少数派早报汇总 Apple 智能国行测试与多项 AI 产品动态
少数派早报汇总了 Apple 智能国行 Beta、Grok Voice 3.0、Step 5 Preview 等产品进展。Tim Cook 表示 Apple 智能国行 Beta 将于本月晚些时候上线,包含实时翻译、照片消除工具和写作工具,但不包含 Siri AI。阶跃还开放了总参数量达 6000 亿的 Step 5 Preview 模型权重,支持最长 100 万 Token 上下文窗口。
少数派早报汇总了 Apple 智能国行 Beta、Grok Voice 3.0、Step 5 Preview 等产品进展。Tim Cook 表示 Apple 智能国行 Beta 将于本月晚些时候上线,包含实时翻译、照片消除工具和写作工具,但不包含 Siri AI。阶跃还开放了总参数量达 6000 亿的 Step 5 Preview 模型权重,支持最长 100 万 Token 上下文窗口。
爱范儿早报汇总 Apple 智能中国测试版、千问集成、Step 5 Preview 开源及多项产品与合作动态。报道还涉及 DeepSeek 服务故障、iPhone Duo 维修价格、台积电业绩、Anthropic IPO 估值、Rivian 接入第三方 AI 智能体及 Figma 推出 Specs 等信息。
Granite Switch 4.1 发布 8B 和 30B 模型,将通用与安全决策适配器、Granite-Speech-5.0-Turbo-CTC 语音识别模型及基础模型整合到同一托管端点。
推荐理由:文章给出 Granite Switch 4.1 的模型组合、适配器缓存复用与单端点部署方式,便于理解多能力统一推理的实现路径。
Meta 面向智能体编码工作流优化的开放权重模型 Muse Spark Open 现已上线 Amazon SageMaker JumpStart。该模型采用 MoE 架构,总参数量 816B、每个 token 激活 42B,支持 1M tokens 上下文,并提供 BF16 与 NVFP4 两种版本。
推荐理由:文章给出两种权重格式的实例映射、SDK 调用与清理步骤,可用于评估部署成本和接入方式。
NVIDIA 参与欧盟 AI in Science Enablers Initiative,向欧洲科研社区提供加速工具、模型、算力、数据、培训及协作项目支持。NVIDIA 已开源超过 250 个模型、250 个数据集和 1,400 多个软件项目,并通过 Hugging Face 与 GitHub 提供;其还正推进欧洲 35 台超级计算机的开发,预计服务超过 300 万名研究人员。
Black Forest Labs 的 FLUX.3 Image Klein 已登陆 Hugging Face Diffusers,一个模型支持文生图、多参考图生图和边界框布局控制。
推荐理由:文章提供两个检查点的配置、速度与显存数据,并给出布局控制、LoRA 微调和模块化工作流示例。
Latent Space 的 AINews 汇总 Gemini 4 Argon 全球发布、Vals AI 基准结果及 AI Engineer NYC 动态,并梳理 Muse Wonder、决策模型、语音模型、Agent 基础设施与安全研究。
ComfyUI 推出 NVIDIA RTX VFX 自定义节点,可在本地 NVIDIA RTX GPU 上完成视频超分、帧生成和 SDR 转 HDR。RTX Video Super Resolution 支持最高 4×、8192 px,Frame Generation 支持 2× 至 16× 插帧,HDR 节点可输出 400 至 2000 nits 的 HLG 或 PQ。
AWS 通过 AWS License Manager 托管权益,帮助组织从中央账户集中管理 Amazon Bedrock 第三方模型访问并分发 AWS Marketplace Private Pricing Offers。文章提供一次性轻量脚本和基于 AWS CDK 的事件驱动自动化两种方案,可验证卖家、创建分布式授权并持续激活,支持记录 CloudWatch Logs 审计结果。
NVIDIA 与合作伙伴将在 RTX Spark 笔记本上市前推出本地 AI 智能体、模型、创作应用和开发者工具更新,相关笔记本计划于 10 月 16 日上市。文章还介绍 Nemotron 3.5 Bolt 74B、开源路由器 NVIDIA PAIR、Adobe 应用优化、Broadcast 2.3、llama.cpp Windows 应用及 DLSS 5 等更新。
推荐理由:文章集中梳理 RTX Spark 发布前的软件生态、模型、创作工具、开发者环境和游戏支持,能帮助读者判断本地 AI 工作流的实际覆盖范围。
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。
RAND 主张美国以“行动自由”战略应对超级智能的不确定路径,通过建设人机 AI 生态、AI 安全架构及社会响应能力保留战略选择。研究人员还在小鼠脑中培育部分人脑组织,并将这些动物探索为潜在实验对象。
UC Berkeley Sky Lab 与 IBM Research 扩展 K-Search,加入结构化 CUDA-to-MLX 翻译层,将已有 CUDA kernel 优化知识迁移到 Apple Silicon。