人工智能
-
OpenAI公开Performance Factory:用Codex自动排查性能回退,三个多月跟踪超1700次调查
OpenAI在11月19日的官方文章中介绍了Performance Factory,这是一套运行在云端、由Codex驱动的性能工程系统,用来自动发现和修复服务变慢等问题。其中的回归工作流在三个多月里跟踪了超过1700次调查,并为600多起案例确定了根因,相当于平均每天自动开展17次调查。
-
谷歌为Gemini API推出工具检索预览:智能体可按需加载工具参数,不必每次把整库塞进提示词
谷歌于11月19日宣布,Gemini API的工具检索(Tool Retrieval)已在Interactions API中进入预览。面对几十甚至上百个工具时,开发者不必再把全部参数模式每次都放进提示词,模型会先根据名称和描述选中工具,再在同一次请求里加载完整模式并完成调用。
-
快手可灵推出Kling Image 4.0:首次原生8K出图,单张图里可写下约2000字
快手可灵上线新一代图像模型Kling Image 4.0:首次支持原生8K生成,单图内可排约2000字,一次提示最多生成10张连贯组图,并支持电商详情页与网页设计长图;同步向企业客户和开发者开放API。
-
Reson8开源Rumble-2-Flash:0.5B语音识别模型覆盖40余种语言,电话场景接近30B量级模型
总部位于阿姆斯特丹的Reson8以Apache 2.0开源0.5B参数语音识别模型Rumble-2-Flash。它覆盖40余种语言,在Open ASR多语言赛道平均错误率约6.96%,并在302小时呼叫中心基准上接近约30B参数的Nemotron 3.5 Transcribe。
-
地平线发布视频几何模型LoFT:5.145亿参数,从RGB视频联合预测位姿、内参和深度
地平线机器人实验室发布原生视频几何基础模型LoFT。它采用双循环Transformer,能从RGB视频中联合预测相机位姿、内参和逐帧深度。模型约5.145亿参数,在约297万条序列、9.62亿帧图像上训练,多项深度估计指标领先。
-
OpenAI展示芯片设计新成果:AMD旗舰GPU的PPA最多提升14%,部分改动已送去流片
OpenAI公布用自研模型优化芯片设计的最新结果:在AMD旗舰GPU IP上,相对已高度优化的基线,PPA最多提升约14%,部分改动已送去制造。自研推理芯片Jalapeño的向量单元标准单元面积约降13%,并已在硅片验证中得到证实。
-
蚂蚁与西湖心辰开源双向世界模型Duo:角色能自己决定何时开口,768×576下生成约200到450毫秒
蚂蚁技术研究院与西湖心辰11月17日发布并开源Duo v1,这是双向世界模型(RWM)的首个实现。它把意图模块和实现模块耦合在同一时间线上,可在全双工音视频中决定开口或倾听。
-
微软发布首个语音到语音模型MAI Realtime 1:起步价每音频分钟0.01美元,并兼容OpenAI实时接口
微软在Ignite发布首个语音到语音模型MAI Realtime 1,基础通话起步价为每音频分钟0.01美元;推理按token另行计费。官方称其在公开基准和产品评测中优于GPT Realtime 2.1,并兼容OpenAI实时接口。
-
苹果发布FastFrames视频生成模型:小模型单卡一帧约35.4毫秒,大模型由Wan2.1-14B蒸馏而来
苹果在Hugging Face发布FastFrames-S和FastFrames-L两款视频生成模型,均为自回归、两步扩散,输出832×480、81帧、16帧/秒的视频。官方示例显示,13亿参数的S模型在单卡、满KV缓存时总延迟约35.4毫秒;14B的L模型由Wan2.1-14B蒸馏而来。
-
英伟达推出Nemotron for Science:开放近5万道化学题,实验室反馈后量子点实验准确率提到61%
英伟达把开源模型Nemotron 3.5 Super VL、近5万道化学题的LitmusBench v0.2和后训练配方打包成Nemotron for Science,帮助研究者构建可调用计算工具的科研智能体。模型和数据集已在Hugging Face上线,并针对128GB的DGX Spark做了本地运行优化。