跳到正文
10月20日週二
  1. DEV Community56

    Darwin-27B-ZTC-v9 在 S1MB 英文版 137 項基準排行榜排名第一

    Darwin-27B-ZTC-v9 在 S1MB 英文版涵蓋 137 項基準的排行榜中取得 Borda 排名第一,評測包含 197 個模型。S1MB 逐項按基準排名後加總;該模型按任務平均分 72.20 排第二,兩種排序回答不同問題。ZTC 模型以單次前向傳播輸出選項概率而不生成文字,權重以 Apache-2.0 授權公開;文章指出,校準概率可用於設定自動判斷門檻。

  2. Hacker News:AI 熱帖66

    AI 證明準黎曼猜想後,數學界接下來會怎樣?

    AI 已證明準黎曼猜想;Sarnak 表示,只有人類核查並理解全部細節後,他才會接受它為定理。Hacker News 討論提到,7/8 結果已通過 Lean 驗證,專家則正查看尚未驗證的 11/12 論文,因為它篇幅較短,而且是唯一經人類編輯的版本。Quanta 引述稱,準黎曼猜想的證明將迅速確立數論、幾何及理論計算機科學中的多項數學結果。

  3. DEV Community65

    375 款模型在 137 家供應商間的 API 價格比較揭示極端價差

    文章比較 137 家供應商提供的 375 款模型 API 輸入價格,發現中位價差為 0.0%,但 42 款模型的價差超過 200%。其中 openai/gpt-oss-120b 在 13 家供應商的輸入價格介乎 $0.03/M 至 $0.8/M,價差為 2566.7%。文章指出,價差主要來自 GPU 時租託管與專門推理平台的不同定價模式;數據是價格快照,長上下文及不同量化版本亦可能影響比較。

  4. 第一財經33

    中信建投:建議關注企業級AI應用、算力服務及國產芯片和超節點

    中信建投建議關注企業級 AI 應用、算力服務及國產晶片和超節點,並指出國產模型能力、調用成本和工具配套改善。DeepSeek 更新 V4.1 Flash,DeepSWE 評分由 74.2% 升至 77.0%,API 價格不變,並開放搜尋與抓取介面;三方測評中,其 Pi 框架 high 檔位通過全部隱藏測試,平均每項任務費用為 0.045 美元。

  5. HuggingFace Daily Papers(社區熱門論文)41

    Ask-to-Distill:學習為在策略知識蒸餾合成數據

    Ask-to-Distill 透過優化合成問題,提升在策略知識蒸餾中的教師與學生分佈監督效果,過程無需正確答案。此方法在數學推理、程式碼生成及智能體任務中,平均表現和教師差距恢復均優於未優化的學生生成提示詞及經 KL 篩選的真實問題,在評估設定中與真實問題集蒸餾持平或更佳。程式碼、數據及模型均已公開。

  6. HuggingFace Daily Papers(社區熱門論文)31

    WORTH Benchmark:非完全合作資訊下的證據發現——兩集試點研究

    WORTH Benchmark 評估模型在懸疑故事中自主發現證據及推理的能力,兩集試點顯示線索選取與人物判斷並不同步。Episode 02 的 37 次可評分測試中,31 次選出相同的一組錯誤人物;疑點句與洗脱嫌疑句分別被選取 25 次和 0 次。研究僅涵蓋兩集,未建立穩定的模型排名,也未報告人類與模型的比較。

  7. HuggingFace Daily Papers(社區熱門論文)47

    ProVe:提議者-驗證者解碼

    ProVe 透過微調大型模型,使其一次預測一批未來 token,再以額外一次前向傳播驗證,反轉 speculative decoding 的提議與驗證角色。使用 32B 提議模型時,ProVe-lossless 在六項 benchmark 的平均自回歸生成吞吐量達 2.5 倍,無須訓練獨立 draft head。

  8. HuggingFace Daily Papers(社區熱門論文)51

    擴散語言模型智能體之間的隱藏訊息:潛在溝通的因果證據

    研究指出,擴散語言模型智能體可透過壓縮的連續隱藏訊息影響另一智能體的推理,且傳遞時機有時比反覆交換更重要。QASC 任務中,兩項支持事實分由兩個智能體掌握時,匹配訊息使準確率達 80.8%,錯誤樣本訊息則降至 46.8%,相差 34.0 個百分點。一次較晚傳遞達 87.8%,比四次循環交換高 7.0 個百分點。

  9. elsewhere:文章37

    央視《對話》| 曦望要做AI產業“損益優化師” | 心星 PORTFOLIO

    曦望聯席 CEO 王湛表示,公司將專注推理算力,致力於降低單位 Token 成本,並以“用得起、用得穩、跑得快”為技術創新出發點。曦望稱,啓望 S3 相比上一代 S2 推理性能提升約 5 倍,單位 Token 推理成本下降約 90%。曦望還推出 256 卡超節點,通過高速互聯架構實現 256 張卡一級互聯。

  10. Hacker News 熱門(buzzing.cc 中文翻譯)76

    Mercury 3 發佈,擴散式 LLM 推理速度達每秒 1,000+ tokens

    Mercury 3 正式推出;InceptionLabs 稱它在多項基準中勝過 GPT-6 Luna 和 Claude Haiku 5.5,並以 4–8x 更快的速度達每秒 1,000+ tokens。

    推薦理由:材料列出速度、上下文窗口和價格,並提供 Mercury 3 在 50 項 Mind2Web 導航任務中的結果,便於對照模型指標與部署案例。

  11. Inception Labs:Blog39

    Mercury 2 Named to TIME's Best Inventions of 2026

    Mercury 2 入選 TIME 2026 年最佳發明的人工智能類別,是以擴散模型為基礎、具推理能力的 LLM。它每秒生成超過 1,000 個 tokens,速度較領先的速度優化 LLM 快逾 5 倍,並可在普遍可用的 NVIDIA GPU 上運行。公司其後推出 Mercury 2.5、Mercury Voice、Mercury Router 和 Mercury Decide。

  12. 螞蟻 inclusionAI:HuggingFace 新模型45

    inclusionAI/Ling-3.0-flash-Sante 醫療模型介紹

    inclusionAI推出醫療專用研究模型 Ling-3.0-flash-Sante,基於 Ling-3.0-flash,總參數量為 124B,每個 token 啟用 5.1B 參數。模型訓練上下文長度達 256K tokens,支援醫療推理、深度研究及工具輔助工作流程,權重可在 Hugging Face 和 ModelScope 取得。它不是醫療器械,不能取代專業醫療建議、診斷或治療。

10月19日週一
  1. DEV Community49

    隱藏 AI 智能體的推理過程,會失去除錯線索

    AI 智能體隱藏推理過程可降低 tokens 開支和延遲,但會失去查明異常決策原因所需的可讀除錯紀錄。推理可見度應按步驟設定:查詢路由可關閉説明,退款審批及面向客戶的回覆則保留理由。團隊可按一週實際流量比較説明開啟與關閉時的 tokens 開支。

  2. 第一財經63

    MiniMax 正式發布新一代 Flash 模型 M3.1 Flash

    MiniMax 正式發布新一代 Flash 模型 M3.1 Flash,稱其在智能體任務、編程、Computer Use 及網絡安全能力上實現代際提升。此前以匿名身份處理超過 200T Token 的 Space Bunny,是 M3.1 Flash 的早期版本。M3.1 Flash 線上推理速度提升近 3 倍,使用成本降低 70%。

  3. elsewhere:文章33

    打開“生命黑箱”,我們需要看見什麼?| 峯瑞報告

    AI可結合實驗數據與生物學或物理化學約束,重建、模擬和預測生命系統尚未被觀測的中間過程,讓藥物研發由觀察靜態結構延伸至推演動態變化。文章以環肽、虛擬細胞及分子膠説明這條路徑;百曜科技的 CellOS 以 3.905 億個人類單細胞轉錄組數據訓練,參數規模達 120 億,採用 LLM-JEPA 架構。