跳到正文
目前篩選:模型
今天11月22日週日5 則
  1. IT之家49

    開發者將微型 Transformer 模型放進軟碟,讓 486 舊電腦也能使用 AI

    開發者 WollyMonjac 將 Tiny 2.1 微型問答 Transformer 模型放進軟碟,讓運行 DOS 的 486DX 和 Pentium 舊電腦也能使用 AI。模型有 36.7 萬個參數,採用 4 層網絡及 8 位量化,大小約 380 KB;運行需要約 540 KB 可用常規記憶體。軟件以 MIT 許可證發布,並提供訓練文件夾,供用戶自行補充訓練資料。

  2. gihyo.jp76

    Thinking Machines Lab 開放權重發佈 Inkling 2 Mini,以循環方式運行中間 12 層

    Thinking Machines Lab 開放權重發佈 264 億參數的 Inkling 2 Mini,可由文字或圖片生成文字及程式碼。模型共 24 層,每個 token 會將中間 12 層依次運行 3 次,合計經過 48 層;每個 token 使用 34 億個參數,計入重用權重則合計 54 億個。

    推薦理由:文章將 Inkling 2 Mini 與 Qwen3.8-27B、Gemma 4 31B 的單 token 參數用量及基準成績並列,方便比較循環層設計的計算取捨。

  3. 阿里雲開發者社區 AI66

    阿里雲 Qwen4-Max 預覽版上線,模型調用限時 2 折

    阿里雲於 2026 年 11 月 11 日上線通義千問第四代旗艦 Qwen4-Max 預覽版,預覽期內模型調用按標準費率的 20% 計費。模型支援 100 萬 Token 上下文及文字、圖片、影片輸入,並具備原生 Agentic 能力。優惠至 2026 年 11 月 25 日 24:00(UTC+8);屆時 qwen4-max-preview 模型標識將下線,正式版會採用全新模型名稱。

  4. DEV Community50

    AI 智能體的 token 用在哪裏:Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 測試 9 個 GitHub bug,各修復 1 個

    Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 各自處理 9 個 GitHub bug,合共呼叫模型 964 次,兩個模型都只修復 1 個 bug。按付費牌價計算,每個成功修復的 bug 分別花費 $0.561 和 $0.426;作者指出,未計入快取的工作流程計算器估算成本高出 2.4 倍和 1.8 倍。

11月21日週六
  1. 阿里雲開發者社區 AI55

    Qwen3.8-Max 是甚麼?阿里雲旗艦大模型功能、適用場景及計費方案説明

    阿里雲開發者社區文章介紹 Qwen3.8-Max 的模型定位、主要能力、適用場景及計費方式,並列出按量 API 和 Token Plan 兩種模式。文章稱,Qwen3.8-Max 採用 2.4 萬億參數 MoE 架構,支援百萬 Token 上下文、文字、圖片及影片輸入,並針對智能體、編碼和專業辦公等複雜任務。

  2. Hugging Face Blog71

    Inkling 2 Mini 發佈,面向本地部署的多模態 MoE 模型

    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。

  3. Thinking Machines Lab:News79

    Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型

    Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型,採用循環 Transformer 架構,總參數量為 26.4B,記憶體佔用約 20GB。

    推薦理由:Inkling 2 Mini 以循環架構增加每個 token 的內部計算,團隊並以可變循環版本測試其無 CoT 能力及思路可監督性,提供理解兩者關係的實驗觀察。

11月20日週五
  1. 阿里雲開發者社區 AI71

    Kimi-K3 全面解讀:模型定位、核心特徵、能力表現、適用場景及計費

    Kimi-K3 定位為面向長程編程、知識工作及推理的旗艦模型,最大輸入和輸出均為 1,048,576 Token,並已上架阿里雲百煉。它採用 KDA 混合線性注意力與注意力殘差,支援原生視覺理解,但只有思考模式。華北2(北京)/全球的輸入、輸出及快取命中價格分別為 20、100、2 元/百萬 Token,且沒有免費額度。

  2. 阿里雲開發者社區 AI68

    阿里雲 DeepSeek-V4.1-Flash 全面解析:模型定位、核心特徵、能力表現、適用場景及計費詳解

    DeepSeek-V4.1-Flash 是一款 552B MoE 模型,已在阿里雲百煉上架;其架構、基準表現、適用場景及計費方式均有詳細説明。它在多項編程、終端及自動化基準上的表現高於 V4-Pro,但知識問答類表現略低;上下文窗口為 1M,最大輸出為 384K。快取命中輸入價為未命中的 1/50,阿里雲百煉與 DeepSeek 官方的忙閒時段定義不同,排產須按調用入口區分。

  3. 阿里雲開發者社區 AI55

    阿里雲 Qwen4-Max 功能、適用場景、價格及首發優惠介紹

    阿里雲百煉平台上線 Qwen4-Max 預覽版,並將其接入 Token Plan 訂閲體系;新用戶首購套餐可享5折優惠,至11月30日。Qwen4-Max 支援文字、圖像理解、工具調用、聯網搜尋及結構化輸出,適用於複雜文檔解析、代碼開發和智能體任務。預覽版目前只可透過 Token Plan 調用,不開放單獨按量計費;Lite 套餐折後每月19.5元,含20000 Credits。

  4. 阿里雲開發者社區 AI70

    Qwen4‑Max 與 Qwen3‑Max 比較評測:兩代旗艦模型差異解析

    Qwen4‑Max 預覽版相較 Qwen3‑Max,差異集中在任務定位、原生多模態、智能體動作範圍、發布流程及訂閲計費五方面。預覽版透過 Token Plan 訂閲 Credits 調用,不開放按量計費,並會於 11 月 25 日下線。文章指出,參數量、上下文窗口、完整基準跑分、開源規劃及正式版定價尚未由官方公佈,其他 Qwen4 型號的測試成績不能代表 Qwen4‑Max 的表現。

11月19日週四
  1. TNW78

    Google 發佈 Gemini 4 Neon,在 AI 評測排名第三並取代 Gemini app「Deeper analysis」中的 Argon

    Google 發佈 Gemini 4 Neon,定位介乎 Gemini 4 Hydrogen 與 Gemini 4 Carbon 之間,並開始在 Gemini API、Gemini for business、Google Antigravity 及 Gemini app 推出。

    推薦理由:文章以 Carbon 為參照比較 Neon 的排名、輸出速度與任務成本,並指出成本較低源於 token 定價較低,而非答案較短。