大语言模型与模型
大型语言模型：GPT、Claude、Gemini、Mistral 及开源权重模型
29 published articles
阿里云
阿里云EMR Serverless Spark现支持用纯SQL处理图像与视频，无需Python
阿里云EMR Serverless Spark现可直接在SQL中支持图像与视频帧，让数据工程师省去Python开销。一项关于自动驾驶数据预处理的案例显示，基于通义千问视觉模型的自动化ETL流水线已取代人工标注。
2026-07-09
编程代理
Cognition新编程代理以极低成本接近前沿模型表现
Cognition的SWE-1.7编程模型以极低成本缩小了与前沿系统的差距，在FrontierCode上得分42.3%，每秒运行1000个token。该模型基于Kimi K2.7，通过改进的强化学习流程训练而成。
2026-07-09
软件开发
氛围编码项目在您最意想不到时浮现的隐性成本
对氛围编码承诺与风险的深入分析：为何AI生成的代码加速了原型设计，却引入了安全风险、性能限制和技术债务，需要谨慎的人类监督。
2026-07-09
开源AI
中国MiniMax开源百万Token模型，真实编程任务超越GPT-5.5
MiniMax M3是首个中国开源模型，融合了原生多模态、百万Token上下文和高级智能体编程功能。其结构化扩展路径，包括名为MSA的新型注意力架构，挑战了开源模型必须落后于专有系统的假设。
2026-07-09
半自回归推测性解码投入生产
DeepSeek的DSpark修复了制约快速AI推理的两大问题
DeepSeek的新推测性解码框架解决了限制并行草案器的两大瓶颈：后缀衰减和浪费性验证。通过将半自回归架构与置信度调度器相结合，在目标模型验证之前修剪低价值令牌，DSpark在生产环境中实现了60%-85%的生成速度提升。
2026-07-08
AI模型发布
MiniMax发布M2.7模型，拥有强大的软件工程和办公生产力能力
MiniMax的M2.7模型在软件工程基准测试和专业办公任务中表现强劲，复杂指令技能遵循率达97%，在GDPval-AA上ELO得分为1495。
2026-07-08
AI研究
你的AI代理意外通过了测试。现在有了评估标准。
SkillCoach是一个自我进化的评估标准框架，通过分析技能选择、遵循、组合和反思过程来评估和改进代理的技能使用，提供比仅依赖结果指标更好的监督。
2026-07-06
模型评估
Ai2发布olmo-eval：为LLM开发者提供每个检查点的显微级评估
Ai2的olmo-eval为活跃的LLM开发提供了每个问题的差异分析和模块化基准测试，帮助研究人员区分真正的进展与统计噪声。
2026-07-06
人工智能研究
验证地平线：为什么验证编码代理现在比构建它们更难
一个经典的直觉是，验证解决方案比产生解决方案更容易。对于今天的编码代理，这一直觉已经颠倒：生成复杂解决方案现在是容易的。困难的部分是可靠地验证它们。
2026-07-05
深度学习
M3D 与 Real-Guidance 将数据集蒸馏推向高分辨率领域
数据集蒸馏长期受限于低分辨率基准，但一种名为 M3D 的新方法改变了这一局面。通过结合多尺度匹配、数据流形先验和 Real-guidance 策略，它成功扩展到 128×128 分辨率的 ImageNet-1K，仅用每个类别一张图像就实现了 68.5% 的 top-1 准确率，并将内存使用量削减了 10 倍。
2026-07-05
AI研究与开发
马嘉祺给MiniMax工程师上了难忘的一课：被遗忘的token
MiniMax对M2模型无法输出“马嘉祺”这一名字的内部调查发现，预训练词汇表与后训练数据分布之间存在结构性不匹配。根本原因在于：低频率token的lm_head向量在SFT过程中发生漂移，丧失了生成能力，但保留了理解能力。全词汇覆盖修复方案解决了该问题，同时也缓解了日语中的语言混杂现象。
2026-07-04
人工智能
MiniMax 新模型 M2.5 编程基准测试夺冠，价格仅为竞争对手的 5%
MiniMax 的 M2.5 模型在编程基准测试 Multi-SWE-Bench 上夺得榜首，在工作空间任务中超越主流模型，且成本仅为竞争对手的十分之一到二十分之一。模型权重已在 HuggingFace 上开源。
2026-07-04