跳到正文
10月30日週五
  1. 阿里雲開發者社區 AI45

    通義千問 Qwen3.8-Flash 深度拆解:GDN 與 QSA 混合注意力機制解析及企業落地指南

    通義千問 Qwen3.8-Flash 面向高併發、長上下文場景,採用 GDN+QSA 混合注意力機制,提供多模態理解、工具調用及百萬級 Token 上下文能力。模型總參數量為 125B,單次推理激活 6B 參數;在百萬 Token 長上下文場景下,預填充最高加速 7.6 倍,解碼最高加速 4.9 倍。文章亦涵蓋 API 接入、計費方式和使用限制。

  2. HuggingFace Daily Papers(社區熱門論文)44

    LARC:統一多模態模型的連續空間潛在推理

    LARC 為統一多模態模型引入連續空間潛在推理,改善圖像生成質素,並支援測試時擴展,避免離散 token 瓶頸。其訓練分兩階段:課程式監督微調,以及資訊增益強化學習;後者無需真值監督。LARC 在 GenEval 上取得最先進表現,較 BAGEL 提升 7%p,並在平行及循序測試時擴展策略下,展現優於基於 token 生成的表現。

  3. Cartesia 產品與研究65

    Cartesia 發表 H-Nets 規模擴展研究:從 Tokens 到 Bytes(一)

    Cartesia 研究團隊分享改良版 H-Nets 的規模測試,結果顯示模型可在模型內動態分塊,並在語言建模中提升計算效率。受控的單階段 H-Net 比較中,BPE Transformer 需 1.28× 計算量才能達到相同驗證損失;在 Paloma 和 OLMES 評測中,所需計算量分別是 H-Net 的 1.83× 和 2.06×。

  4. AWS Machine Learning Blog61

    如何在 Amazon EKS 和 SageMaker HyperPod EKS 上以 NVIDIA Nemotron 模型加速智能體 AI

    AWS Machine Learning Blog 介紹如何在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型,以支援智能體 AI 工作流程。

    推薦理由:文章以並行度測試比較聚合與分離式部署,並示範如何根據 TTFT、ITL 和吞吐量規劃容量及判斷擴展方向。

  5. 新浪科技44

    心繫天下三星W27正式發布

    中國電信與三星電子發布折疊屏手機心繫天下三星W27,搭載第五代驍龍8至尊版(for Galaxy),配備2億像素主攝及8.0英寸內屏。16GB+512GB版本建議零售價18,999元,16GB+1TB版本為21,999元;10月29日開放登記預約,11月13日全渠道開售。

10月29日週四
  1. DEV Community36

    普通醫院實際上能用哪類醫療 AI?

    普通醫院要採用醫療 AI,系統須能應對樣本有限、模態配對不全及平台差異,並清楚交代適用邊界。預印本研究以 RAEE 和 BLF-Net-MUL 探索多模態腫瘤 AI,但尚未經同行評審,亦未證明具前瞻性臨牀效益或可在新醫院可靠部署。研究者提出,部署前應驗證本地數據、缺失輸入情境、不確定性處理、成本及臨牀工作流程。

  2. Hugging Face Blog80

    Mistral Large 4(Le Chonk)登陸 Hugging Face,提供模型權重與部署指南

    Mistral Large 4(Le Chonk)以開放權重形式登上 Hugging Face,提供 FP8 和 NVFP4 兩個官方版本。模型是多模態、多語言 MoE,約有 1T 總參數、49B 活躍參數及 1M tokens 上下文窗口,支援文字和圖片輸入並生成文字。

    推薦理由:文章整理 Mistral Large 4 在 Transformers、vLLM 和 llama.cpp 的部署方式,並附上不同硬件配置與上下文長度下的實測速度,提供實際部署參考。

  3. Mistral AI76

    Mistral Large 4(Le Chonk)發佈改進版開放權重

    Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。

    推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。

  4. HuggingFace Daily Papers(社區熱門論文)42

    視覺基礎模型中的空間狀態表徵探究

    研究以 10 種表徵檢視視覺基礎模型的空間能力,發現可讀取場景不代表能持續追蹤物件、預測空間更新或可靠地支援目標導向行動。物件持續性和可行動性建基於相機位姿讀取,特徵預測則建基於可見場景讀取。各項能力亦隨任務、網絡層及觀察前綴長度而異。

  5. 第一財經24

    國信證券:持續提升綜合金融服務能力,夯實高質量發展根基

    國信證券自2026年以來聚焦主責主業,拓展綜合金融服務的廣度與深度,提升服務實體經濟質效。2026年前三季度,公司完成股權類主承銷項目12.33家、承銷總額78.71億元,債券主承銷金額1660.8億元;國信資管發行4單綠色及鄉村振興ABS,規模合計67.01億元。公司業務應用系統自主掌控比例達60%,國信金太陽及核心交易等關鍵系統實現100%自主掌控,並建設多模態模型矩陣。

  6. 新浪科技38

    心繫天下三星W27正式發佈

    中國電信與三星電子發佈摺疊手機心繫天下三星W27,搭載第五代驍龍8至尊版(for Galaxy),提供16GB+512GB及16GB+1TB兩種版本。建議零售價分別為18,999元及21,999元,10月29日開放登記預約,11月13日全渠道開售。

  7. 阿里雲開發者社區 AI52

    Apache Doris + Vane:讓多模態數據進入業務分析

    Apache Doris 與 Vane 將錄音、圖片、影片等多模態內容加工為文本、候選分類及向量,接入業務數據,與訂單、工單和生產批次關聯分析。文章以售後錄音示範由 Vane 轉寫、分類和向量化,再寫入 Doris,透過 SQL 進行相似回饋檢索、業務追溯及按批次彙總候選工單。資料保留原始錄音路徑和片段時間位置,候選分類仍須復核;按批次統計的是候選工單數,並非故障率。

  8. 阿里雲開發者社區 AI35

    EMR Serverless Spark 多模態數據處理產品選型:能力定位與適用邊界

    EMR Serverless Spark 定位為面向湖倉一體場景的 AI 就緒型數據底座,透過 Daft、GPU + Ray 資源調度及 AI Function,將多模態處理整合為可編排、可計量、可回溯的數據算子。它適用於 TB 級多模態數據集構建及內容安全聯合分析,但不適合超低延遲實時推理或深度定製 CUDA 內核的需求。

  9. 新浪科技46

    心繫天下三星 W27 正式發布

    中國電信與三星電子正式發布心繫天下三星 W27,提供16GB+512GB及16GB+1TB版本,建議零售價分別為18,999元及21,999元。手機搭載第五代驍龍8至尊版(for Galaxy),配備2億像素主攝、Galaxy AI及天通衞星通信,並支援衞星通話和短信。三星 W27於10月29日開放登記預約,11月13日全渠道開售。

  10. 阿里雲開發者社區 AI44

    透過百煉處理影片、圖片、文本及音訊數據:EMR Serverless Spark 的能力邊界與適用條件

    EMR Serverless Spark 可將百煉模型整合為可編排的數據算子,支援文本、圖像及影片抽幀處理,音訊則須先轉為圖像才能接入百煉。esr-4.7.0 或以上版本中,單作業最多可調度 64 張 A10,理論峯值約 5000 幀/秒,但實際吞吐受 OSS 帶寬、Daft 快取及百煉 PTU 配額限制。

  11. 阿里雲開發者社區 AI41

    多模態內容對 GEO 的影響:文字、圖片與影片

    多模態內容透過圖片替代文字、影片標題、簡介及字幕等文本訊號,參與生成式引擎對內容主題的理解。圖文和影片亦可藉提高傳播度、帶來更多自然提及和連結,間接強化內容在文字答案中的引用機會。以文字講清核心資訊,並為多種內容補全準確文本訊號,有助系統理解和關聯內容。

  12. 阿里雲開發者社區 AI24

    GPU 加速多模態數據處理產品選型:能力差異與選擇條件

    EMR Serverless Spark 以統一調度層、標準化 AI 接口和 Daft 引擎,將 GPU 能力整合至多模態數據處理流程,應對數據鏈路中的編排斷裂。平台透過資源聲明、執行優化和運維治理三層抽象,支援 GPU 彈性調度、多模態處理及企業級治理。文章按數據規模、團隊技術能力和驗證需求列出適用場景,並指出純 GPU 密集型推理或極致 CUDA 優化任務更適合其他方案。

  13. 雷鋒網58

    約20人團隊用9個月以AI打造《不問凡塵》,吸引逾26萬玩家體驗

    《不問凡塵》由約20人團隊依託火山引擎的模型與雲服務,用9個月完成開發上線,整體製作成本約為傳統製作的1/3。上線僅三週,作品在 Steam 的好評率達87%,預估流水近千萬元,玩家超過26萬。團隊用 Seedance、Seedream 和 Seed TTS 生產影片、圖像及語音資產,再以圖層、狀態機和玩家輸入接入互動,並透過 TRAE 與 Agent 工作流自動化研發流程。

  14. DoNews36

    騰訊混元 Hy4、Hy4 flash 即將發佈,首次引入視覺理解能力

    騰訊宣佈 Hy4 即將發佈,相比 Hy4 preview,Hy4 全面提升長程和真實生產力任務能力、思維鏈效率,並首次引入視覺理解。Hy4 flash 也將於近期發佈,提供實用模型,並繼承 Hy4 的視覺和 Agent 能力。去年 8 月 28 日發佈並開源的 Hy4 preview 總參數為 770B、激活參數為 49B,上下文長度超過 1M。

  15. DoNews53

    Machenta 完成 4000 萬美元種子輪融資

    Machenta 於10月29日宣佈完成 4000 萬美元種子輪融資,由 Union Square Ventures 與 Creandum 聯合領投。公司研發機器人基礎模型,採用純仿真數據預訓練,並稱機器人僅需一次人類操作演示即可掌握新任務,兼容不同硬件平台。Machenta 不自研機器人硬件,主要向機器人廠商及集成商提供模型授權與開發套件。

  16. 阿里雲開發者社區 AI38

    跨境電商商品素材本地化如何處理:技術方案拆解與選型思路

    跨境電商商品素材本地化需按素材類型選擇技術路徑:文本採用垂直領域翻譯並人工校對,圖片經文字識別、擦除及譯文回填,影片則處理字幕、配音和口型同步。選型應考慮素材類型、本地化深度和批量規模;AI 負責初步處理,關鍵內容、圖片排版及影片配音仍須人工複核。

  17. 阿里雲開發者社區 AI27

    Qwen3.8 搶先體驗:最新版即將發布並開源?

    阿里通義實驗室宣佈 Qwen3.8 全系列正式開源,涵蓋 2.4 萬億參數的 Qwen3.8-Max 及可單卡運行的 Qwen3.8-27B。Qwen3.8-Flash 的推理成本低至每百萬 Tokens 輸入 1 元人民幣。全系列採用 Apache 2.0 協議,已在 Hugging Face 等平台上線,並可經阿里雲通義千問平台調用 API 或下載模型權重。

  18. 阿里雲開發者社區 AI41

    阿里雲 AI 動畫方案技術架構解析:FC、ComfyUI 與百煉模型如何串接

    阿里雲開源的「AI劇本生成與動畫創作」方案,以 FC 調度 ComfyUI 和百煉模型,並透過 OSS 儲存素材、由 WebUI 提供操作介面。方案分為計算、生成、儲存和交互四層,支援劇本續寫及以參考圖維持角色一致性。生成內容定位為初稿和粗剪,仍需人工審稿與調整。

  19. 阿里雲開發者社區 AI30

    阿里雲瓴羊 Quick Service:具備情感識別能力的客服機械人哪家好?

    阿里雲瓴羊 Quick Service 將情感識別融入客服理解、路由、協同與執行流程,按用戶情緒調整回覆策略及人工介入時機。文中引用的研究數據顯示,具備情感識別能力的智能客服,客戶滿意度較傳統系統高出41%,投訴升級率降低53%。Quick Service 亦支援多模態情緒感知、轉接時同步對話摘要與情緒標籤,以及為人工坐席提供即時預警。

  20. 阿里雲開發者社區 AI44

    LLM 基礎理論發展史

    LLM 的理論演進由分佈式詞表示、Transformer 和預訓練,延伸至縮放定律、對齊、效率優化、推理、多模態與 Agent。文章按 00~06 梳理各階段的關鍵技術及因果關係,並以表示演進、架構收斂、規模與效率、對齊和能力外延總結發展主線。