日本人工智能初创公司Sakana AI宣布推出“AI CUDA工程师”（AI CUDA Engineer），这一创新性的AI智能体系统旨在自动化生产高度优化的CUDA内核，显著提升机器学习操作的运行效率。根据X平台上的最新消息，该系统通过进化的大型语言模型(LLM)驱动代码优化技术，将常见PyTorch操作的运行速度提高了10至100倍，标志着AI技术在GPU性能优化领域的重大突破。Sakana AI表示，CUDA内核作为GPU计算的核心，直接编写和优化通常需要深厚的专业知识和高技术门槛，而现有框架如PyTorch虽然使用便捷，但在性能上往

在软件工程领域，随着挑战的不断演变，传统的基准测试方法显得力不从心。自由职业的软件工程工作复杂多变，远不止是孤立的编码任务。自由职业工程师需要处理整个代码库，集成多种系统，并满足复杂的客户需求。而传统的评估方法通常侧重于单元测试，无法充分反映全栈性能和解决方案的实际经济影响。因此，开发更为真实的评估方法显得尤为重要。为此，OpenAI 推出了 SWE-Lancer，一个针对真实世界自由软件工程工作进行模型性能评估的基准测试。该基准测试基于来自 Upwork 和 Expen

在全球人工智能（AI）竞争日益激烈的背景下，韩国政府近日宣布了一个重要计划。代理总统崔相穆表示，政府将通过公私合作的方式，尽快采购10000个高性能 GPU，以助力国家 AI 计算中心的相关服务尽早启动。这一举措标志着韩国在 AI 领域的雄心，旨在确保其在全球竞争中的领先地位。图源备注:图片由AI生成，图片授权服务商Midjourney根据路透社的报道，韩国政府尚未确定具体将购买哪些品牌或型号的 GPU。不过，来自韩国科学技术信息通信部的官员透露，关于预算、GPU 型号以及参与的私营

慕尼黑大学、慕尼黑机器学习中心与Adobe Research近日联合发布的研究显示，包括GPT-4o、Gemini1.5Pro和Llama-3.3-70B在内的12款顶尖AI语言模型，在长文本概念推理任务中面临显著性能衰减。尽管这些模型均支持至少128，000个标记的上下文处理，但其深层逻辑关联能力仍存在根本性局限。 研究团队开发的NOLIMA（无文字匹配）基准测试系统，通过刻意规避关键词重复的设计，揭示AI模型在概念联结上的脆弱性。例如，当文本描述“Yuki住在Semperoper旁”时，模型需先理解“Semperoper位于德累斯顿”的常识

斯坦福大学和华盛顿大学的研究团队近日联合发布了一项突破性的AI训练方法，该方法名为S1，其核心理念在于利用极简的测试时缩放技术来显著提升语言模型的推理能力。与以往依赖庞大算力或复杂算法不同，S1方法巧妙地通过控制模型在测试时的计算资源分配，实现了性能的飞跃。S1方法首先精心构建了一个名为s1K的小型数据集，其中包含1000个高质量的推理问题。该数据集的筛选标准非常严格，必须同时满足难度高、多样性强、质量优良三个条件。研究团队通过详尽的消融实验验证了这

谷歌扩展了其人工智能模型家族，推出了三款新版本的 Gemini2.0模型，分别为基础版 Gemini2.0Flash、经济版 Gemini2.0Flash-Lite 以及实验版 Gemini2.0Pro。这些新模型旨在满足不同的使用需求，并在性能和成本之间提供多样化的平衡。基础版 Gemini2.0Flash 在去年12月首次推出，现在已全面上线，具备了更高的使用频率限制和改进的性能。而 Gemini2.0Flash-Lite 则是一款针对开发者的低成本变体，目前正在通过 API 进行公共预览。Gemini2.0Pro 是一个尚处于实验阶段的模型，专为复杂的提示和编码任务设计，其上

今日，中国联通宣布，其旗下联通数据智能有限公司正式发布了元景思维链大模型。这一创新成果已在GitHub、魔搭、始智等多个社区全面开源，标志着中国联通在人工智能领域迈出了重要一步。

近期，人工智能开发平台 Hugging Face 团队发布了两款新型 AI 模型，SmolVLM-256M 和 SmolVLM-500M。他们自信地声称，这两款模型是目前为止体积最小的 AI 模型，能够同时处理图像、短视频和文本数据，尤其适合内存少于1GB 的设备如笔记本电脑。这一创新让开发者在处理大量数据时，能够以更低的成本实现更高的效率。这两款模型的参数分别为256百万和500百万，这意味着它们在解决问题的能力上也相应有所提升，参数越多，模型的表现通常越好。SmolVLM 系列能够执行的任务包括对图像或视频片段进

字节跳动正式推出其最新的豆包大模型1.5Pro（Doubao-1.5-pro），这一新模型在多个领域的综合能力上表现出色，成功超越了行业内知名的 GPT-4o 和 Claude3.5Sonnet。该模型的发布标志着字节跳动在人工智能领域又向前迈出了重要一步。豆包1.5Pro 采用了新型的稀疏 MoE（混合专家）架构，使用较小的激活参数进行预训练。这种设计的创新之处在于其可以提供等效于7倍激活参数的 Dense 模型性能，使其在效率上远超行业常规的 MoE 架构，带来了约3倍的效率提升。这样的设计使得豆包大模型在知识、代码

正文:近期，中国的 DeepSeek 团队重磅推出了其最新开源大模型 R1，受到了广泛关注。R1模型的性能表现极其出色，在多项测试中均超越了 OpenAI 的 o1模型，尤其是在数学和编程方面的评估中表现优异。在最新的美国 AIME2024测试中，R1以79.8分的成绩超越 o1的79.2分。在 MATH-500测试中，R1获得了97.3分，同样领先于 o1的96.4分。此外，在 SWE-bench Verified 测试中，R1得分为49.2，也超过了 o1的48.9分。虽然在代码测试 Codeforces 中，R1仅比 o1低0.3分，但整体性能与 o1模型相当。除了性能，R1的成本优势更为引人

DeepSeek近日正式发布并开源了其最新研发的大型语言模型R1，该模型在性能上表现出色，被认为可与OpenAI的o1正式版相媲美。这一举措不仅标志着国产AI技术的又一次重大突破，也为全球AI开发者带来了新的选择。DeepSeek R1在后训练阶段大规模应用了强化学习技术，即便是在极少标注数据的情况下，也显著提升了模型的推理能力。在数学、代码、自然语言推理等关键任务上，DeepSeek R1的性能均能与OpenAI o1正式版平分秋色，展示了其强大的实力。为了回馈开源社区，DeepSeek同时开源了DeepSeek-R1和De

近日，DeepSeek 宣布推出其首个通过强化学习 （RL） 训练的推理模型 DeepSeek-R1，该模型在多个推理基准测试中取得了与 OpenAI-o1-1217相当的性能。 DeepSeek-R1基于 DeepSeek-V3-Base 模型，并采用了多阶段训练和冷启动数据来提高推理能力。DeepSeek 的研究人员首先开发了 DeepSeek-R1-Zero，这是一个完全通过大规模强化学习训练的模型，没有任何监督微调的预备步骤。DeepSeek-R1-Zero 在推理基准测试中展现出卓越的性能，例如在 AIME2024考试中，其 pass@1分数从15.6% 提升至71.0%。然而，DeepSeek-R1-Zero 也存在一些问题

字节跳动近日推出了一款针对中文开发者的 AI 集成开发环境（IDE）——Trae。这一产品旨在与 Cursor 和 Windsurf 等国际知名工具竞争，特别是在中文开发者的使用体验上，Trae 希望能填补现有工具的短板。在编程的日常中，许多开发者常常需要在英文和中文之间切换，这种中英混合的工作模式虽然习以为常，却让不少中文开发者感到不便。现有的 IDE 如 Cursor、Windsurf 和 Vscode，虽然功能强大，却未能对中文用户进行特别优化，造成使用时的不适感。Trae 的出现正是为了解决这一问题。Trae IDE 从底

近日，OpenAI 的 CEO 山姆・奥特曼在社交媒体上透露，备受期待的 o3-mini 将在几周内正式发布。这一消息让众多关注人工智能发展的用户感到兴奋。o3-mini 作为大模型的蒸馏版，将同时推出 API 和网页端，进一步满足用户的需求。o3-mini 的性能虽然不及其前身 o1-pro，但在速度上却有所提升。对此，OpenAI 的研究科学家洪宇・任表示，o3-mini 将有高、中、低三个版本供用户选择，用户可以根据自身需求选择合适的版本。在 Codeforces 编程基准测试中，o3-mini（低版本）表现不如 o1，但其高版本在成本

Mistral 公司近日宣布与法国通讯社（AFP）达成一项内容协议，旨在提升其聊天机器人产品 Le Chat 的答案准确性。这一合作是 Mistral 首次与媒体机构达成协议，标志着其希望在大型语言模型之外，向用户展示其多元化产品的决心。根据协议，Le Chat 将能够访问法新社每天发布的约2300篇新闻报道，这些报道涵盖六种语言:阿拉伯语、英语、法语、德语、葡萄牙语和西班牙语。此外，Le Chat 还可以查询法新社自1983年以来的全部档案，进一步增强其信息来源的广泛性。然而，协议并不包括照片和视频

​MiniMax于2025年1月15日宣布开源其全新系列模型MiniMax-01，该系列包含基础语言大模型MiniMax-Text-01和视觉多模态大模型MiniMax-VL-01。MiniMax-01系列在架构上进行了大胆创新，首次大规模实现线性注意力机制，打破了传统Transformer架构的局限。其参数量高达4560亿，单次激活459亿，综合性能与海外顶尖模型相当，且能高效处理长达400万token的上下文，这一长度是GPT-4o的32倍、Claude-3.5-Sonnet的20倍。

Mistral公司近日宣布推出其最新的开源编码模型——Codestral25.01，这是其备受欢迎的编码模型Codestral的升级版。这一版本在架构上进行了优化，显著提升了性能，成为其“重量级编码的明显领导者”，速度比前版提升了两倍。与原版Codestral相似，Codestral25.01依然专注于低延迟和高频率操作，支持代码校正、测试生成以及中间填充任务。Mistral公司表示，这一版本特别适合需要更多数据和模型驻留的企业。基准测试显示，Codestral25.01在Python编码测试中的表现超出预期，HumanEval测试得分为86.6%，远超

微软近期在 Hugging Face 平台上发布了名为 Phi-4的小型语言模型，这款模型的参数量仅为140亿，但在多项性能测试中表现出色，超越了众多知名模型，包括 OpenAI 的 GPT-4o 及其他同类开源模型如 Qwen2.5和 Llama-3.1。在之前的在美国数学竞赛 AMC 的测试中，Phi-4获得了91.8分，显著优于 Gemini Pro1.5、Claude3.5Sonnet 等竞争对手。更令人惊讶的是，这款小参数模型在 MMLU 测试中取得了84.8的高分，充分展现了其强大的推理能力和数学处理能力。与许多依赖于有机数据源的模型不同，Phi-4采用了创新的方法来生

在最近的 CES 展会上，Nvidia 首席执行官黄仁勋发表了一个引人注目的声明:“RTX5070能够以549美元的价格，达到 RTX4090的性能水平。” 这一说法迅速在社交媒体上引发了热烈讨论，尤其是在 YouTube 和 TikTok 上，各种评论层出不穷。那么，RTX5070真的能与售价1599美元的 RTX4090抗衡吗?答案并不简单，关键在于 Nvidia 最新的 DLSS4技术。Nvidia 的这一声称主要基于其最新一代的深度学习超采样技术（DLSS）。黄仁勋承认，这一切 “没有人工智能是不可能实现的”。DLSS4引入了多帧生成技术，可以在每一帧传

Nvidia宣布，全新开发的 G-Assist 系统助手将于2月正式推出，为 GeForce RTX 用户提供服务。。这款人工智能助手最初在2024年6月的发布会上亮相，旨在通过简便的语音或文本命令，帮助用户更好地管理和优化个人电脑的多项设置。随着现代 PC 性能的不断提升，用户在配置 PC 以达到最佳性能时面临着数以万计的硬件和软件设置组合。为了解决这一复杂性，NVIDIA 推出了 Project G-Assist，它是一款运行在 GeForce RTX AI PC 上的实验性 AI 助手。G-Assist 旨在通过简单的语音或文本命令，帮助用户控制各种 PC 设