跳到正文

精选

  1. Hugging Face Blog62

    Hugging Face 与 Thinking Machines Lab 发布本地多模态模型 Inkling 2 Mini

    Hugging Face 与 Thinking Machines Lab 发布面向本地部署的多模态模型 Inkling 2 Mini,采用循环 Transformer 与 MoE 结构,物理参数约 26B、每 token 激活 3B,支持 1M token 上下文和图像输入。

    推荐理由:原文给出循环层架构、跨轮消息机制与多框架推理入口,可据此判断本地部署的取舍。

  1. Google DeepMind60

    Google DeepMind 发布 Gemini 4 Neon 模型

    Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成。该模型定价为每百万输入 token 3 美元、每百万输出 token 15 美元,缓存输入 token 0.15 美元,上下文窗口 100 万 token,提供四档思考级别。

    推荐理由:原文给出 Gemini 4 Neon 的定价、上下文窗口与多项基准排名,可据此判断它在高频工程任务中的性价比位置。

  2. Hugging Face Blog60

    RadixArk 发布基于 Qwen3.8-27B 的 DaisyRose-27B 模型

    RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习后训练,仅用 1200 条精选任务、144 块 H200 训练 18 天。

    推荐理由:原文给出训练成本与吞吐对比,可据此判断长程智能体后训练的效率空间。

  1. Hugging Face Blog60

    Hugging Face 将 Inference Providers 路由切换至 OpenRouter

    Hugging Face 与 OpenRouter 合作,把语言模型的 Inference Providers 从自建路由切换到 OpenRouter,按实时价格、速度和可靠性为每次请求选择供应商,失败时在同一调用内重试其他供应商。

    推荐理由:原文交代了路由切换后的重试机制、模型后缀选路方式和计费变化,可据此判断现有调用代码是否需要调整。

  1. Google DeepMind62

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini 应用和 Google Search 等全线开放。

    推荐理由:原文给出 Hydrogen 的定价、基准成绩与多模型编排方式,读者可据此判断它在日常编码与智能体工作流中的定位。

  1. Google DeepMind67

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 向开发者、企业、科研人员和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,每任务成本比次优外部模型低 2 倍以上。

    推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和每任务成本,便于判断何时该换用更强模型。

  1. Google DeepMind62

    Google DeepMind 发布 AlphaProof Code,用 AI 智能体形式化验证 Signal 协议代码

    Google DeepMind 发布 AlphaProof Code,这是一个多 LLM 智能体形式化验证框架,由 Gemini Carbon 驱动的智能体生成超 600 万行 Lean 证明,验证了 Signal 协议实际代码的关键安全属性。

    推荐理由:原文给出多 LLM 智能体框架的验证流程与耗时对比,可了解形式化验证如何从设计层推进到实际代码。

已经到底了