跳到正文

#多模態

RSS
今日 5 則
11月13日週五
  1. Hacker News (official RSS)83

    Apple Foundation Models framework 擴充伺服器模型支援並新增 Dynamic Profiles

    Apple Foundation Models framework 擴充為可透過同一套 Swift API 使用端側與伺服器模型,並新增 Dynamic Profiles、Evaluations framework 與 fm 命令列工具。

    推薦理由:框架將端側與伺服器模型整合至同一套 Swift API,並加入可切換模型與工具的 Dynamic Profiles,呈現應用程式整合方式的變化。

  2. The Decoder87

    Google Gemini 4 Hydrogen 發布後四週,基準分數超越較大型的 Argon

    Google Gemini 4 Hydrogen 正式推出,定位為快速、低成本的通用模型,並在 Artificial Analysis Intelligence Index 的預設 high 層級以 51 分超越較大型的 Gemini 4 Argon(50 分)。

    推薦理由:Hydrogen 在不同思考層級呈現明顯的成本與分數差異,並與 Argon、其他模型及多項基準比較,便於評估日常工作所需的取捨。

  3. aihot88

    Google DeepMind 發布 Gemini 4 Hydrogen,主打快速執行日常編碼與AI 助理工作流

    Google DeepMind 發布 Gemini 4 Hydrogen,這款模型主打快速執行日常編碼與AI 助理工作流,並自即日起向開發者、企業及一般使用者開放。

    推薦理由:Hydrogen 定位為快速執行模型,並提供與 Carbon、Argon 協作的工作流及多項基準比較,可看出它在 Gemini 4 模型組閤中的分工。

  4. aihot82

    Artificial Analysis 評測 Gemini 4 Hydrogen:智慧指數 54,成本約為 Claude Sonnet 5.5 的 32%

    Artificial Analysis 評測 Gemini 4 Hydrogen,其 xhigh 推理的智慧指數為 54,較 Claude Sonnet 5.5(max)和 GPT-6.1 Sol(max)低 1 分,成本約為 Claude Sonnet 5.5(max)的 32%。

    推薦理由:評測同時比較不同推理級別的智慧指數、任務成本與基準表現,可用來瞭解 Gemini 4 Hydrogen 在能力和成本之間的取捨。

  5. Hacker News (official RSS)84

    Google 公開 Gemini 4 Hydrogen 模型卡與評測結果

    Google 公開 Gemini 4 Hydrogen 模型卡,說明這款模型面向日常程式開發與 AI 助理工作流程,並列出評測結果、適用情境與安全評估。

    推薦理由:模型卡整理了 Gemini 4 Hydrogen 的評測表現、適用工作流程與安全門檻,可用來瞭解其能力定位及已揭露的限制。

  6. Vercel Blog44

    Google Gemini 4 Hydrogen 開放透過 Vercel AI Gateway 使用

    Google 的 Gemini 4 Hydrogen 現已透過 Vercel AI Gateway 提供,接替 Gemini 3.8 Flash,在維持相同延遲級別的同時,提升 AI 助理程式設計、知識工作與工具使用能力。 能力變化:可處理較長的工程任務,並以較少的 AI 助理步驟產出研究更充分的檔案、試算表與簡報;也更能遵循系統指令、格式要求和任務範圍,並在長對話中更可靠地協調工具。 推理與依據:視覺推理和技術問題解決能力有所提升,可支援多模態工作流程;更強的 grounding 可減少搜尋回答中的無依據說法,以及程式設計報告中虛構的工具或測試結果。 使用方式:在最新版本的 Vercel CLI 執行設定,並於 AI 助理中選擇 google/gemini-4-hydrogen,即可在 Claude Code、Codex、Cursor 等工具中使用;也可透過模型 playground 試用。 AI Gateway 服務:提供統一 API,可呼叫模型、追蹤用量與成本,並設定重試、故障轉移及效能最佳化。服務包含自訂報表、Zero Data Retention 支援、API 金鑰預算與路由規則;依照模型供應商定價,不加價,也不對推論收取平臺費用,包含 Bring Your Own Key(BYOK)請求。

11月12日週四
  1. PyTorch Blog80

    PyTorch 與 TorchTitan 如何在歐洲公共基礎設施上訓練 1T 引數 MoE

    EUROPA consortium 說明如何運用 PyTorch 與 TorchTitan,在 JUPITER 超級電腦上將約 1T 引數的 MoE 預訓練吞吐量提升至每張 GPU 約 1,300 tokens/s。

    推薦理由:文章拆解了 PyTorch 與 TorchTitan 在共享超級電腦上的多項訓練調校,並以吞吐量變化呈現通訊、記憶體與計算重疊的影響。

  2. Hugging Face Diffusers Releases72

    Hugging Face Diffusers 0.43.0 整合五種生成與模擬模型

    Hugging Face Diffusers 0.43.0 新增五種模組化模型整合,涵蓋影像生成與編輯、影音生成、語音驅動動畫及世界模擬。具體包括 MiniMax-H3-Image、Pika H3 Flex、P-H3-Image、Kandinsky S2V 1.0 和 PAN 2。

    推薦理由:Diffusers 0.43.0 將五種生成與模擬模型整合為模組化流程,並補上平行化、注意力後端及 LoRA 等工程改進,呈現其應用範圍與部署變化。

  3. Dev.to Top Tech53

    Gev 如何透過行為克隆學會遊玩 Doom

    Gev 透過行為克隆學習根據 Doom 畫面選擇控制動作,並在維持英文問答能力的同時,於 deathmatch 測試中提升擊殺數。 - 視覺輸入:模型每隔 4 個 game tic 選擇一次 18 種控制組合之一;輸入包含目前畫面及兩個歷史畫面,分別編碼為 512 個視覺 token。