100 個提交、3 或 4 個項目和固定模型進行盲測。
OpenAI宣佈升級GPT-6.2 Astra與Sol的安全機制,以抵禦對抗性蒸餾攻擊並降低推理提取成功率。在基於6個攻擊模型的測試中,歷史請求推理提取成功率由54.0%降至0.2%,當前請求提取率由22.9%降至0.9%。防護措施包括對抗性訓練、輸入/輸出分類器及API會話隔離。
Anthropic數學家Levent Alpöge宣稱,他與Claude已證明黎曼猜想,並在個人網站公開Lean程式碼,而非論文。程式解壓後有 175187 個 Lean 檔案、1737 萬行程式碼;數學家及 Lean 社羣正着手編譯和檢查,文章發出時尚未有驗證結果。Alpöge表示,部分論證由Claude在他不熟悉的領域完成,他也計劃理解和簡化證明。
OpenAI 加強 GPT-6.2 Astra 和 GPT-6.2 Sol 對受保護推理內容的防護,以降低未經授權蒸餾提取推理過程的風險。在涵蓋 6 個攻擊模型的內部自適應黑盒紅隊測試中,此前請求推理內容的提取成功率由 GPT-6 Astra 原有安全機制下的 54.0% 降至 GPT-6.2 Astra 更新機制下的 0.2%,當前請求則由 22.9% 降至 0.9%。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作找到黎曼猜想及廣義黎曼猜想(GRH)的證明,公開材料包括一份 4 頁説明及分裝於 14 個壓縮包、約 1700 萬行的 Lean 形式化程式碼。
Baseten 推出基於 Google Gemma 4 的 bison-1 和 groundhog-1 決策模型,兩者支援 128k 上下文及文字、圖像輸入,並以開放權重提供。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明;公開材料包括一份 4 頁説明,以及約 1700 萬行 Lean 形式化代碼。陶哲軒初步分析後表示,數學界梳理核心思路並驗證正確性仍需時間。即使 Lean 代碼通過編譯,相關解答仍須在同行評審期刊正式發表,並經至少兩年驗證及數學界普遍接受,才可能進入克雷數學研究所的獎金評審程序。
Anthropic 數學家萊文特·阿爾波格稱,他與 Claude 合作找到黎曼猜想的證明,並將證明編寫成 Lean 程式碼。他亦稱證明涵蓋範圍更廣的廣義黎曼猜想;報道指出,若成果獲確認,將影響大量以該猜想成立為前提的數學結論。
Vidraft 公開 POCKET-27B-Pi 編碼模型,其 16.5GB Q4_K_M 版本在 48 項共通 Terminal-Bench 2.1 任務中完成 28 項(58.3%)。
Contra Labs 的 Frontier Design Benchmark 顯示,匿名 AI 模型 Gestalt 以 1931 分 Elo 評分、90% 勝率排名第一,超越人類參考作品。
Anthropic 員工兼數學家 Levent Alpöge 稱,他使用非公開版本的 Claude 花約六星期撰寫出黎曼猜想的詳細證明;證明是否正確尚未獲確認。這份以數學證明檢查語言 Lean 寫成的證明超過 250,000 行,數學家 Terrance Tao 表示,核實工作仍需一段時間。報道亦提及 OpenAI 早前公佈的 AI 數學成果仍未確認,學者批評企業宣傳此類成果可能損害數學研究。
Artificial Analysis 指,Inkling 2 Mini 以 5.4B 活躍參數,在 Intelligence Index 上媲美 Qwen3.8 27B(xhigh)。Inkling 2 Mini 的活躍參數約少 5 倍。
Anthropic 研究員 Levent Alpöge 聲稱,他與 Claude 合作證明瞭黎曼猜想及其廣義版本。他尚未公開論文,但已發布以 Lean 撰寫的證明版本,文件有數百萬行程式碼;他稱完整證明超過 250,000 頁。Anthropic 尚未就此發布官方公告。
Thinking Machines Lab 推出開放權重模型 Inkling 2 Mini,參數規模為 26.4B。模型會讓中間層對每個 token 循環三次,以用更少 token 提升推理能力。
Hebbia 測試 GPT-6 Astra,改善金融研究中的來源檢索和簡報製作。在 Hebbia 的測試中,模型引用所需類型來源的得分比最佳替代模型高 13.6 個百分點,所引段落有 99.5% 與問題相關;另有 97.9% 的適用簡報要求獲得滿足。使用者可循引用和投影片註腳追查來源。
Thinking Machines Lab 與 Hugging Face 發佈 Inkling 2 Mini,一款支援 1M-token 上下文及圖像、文字輸入的本地多模態 MoE 模型。
推薦理由:文章拆解 Inkling 2 Mini 如何重用中間層權重、透過跨輪訊息逐步修正計算,讓 24 個實體層執行相當於 48 個邏輯層的計算,呈現循環式架構的設計。
Thinking Machines 發佈 Inkling 2 Mini,一款開放權重循環 Transformer MoE 模型,總參數量為 26B、活躍參數量為 5.4B。
OpenAI 加強 GPT-6.2 Astra 和 GPT-6.2 Sol 的防護;內部自動化測試中,針對先前請求提取受保護推理內容的攻擊成功率,從 GPT-6 Astra 的 54.0% 降至 GPT-6.2 Astra 的 0.2%。
OpenAI 宣佈加強 GPT-6.2 Astra 和 GPT-6.2 Sol 的對抗性蒸餾防護。自適應黑盒評估中,抽取較早請求受保護推理的平均成功率由 GPT-6 Astra 原有防護下的 54.0% 降至 GPT-6.2 Astra 更新防護下的 0.2%;抽取當前請求則由 22.9% 降至 0.9%。
Thinking Machines Lab 於 2026 年 11 月 20 日發佈開放權重模型 Inkling 2 Mini,總參數量為 26.4 billion parameters、記憶體佔用約 20GB,面向在消費級筆記簿型電腦本地運行。