跳到正文
今天10月16日周五4 条
10月15日周四
  1. Hugging Face Blog85

    Meta 发布 Muse Spark Open 开放权重多模态 MoE 模型

    Meta 发布 Muse Spark Open 开放权重模型,采用 MoE 架构,总参数量约 816B,每个 token 激活约 42B 参数,支持文本、图像、音频和视频输入,推理上下文窗口最高为 1M tokens。

    推荐理由:文章给出模型架构、长上下文、量化部署、微调和多模态智能体示例,便于对照硬件需求与落地方式。

10月14日周三
  1. Google DeepMind79

    Google DeepMind 发布 Gemini 4 Argon 机器人模型

    Google DeepMind 发布通用物理推理模型 Gemini 4 Argon,面向机器人控制、Real2Sim、物理理解和研究自我改进。该模型在 Embodied Reasoning (ERQA) 基准以纯推理取得 87%,并通过多模态推理、代码生成和视觉语义理解支持机器人生命周期。

    推荐理由:文章把 Argon 在机器人控制、仿真构建和数据生成中的代表性提示词集中展开,便于比较其机器人工作流覆盖范围。

  2. Google DeepMind83

    Google 发布 Gemini 4 Argon 并面向全球开放

    Google 发布前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 中排名第一,支持 1M 输入输出 token 限制,发布价格为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 享 95% 折扣。Google 还展示了其在代码优化、量子计算、罕见病研究、酶设计和机器人开发中的应用。

    推荐理由:Gemini 4 Argon 同时覆盖复杂编码、科研、网络安全和机器人任务,并公开了价格、访问渠道与多项应用案例。

10月13日周二
10月7日周三
  1. Google DeepMind77

    Google DeepMind 发布开源轻量级多模态嵌入模型 EmbeddingGemma 2

    Google DeepMind 发布 EmbeddingGemma 2,将文本、代码、图像、视频和音频统一映射到共享嵌入空间,面向端侧推理。该模型基于 Gemma 4 架构,拥有 740 million parameters,采用 Apache 2.0 许可,支持文本、视觉和音频模块化配置。

    推荐理由:模型把文本、代码、图像、视频和音频统一到端侧嵌入空间,开发者可据此评估离线搜索与 RAG 的实现成本和能力边界。

10月6日周二
10月1日周四