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

近日，VITA-MLLM 团队宣布推出 VITA-1.5，这是该团队在 VITA-1.0基础上推出的升级版本，致力于提升多模态交互的实时性与准确性。VITA-1.5不仅支持英语和中文，还在多项性能指标上实现了显著提升，为用户提供了更流畅的交互体验。在 VITA-1.5中，互动延迟大幅降低，从原来的4秒缩短至仅1.5秒，用户在进行语音交互时几乎感受不到延迟。此外，该版本在多模态性能方面也有显著提高，经过评估，VITA-1.5在 MME、MMBench 和 MathVista 等多个基准测试中的平均性能从59.8提升至70.8，展现了出色的能力。VITA

在人工智能领域，字节跳动商业化技术团队的最新成果Infinity模型，以其卓越的性能和创新的技术，成为自回归文生图领域的新王者。这款新开源的模型不仅在图像生成质量上超越了Stable Diffusion3，还在推理速度上展现了显著优势。Infinity模型的核心创新在于采用了Bitwise Token的自回归框架，这一框架通过预测下一级分辨率的+1或-1构成的细粒度“Bitwise Token”，显著提升了模型对高频信号的捕捉能力，从而生成细节更加丰富的图像。此外，Infinity模型将词表扩展到无穷大，极大地增强了Image tok

施耐德电气最近发布了一份关于人工智能（AI）数据中心未来电力消耗的报告，呼吁政策制定者需要谨慎引导 AI 数据中心的电力使用。该研究在上个月国际能源署(IEA)全球能源与 AI 大会后发布，标题为《人工智能与电力:系统动态方法》。报告探讨了与 AI 相关的电力消耗的不同前景，强调了持续增长的 AI 基础设施对电力网可能造成的压力。图源备注:图片由AI生成，图片授权服务商Midjourney随着生成式 AI 的迅速崛起，大量投资涌入高性能且耗电量大的基础设施，报告指出，现有的数据中心基

人工智能（AI）驱动的文本到图像(T2I)生成模型，如DALLE3、Adobe Firefly3等，展现出卓越的生成能力，在现实应用中潜力无限。然而，这些模型通常拥有数十亿的参数，对内存要求极高，这给在移动设备等资源受限的平台上部署带来了巨大挑战。为了解决这些难题，ByteDance和POSTECH的研究人员探索了对T2I模型进行极低位量化的技术。在众多先进模型中，FLUX.1-dev因其公开可用性和出色的性能成为研究目标。研究人员通过一种名为1.58位量化的方法，对FLUX模型中的视觉转换器权重进行压缩，使其仅采

幻方量化于12月26日晚发布全新一代大模型DeepSeek-V3，展现出惊人的技术突破。这款采用MoE（混合专家）架构的模型不仅在性能上媲美顶级闭源模型，其低成本高效率的特点更是引发业界关注。从核心参数来看，DeepSeek-V3拥有6710亿参数，其中激活参数为370亿，在14.8万亿token的数据规模上完成预训练。相比前代产品，新模型的生成速度提升了3倍，每秒可处理60个token，显著提升了实际应用效率。在性能评测方面，DeepSeek-V3展现出卓越实力。它不仅超越了Qwen2.5-72B和Llama-3.1-405B等知名开源模型，更

2024年12月26日，中国人工智能初创公司DeepSeek发布了其最新的超大模型DeepSeek-V3，这一模型以其开放源代码技术和创新挑战领先AI供应商而闻名。DeepSeek-V3拥有671B个参数，并采用专家混合架构（mixture-of-experts architecture）来激活特定参数，以准确高效地处理给定任务。根据DeepSeek提供的基准测试，这一新模型已经超越了包括Meta的Llama3.1-405B在内的领先开源模型，并且与Anthropic和OpenAI的封闭模型性能相近。DeepSeek-V3的发布标志着开源AI与封闭源AI之间的差距进一步缩小。DeepSeek，最初是中国量化对冲

英伟达在GB200和B200发布仅6个月后，再次推出全新GPU——GB300和B300。这看似只是小幅升级，实则蕴含着巨大的变革，尤其是推理模型性能的显著提升，将给整个行业带来深远的影响。B300/GB300:推理性能的巨大飞跃B300GPU采用台积电4NP工艺节点，针对计算芯片进行了优化设计。这使得B300的FLOPS性能比B200提升了50%。部分性能提升来自TDP的增加，GB300和B300HGX的TDP分别达到1.4KW和1.2KW（GB200和B200分别为1.2KW和1KW）。其余的性能提升则来自架构增强和系统级优化，例如CPU和GPU之间的动态功率分配。除了FLO

近日，IBM 宣布推出其开源语言模型 Granite 的3.1版本，此次更新带来了诸多重要改进。新版本的模型经过重新设计，采用了更加密集的架构，能够一次处理多达128，000个令牌。这一更新意味着 Granite 在处理复杂文本和任务时的能力得到了显著增强。Granite3.1版本的模型经过了12种语言和116种编程语言的数据集训练，总共处理了12万亿个令牌。这使得模型在语言理解和生成方面的表现更加出色，能够更好地满足用户的需求。IBM 表示，这些新模型在回答使用外部数据的问题（RAG）、从非结构化文本