跳到正文
10月10日週六
10月9日週五
  1. Hacker News 熱門(buzzing.cc 中文翻譯)64

    StepFun 的 Step 5 Preview 登陸 OpenRouter,支援 1M 上下文窗口

    StepFun 的 Step 5 Preview 已登陸 OpenRouter,採用稀疏 MoE 架構,總參數量為 600B、啟用 27B。模型支援 1,000,000-token 上下文,面向跨大型程式碼庫及文件的長任務,並可使用工具逐步完善結果。頁面標示價格為每 1M 輸入 tokens $1.00、每 1M 輸出 tokens $2.70。

10月8日週四
  1. Hugging Face Blog54

    TII 推出 Falcon-ASR 阿拉伯語語音識別模型,聚焦阿聯酋方言

    TII 推出 Falcon-ASR,這款 1.6 billion 參數的阿拉伯語語音識別模型特別聚焦阿聯酋方言,亦支援英語、法語、西班牙語及葡萄牙語。在六組阿拉伯語測試集上,Falcon-ASR 平均 WER 為 20.92%,較所用排行榜快照中的最佳已公佈結果低 2.25 個百分點;內部阿聯酋方言測試的 WER 和 CER 分別為 22.73% 和 10.19%。

  2. Semafor45

    Emirati dialect-trained AI models are released by Abu Dhabi's Technology Innovation Institute

    阿布扎比技術創新研究院推出以阿聯酋阿拉伯語方言訓練的 AI 模型,改善翻譯、轉錄及語音服務。其語音識別模型有 1.6 billion parameters,據該研究院稱,準確度高於一個 30-billion-parameter model。研究院希望透過本地方言、慣用語和文化參照訓練模型,減少翻譯錯誤,令 AI 更切合區內需要。

  3. Cartesia 產品與研究57

    Mamba-3B-SlimPJ 發佈,訓練 FLOPs 少 17% 並匹配同級 Transformer

    Cartesia 與 Together 發佈 Mamba-3B-SlimPJ,這款 2.8B 參數模型以 600B tokens 訓練,採 Apache 2.0 授權。它以少 17% 訓練 FLOPs,達到 BTLM-3B-8K 等強勁 3B Transformer 的模型品質。訓練使用 SlimPajama 數據集、上下文長度為 2048,模型亦可作為實驗及聊天和指令微調模型的基礎。

  4. Cartesia 產品與研究57

    Cartesia 發佈 Sonic 低延遲語音模型

    Cartesia 發佈語音模型 Sonic,可生成逼真語音,模型延遲為 135ms。Sonic 隨附網頁 Playground 和低延遲 API,支援即時聲音克隆及聲音設計(速度、情緒),相關功能亦可透過 API 使用。

  5. Cartesia 產品與研究58

    Cartesia 宣佈 $64 million A 輪融資並推出 Sonic 2.0

    Cartesia 宣佈由 Kleiner Perkins 領投的 $64 million A 輪融資,並推出語音生成模型 Sonic 2.0。Sonic 2.0 採用新的狀態空間模型架構,規模是 Sonic 的兩倍,全模型延遲為 90ms、turbo 為 40ms;在以 100 個留出語音進行的盲測對比中,選擇 Sonic 2.0 的人數是選擇次佳供應商的 1.5 倍。

  6. 創業邦80

    OpenAI 宣佈 GPT-6 開放予全球每週超過 12 億名 ChatGPT 用戶,並加入智能 UI

    文章稱,OpenAI 宣佈 GPT-6 開始向全球每週超過 12 億名 ChatGPT 用戶開放,並加入可在對話中生成互動介面的智能 UI。Plus、Pro、Business 和 Enterprise 用戶先行,Free 和 Go 用戶明天起可用;文章稱 GPT-6 Sol 服務高階付費用戶,GPT-6 Luna 面向免費用戶。

    推薦理由:烤羊腿規劃和自行車拆解示例,呈現智能 UI 如何把文字回答轉為可調整、可操作的介面,讓功能主張有具體場景可參照。

  7. Cartesia 產品與研究61

    Mamba-3:以推理為先的狀態空間模型

    Goomba Lab 介紹 Mamba-3,一種以推理效率為設計重點的狀態空間模型,並開源其 kernels。模型採用更一般的遞迴、複數值 SSM 與 MIMO;在 1B 尺度下,MIMO 下游任務準確度較一般 Mamba-3 高逾 1 個百分點,且解碼延遲沒有增加,但訓練時間較長。

  8. 中華網科技83

    OpenAI 向所有 ChatGPT 用戶推出 GPT-6 系列及 Intelligent UI,全球每週活躍用戶逾 12 億

    OpenAI 宣佈向所有 ChatGPT 用戶推出 GPT-6 系列模型及 Intelligent UI;ChatGPT 全球每週活躍用戶超過 12 億。Intelligent UI 會按用戶問題組合文字、圖像和互動元素生成回覆,並可加入圖表、可點擊按鈕及表單。官方示例展示用戶透過互動式視覺效果學習打麻將,效果會隨學習、嘗試和發現作出反應。

    推薦理由:GPT-6 系列由 ChatGPT Work 和 Codex 擴展至所有 ChatGPT 用戶,Intelligent UI 則把文字、圖像和互動元件納入回覆。

  9. Recraft 自有模型與設計產品55

    Recraft 團隊分享如何打造 SOTA 含文字圖像生成模型 Recraft V3

    Recraft 團隊從零訓練 Recraft V3,並稱模型可在圖像中生成長篇文字。Recraft V3 在 Artificial Analysis 的 Hugging Face Text-to-Image Model Leaderboard 排名第 1,ELO 評分為 1172。模型以文字版面圖作為額外條件,並在訓練和推理階段提供給圖像生成模型;版面可手動設定或由模型生成。

  10. Ideogram Blog71

    Ideogram 4.0 技術細節:9.3B 開放權重文字生成圖像模型

    Ideogram 4.0 是一款 9.3B 參數的開放權重文字生成圖像模型,採用 34 層單流 DiT。文字編碼器為 Qwen3-VL-8B-Instruct,模型只以結構化 JSON 圖像描述訓練,參考推理流程會按 JSON schema 驗證提示詞。權重、推理程式碼、提示詞指南和 sampler presets 已公開,nf4 checkpoint 可容納於單張 24 GB GPU。

  11. Latent Space77

    Anthropic 發佈 Claude Haiku 5.5,定價與 GPT-6 Luna 相同

    Anthropic 發佈 Claude Haiku 5.5,這是約一年來首個 Haiku 系列更新,定價與 OpenAI GPT-6 Luna 相同。模型提供 1M-token 上下文,並定位為與 Opus 5.5 或 Sonnet 5.5 配合、處理高用量成本敏感工作的子智能體;輸入和輸出價格按提示長度分級,超過 100K tokens 時價格較高。

    推薦理由:這組資料並列每 token 定價、長提示詞加價與高 effort 下的 token 用量,呈現評估 Claude Haiku 5.5 成本定位時需要考慮的差異。

  12. IT之家52

    PFN 發佈 PLaMo 3 Translate 31B:日語翻譯表現優於 GPT-6.1 Sol

    Preferred Networks(PFN)發佈翻譯模型 PLaMo 3 Translate 31B,並稱其四項翻譯基準的平均分數高於 OpenAI 的 GPT-6.1 Sol 和 GPT-6 Astra。模型以 PLaMo 3 為基礎,支援 53 種語言,並提供涵蓋 15 種語言的線上會議翻譯模式。每 10 萬個輸入字符收費 14 日圓(約合 0.59 元人民幣)。

  13. MarkTechPost78

    Anthropic 發佈 Claude Haiku 5.5,支援 1M token 上下文窗口,輸入價格為每百萬 tokens $0.10

    Anthropic 發佈 Claude Haiku 5.5,支援 1M token 上下文窗口及最多 128K 輸出 tokens,面向摘要、分類和子智能體等高用量工作。

    推薦理由:文章並列兩段式定價、基準比較和建議工作負載,呈現 Haiku 5.5 作為子智能體模型的定位,以及它與 GPT-6 Luna 的長提示詞價格差異。

  14. 比特網 AI82

    GPT-6 登陸 ChatGPT,Intelligent UI 讓回答可互動

    OpenAI 將 GPT-6 分階段推送至 ChatGPT,並同步推出 Intelligent UI,讓回答可包含可點擊元件、動態圖表及即用工具。10月7日先向 ChatGPT Plus、Pro、Business 及 Enterprise 付費用戶開放 GPT-6 Sol,10月8日起向 Free 和 Go 用戶推送 GPT-6 Luna。

    推薦理由:文章交代 GPT-6 分階段推送的用戶層級與模型配置,並呈現 Intelligent UI 如何按問題場景選擇互動式回答形式。