跳到正文

產品更新

AI 產品與應用的功能上新、改版與商業化動態——誰家的產品變強了、變貴了、能用了。

382條精選相關主題模型發佈行業動態AI 編碼

最新精選

第 261–280 條 · 共 382 條
2025年10月23日週四
  1. OpenAI News61

    OpenAI 推出 ChatGPT 的 Company knowledge 功能,整合企業應用程式資訊回答業務問題

    OpenAI 在 ChatGPT 推出 Company knowledge,將企業應用程式中的上下文帶入對話,提供貼合業務的答案及清晰引用。功能現已向 Business、Enterprise 和 Edu 用户開放,並提供安全、私隱及管理員控制。

    推薦理由:內容呈現 ChatGPT 如何把企業應用程式上下文帶入業務問答,並以清晰引用和管理員控制配合企業使用。

2025年10月22日週三
  1. Hugging Face Blog64

    Hugging Face 與 VirusTotal 合作,持續掃描 Hub 上 2.2M+ 公開模型及數據集倉庫

    Hugging Face 與 VirusTotal 展開合作,持續掃描 Hugging Face Hub 上 2.2M+ 公開模型及數據集倉庫中的文件。瀏覽倉庫、文件或目錄頁時,Hub 會以文件雜湊值查詢 VirusTotal 的威脅情報資料庫,不會向 VirusTotal 傳送原始文件內容。結果可包括檢測數、已知惡意關聯或相關威脅活動情報,供用户下載或整合文件前參考。

    推薦理由:文章交代了以文件雜湊值查詢威脅情報、而不傳送原始文件內容的流程,讓讀者理解安全檢查的資訊來源與隱私邊界。

2025年10月21日週二
  1. gihyo.jp76

    Anthropic 推出 Claude Code on the web 研究預覽版

    Anthropic 於2025年10月21日推出 Claude Code on the web 研究預覽版,讓用戶透過網頁介面操作 Claude Code,無須開啟終端機。

    推薦理由:這次更新把 Claude Code 的操作入口由終端機延伸至網頁,並交代雲端執行環境的隔離與 GitHub 存取限制,呈現其使用方式和安全邊界。

  2. Hugging Face Blog66

    Hugging Face AI Sheets 加入圖片分析、生成與編輯功能

    Hugging Face 為開源工具 AI Sheets 加入視覺功能,讓用户可在試算表中分析圖片、抽取資料、生成及編輯圖像。AI Sheets 透過 Inference Providers 使用數千個開放模型;示例以自訂提示詞從手寫食譜圖片提取文字,並可修訂結果、整理後匯出資料集至 Hub。

    推薦理由:這次更新把圖片理解、生成與編輯納入同一試算表流程,並以手寫食譜示範從提示詞抽取文字、修訂結果到匯出資料集的做法。

2025年10月14日週二
  1. Hugging Face Blog63

    NVIDIA 發佈 Nemotron-Personas-India 印度合成人物設定數據集

    NVIDIA 發佈 Nemotron-Personas-India,一套依印度人口、地理及文化分佈合成的人物設定數據集,採用 CC BY 4.0 授權。數據集包含 21 million 個人物設定(3M 條記錄、每條 7 個設定),支援英語及以天城文、拉丁字母書寫的印地語,並有 27 個欄位和 7.7 billion tokens。

    推薦理由:數據集以印度人口、地域分佈為基礎,涵蓋英語及兩種文字形式的印地語,並採 CC BY 4.0 授權,呈現其作為區域模型訓練素材的語言覆蓋與使用條件。

2025年10月7日週二
  1. Hugging Face Blog66

    BigCodeArena 以實際執行程式碼端到端評估程式生成模型

    BigCodeArena 推出以程式碼實際執行評估程式生成模型的平台,讓使用者並排比較模型、測試輸出並投票。平台支援 10 種語言和 8 種執行環境,並已收集逾 14,000 段對話及 4,731 個投票樣本。

    推薦理由:平台把程式實際執行和互動測試納入模型比較,並按程式語言與執行環境拆分結果,呈現總體排名之外的表現差異。

2025年10月6日週一
2025年9月29日週一
2025年9月25日週四
  1. OpenAI News64

    OpenAI 向手機端 Pro 用户推出 ChatGPT Pulse 預覽

    OpenAI 向手機端 Pro 用户推出 ChatGPT Pulse 預覽,讓 ChatGPT 主動進行研究並提供個人化更新。更新會根據用户的聊天、回饋及日曆等已連接應用提供。

    推薦理由:ChatGPT Pulse 的預覽顯示,個人化更新會參考聊天、用户回饋及日曆等已連接應用,並先面向手機端 Pro 用户。

2025年9月22日週一
  1. Hugging Face Blog68

    Gaia2 智能體基準與 ARE 框架推出,支援複雜互動評測

    Hugging Face 推出 Gaia2 智能體基準及 Meta Agents Research Environments(ARE)框架,用於在更複雜、接近真實情境的環境中執行、除錯和評估智能體。

    推薦理由:Gaia2 將智能體評測從唯讀檢索擴展至含模糊指令、時間要求和環境故障的互動任務,ARE 記錄執行 traces,便於分析智能體在複雜情境中的失誤。

2025年9月11日週四
  1. Hugging Face Blog67

    Together AI 支援微調 Hugging Face Hub 上的兼容 LLM

    Together AI 宣佈可透過其平台微調 Hugging Face Hub 上兼容的 LLM,微調後模型可供推理、下載或推回 Hub。流程以 Together 官方目錄中的基礎模型提供訓練配置,自選的 Hugging Face 模型則是實際微調對象;文中稱一般預期支援 100B params 以下的 CausalLM 模型。

    推薦理由:文章交代了基礎模型提供訓練配置、自選 Hub 模型作為微調對象的分工,並列出讀取私有模型與將訓練結果推回 Hub 的接入流程。

2025年9月2日週二
  1. Mistral AI62

    Mistral AI 為 Le Chat 推出 Memories(beta)記憶功能

    Mistral AI 為 Le Chat 推出 Memories(beta),自動保存有用資訊,並在回想時顯示所用記憶的來源連結。用户可關閉記憶、開啟不使用記憶的 incognito chat,亦可編輯、刪除、匯出及匯入記憶;Memory Insights 會提供可編輯提示,呈現趨勢、摘要及值得重看的時刻。

    推薦理由:文章把記憶功能的設計重點放在可追溯與可管理,並列明來源連結、記憶編輯刪除及匯入匯出,呈現用户如何掌握記憶資料。

  2. Mistral AI75

    Mistral AI 為 Le Chat 推出 20 多個 MCP 連接器並新增 Memories(beta)

    Mistral AI 為 Le Chat 推出 20 多個安全、由 MCP 驅動的連接器,並加入 Memories(beta),讓用户連接工作工具並在不同對話間延續個人上下文。

    推薦理由:Le Chat 把 20 多個 MCP 連接器與可由用户管理的 Memories 放在同一助手中,並向所有用户開放,呈現工具操作和跨對話記憶的整合方式。

2025年8月8日週五
  1. Hugging Face Blog67

    Hugging Face 推出開源 AI Sheets,供用户無代碼建立、豐富及轉換資料集

    Hugging Face 推出開源無代碼工具 AI Sheets,讓用户使用 AI 模型建立、豐富及轉換資料集。它以試算表介面新增提示詞欄位,支援透過 Inference Providers 使用 Hugging Face Hub 上數以千計的開放模型,也可使用本地模型,並可本機部署或部署至 Hub。

    推薦理由:AI Sheets 將提示詞生成、人工校訂與資料集匯出串成工作流,校訂及按讚的儲存格可作為 few-shot 範例供後續生成重用。

2025年8月6日週三
  1. OpenAI News69

    OpenAI 與美國總務署(GSA)合作,向美國聯邦行政部門全體員工提供一年幾乎免費的 ChatGPT Enterprise

    OpenAI for Government 宣佈與美國總務署(GSA)合作,未來一年向美國聯邦行政部門全體員工提供幾乎免費的 ChatGPT Enterprise。OpenAI 將此安排作為一項新倡議推出。

    推薦理由:安排涵蓋整個美國聯邦行政部門員工,並設定為期一年且幾乎免費,呈現這項合作的服務覆蓋範圍與使用期限。

2025年7月29日週二
2025年7月22日週二
  1. Hugging Face Blog61

    NVIDIA NIM 支援在 Hugging Face 部署逾 100,000 個 LLM

    NVIDIA NIM 現可透過單一 Docker 容器部署 Hugging Face 上逾 100,000 個 LLM。NIM 會自動識別模型格式、架構和量化格式,並在 NVIDIA TensorRT-LLM、vLLM 與 SGLang 間選擇後端及套用預設設定。

    推薦理由:文章展示 NIM 如何按模型格式、架構與量化方式自動選擇推理後端,並以部署示例説明從 Hugging Face 模型到 Docker 服務的操作流程。