搜索全球AI产品动态

近日，Meta 公司发布的开源大模型 Llama-4-Maverick 在 LMArena 的排行榜上从第二名直降至第32名，这一剧烈波动引发了开发者们的广泛质疑，认为 Meta 可能通过提交特供版本以刷榜。事情的起因要追溯到4月6日，Meta 发布了其最新的大模型 Llama4，包括 Scout、Maverick 和 Behemoth 三个版本。其中，Llama-4-Maverick 在初期的评估中表现亮眼，位列 LMArena 排行榜的第二名，仅次于 Gemini2.5Pro。然而，随着开发者对 Llama4开源版的实际使用反馈逐渐披露，这款模型的声誉迅速下滑。一些开发者发现 Meta 提交给 LMAre

近日，AI代码生成领域掀起了一波开源热潮，多款重量级模型接连亮相，其中Deep Cogito推出的Cogito v1Preview系列尤为引人注目。据AIbase了解，这一全新开源模型家族涵盖3B、8B、14B、32B和70B等多种规格，不仅在性能上全面超越同级别竞争者，其70B版本更是力压Meta最新发布的Llama4109B MoE模型，成为业界热议的焦点。这一系列模型的发布，不仅为开发者提供了强大的编程利器，也预示着AI技术在编码领域的全新突破。多规格覆盖，性能领跑行业Cogito v1Preview系列提供了从3亿到70亿参数的多种选择，满

近日，谷歌云平台宣布，其Vertex AI Model Garden正式引入Meta最新一代开源大模型Llama4，这一消息迅速在全球科技圈掀起热潮。据悉，Llama4系列中的Scout和Maverick两款模型现已集成至Vertex AI，并通过完全托管的“模型即服务”（Model-as-a-Service，MaaS）API端点向开发者开放预览。这一功能的推出，不仅标志着谷歌与Meta在AI生态合作上的进一步深化，也为开发者提供了一键部署尖端模型的便捷途径，开启了AI应用开发的新篇章。Llama4作为Meta最新发布的旗舰模型系列，以其高效的多模态能力和创新的混合

2025年4月8日，英伟达（NVIDIA）宣布推出其最新大型语言模型(LLM)——Llama3.1Nemotron Ultra253B。这一模型基于Meta的Llama-3.1-405B-Instruct开发，通过创新的神经架构搜索(NAS)技术进行了深度优化，不仅在性能上超过了近期发布的Llama4系列中的Behemoth和Maverick，还以开源形式在Hugging Face平台上发布，引发了AI社区的广泛关注。性能突破:碾压Llama4Behemoth和Maverick根据英伟达官方披露的信息以及社交媒体上的最新讨论，Llama3.1Nemotron Ultra253B在多个关键基准测试中表现出色。这一模型拥有2530亿个参数，相较于Lla

近日，全球芯片与AI技术巨头英伟达（NVIDIA）推出了一款全新开源大语言模型——Llama3.1Nemotron Ultra253B，引发了人工智能领域的强烈反响。这一模型基于Meta的Llama-3.1-405B打造，通过创新技术优化，不仅在性能上超越了Llama4Behemoth和Maverick等强劲对手，还以高效的资源利用率和卓越的多任务能力，为AI应用的广泛落地提供了新的可能。Llama3.1Nemotron Ultra253B拥有2530亿个参数，支持高达128K token的超长上下文长度，使其能够轻松处理复杂文本输入并保持逻辑连贯性。与前代模型相比，该版本在推理、

2025年4月8日，英伟达推出Llama3.1Nemotron Ultra253B，这一基于Llama-3.1-405B优化的开源模型以253亿参数超越Meta的Llama4Behemoth和Maverick，成为AI领域焦点。该模型在GPQA-Diamond、AIME2024/25及LiveCodeBench等测试中表现卓越，推理吞吐量达DeepSeek R1的四倍。通过优化训练和算法，英伟达证明高效设计可让小模型媲美巨型对手。Llama3.1Nemotron Ultra253B通过HuggingFace开放权重，并采用商业友好许可。英伟达此举不仅便利开发者，也推动了AI技术的广泛应用和生态发展。以较小参数挑战万亿级模型，该模型展现“少即是多

在近日的社交媒体上，Meta 公司的高层对关于其新 AI 模型 Llama4的 “不当训练” 指控进行了澄清，称这些说法完全不属实。指控声称 Meta 在其新推出的 Llama4Maverick 和 Llama4Scout 模型上，通过在特定基准测试的 “测试集” 上进行训练，以此来人为提高模型的性能表现。Meta 的生成式人工智能副总裁艾哈迈德・阿尔・达赫勒（Ahmad Al-Dahle）在社交平台 X 上作出回应，明确表示这类说法毫无根据。他指出，测试集是用于评估模型性能的数据集，若在此数据集上进行训练，确实会导致模型的表现看

一项新的独立评估显示，Meta 最新推出的 Llama4模型——Maverick 和 Scout 在标准测试中表现出色，但在复杂长上下文任务中表现欠佳。根据人工智能分析的“智能指数”，Maverick 得分49分，领先 Claude3.7Sonnet（得分未具体列出），但落后于 Deepseek V30324(53分);Scout 得分36分，与 GPT-4o-mini 相当，优于 Claude3.5Sonnet 和 Mistral Small3.1。两款模型在推理、编码和数学任务中表现稳定，未显示明显短板。Maverick 的架构效率令人瞩目，其活动参数仅为 Deepseek V3的170亿（对比370亿），总参数占60%(4020亿对比6710亿)，

Meta 公司推出了其最新的开源人工智能模型 Llama4，标志着其在人工智能领域的又一重大进展。Llama4分为两个版本，分别命名为 Scout 和 Maverick，旨在提升 AI 模型的功能与表现。Meta 表示，Llama4是一个多模态大模型，能够处理文本、图像、视频和音频等多种数据类型，并能在这些格式之间自由转换。值得一提的是，Llama4系列首次采用了 “混合专家”（MoE）架构，这一新颖设计极大地提高了模型的训练和响应效率。通过将模型划分为多个专注于特定任务的 “专家” 子模型，Llama4在处理复杂查询

Meta周六发布了其新旗舰AI模型Maverick，该模型在LM Arena评测中排名第二。LM Arena是一项依靠人类评分者比较不同模型输出并选择偏好的测试平台。然而，多位AI研究人员很快发现，Meta部署到LM Arena的Maverick版本似乎与开发人员广泛使用的版本存在显著差异。Meta在公告中承认，LM Arena上的Maverick是一个"实验性聊天版本"。与此同时，Llama官方网站上的图表显示，Meta的LM Arena测试使用的是"针对对话性进行了优化的Llama4Maverick"。这种差异引发了研究社区的质疑。AI研究人员在社交平台X上指出，公开可

美国科技巨头 Meta 推出了其最强大的开源人工智能模型 Llama4。此次首批发布共两款，分别是 Llama4Scout 和 Llama4Maverick 。Llama4Scout 共有1090亿参数，170亿活跃参数，16个专家，最大亮点是支持1000万上下文，这相当于可以处理20+ 小时的视频，并且仅在单个 H100GPU（Int4量化后）上就能运行。在基准测试中，其性能超越 Gemma3、Gemini2.0Flash - Lite、Mistral3.1。Llama4Maverick 共有4000亿参数，170亿活跃参数，128个专家，100万上下文。在大模型 LMSYS 排行榜上，Llama4Maverick 冲上第二（ELO 得分1417），仅次于闭源 Ge

OpenAI 首席执行官山姆・阿尔特曼（Sam Altman）今天在社交媒体上宣布，该公司将在未来几个月内发布一个开源的人工智能模型。这一消息引发了广泛关注，尤其是在中国公司 DeepSeek 的 R1模型取得突破性成功后，OpenAI 感受到来自同行的压力，特别是来自 Meta 公司 Llama 系列模型的竞争。阿尔特曼表示，OpenAI 早已在考虑推出开源模型，现在时机成熟，发布这样的模型变得尤为重要。开源模型意味着用户可以免费下载、修改和在本地硬件上运行，而非仅通过云端服务访问。这种模式不仅降低了使

耶路撒冷希伯来大学的研究人员最近发现，在检索增强生成（RAG）系统中，即使总文本长度保持不变，处理的文档数量也会显著影响语言模型的性能。研究团队利用MuSiQue验证数据集中的2，417个问题进行实验，每个问题链接到20个维基百科段落。其中两到四段包含相关答案信息，其余段落作为干扰项。为研究文档数量的影响，团队创建了多个数据分区，逐步将文档数量从20个减少到最少只保留包含相关信息的2-4个文档。为确保总标记数一致，研究人员使用原始维基百科文章的文本扩展了保留

近日，由香港科技大学与音乐领域的 DeepSeek 合作开发的开源音乐生成模型 YuE 正式发布，震惊了不少乐迷和音乐创作者。这一模型不仅能够生成多种风格的音乐，还可以模拟人声，给听众带来全新的音乐体验。YuE 的特点在于其双 LLaMA 语言模型架构，这使其能够无缝适配各种大语言模型，并且能够处理长达5分钟的完整歌曲。这一创新的设计让 YuE 在音乐生成的质量上达到了前所未有的高度，甚至与市场上著名的闭源音乐生成工具 Suno 和 Udio 相抗衡。YuE 可以同时生成专业级的歌声和伴奏，实

Nvidia 最近发布了其实验性 AI 助手 Project G-Assist，该工具可以在 GeForce RTX 卡上本地运行。这一发布是在2024年 Computex 展会上的首次预览后进行的标志着科技公司在为玩家开发专用 AI 助手方面迈出了重要一步。例如微软也在开发一款名为 “Gaming C o p i l o t” 的助手，最初将提供游戏技巧的聊天支持，并计划在后续更新中实时分析游戏场景。G-Assist 与许多需要互联网连接和订阅服务的云端 AI 助手不同，它完全依赖于用户的 GeForce RTX GPU 来运行。该助手使用了基于 Llama 的8亿参数模型，通过按下

近日，数据智能公司 Databricks 推出了一种全新的大语言模型微调方法 ——TAO（Test-time Adaptive Optimization），这一技术的出现为开源模型的发展带来了新的希望。通过运用无标注数据和强化学习，TAO 不仅在降低企业成本方面表现出色，更是在一系列基准测试中取得了令人瞩目的成绩。根据科技媒体 NeoWin 的报道，TAO 微调后的 Llama3.370B 模型在金融文档问答和 SQL 生成等任务中，展现出了优于传统标注微调方法的性能，甚至逼近了 OpenAI 的顶级闭源模型。这一成果标志着开源模型在与商用 AI 产品

在暂停近一年后，Meta宣布其AI聊天机器人Meta AI已重新登陆欧洲市场。从本周开始，Meta AI将在包括41个欧洲国家和21个海外地区的WhatsApp、Facebook、Instagram和Messenger四大平台上推出，但初期阶段仅限于基于文本的聊天功能。Meta AI最初于2023年在美国推出。尽管Meta曾计划将该助手引入欧洲，但由于爱尔兰隐私监管机构要求其推迟使用Facebook和Instagram用户发布的内容进行模型训练，Meta不得不暂停在该地区的发布计划。此外，出于类似的监管担忧，该公司还暂停了其多模态Llama AI模型在欧盟的推出。

Meta 公司的开源人工智能模型家族 Llama 近日迎来了一个重要里程碑，下载量已超过十亿次。这一消息由公司首席执行官马克・扎克伯格在社交媒体 Threads 上宣布。与2024年12月的6.5亿次下载相比，Llama 的下载量在短短三个月内激增了153%。Llama 最初是为研究人员推出的，随着时间的推移，它逐渐吸引了全球开发者和人工智能爱好者的关注。Meta 的生成性人工智能部门副总裁阿哈迈德・阿尔 - 达赫勒在 LinkedIn 上分享了这一成就，表示在过去两年里，Llama 从一个研究项目发展成了最广泛使用的开源

3月10日，鸿海富士康在技术创新的道路上迈出了重要一步，正式推出其首款 AI 推理大模型 “FoxBrain”。这一模型不仅是富士康的自我突破，更标志着台湾省地区在 AI 推理领域的崭新起点。富士康表示，FoxBrain 将涵盖数据分析、数学运算、推理能力和代码生成等多项功能，未来还计划进行开源，以便于更广泛的技术应用与社区合作。据富士康透露，该模型的训练过程使用了120块强大的英伟达 H100GPU，仅用一个月的时间便成功构建了该模型。FoxBrain 是基于 Meta Llama3.1开发而成，特别优化了繁体

近日，国家网络安全通报中心发布了关于开源跨平台大模型工具 Ollama 的安全预警，警告称该工具在默认配置下存在严重安全漏洞，可能导致未授权访问、模型窃取等一系列安全风险。该报告引起了业界的广泛关注，尤其是在越来越多企业和科研机构开始广泛使用此工具的背景下。清华大学网络空间测绘联合研究中心的分析显示，Ollama 的安全漏洞影响范围相当广泛，尤其是对于那些选择私有化部署而未对默认配置进行更改的用户，风险更为显著。专家指出，当前许多用户在进行私有化部署