Hugging Face 发布 nanoVLM:纯 PyTorch 训练视觉语言模型的最简仓库 ↗
Hugging Face 发布 nanoVLM,一个用于在纯 PyTorch 中训练视觉语言模型(VLM)的最简仓库。
AIHOT 精选行业资讯,关注 AI、产品与技术的新进展。
AIHOT · 精选摘要,保留原始来源 · 2026年11月4日 09:00
Hugging Face 发布 nanoVLM,一个用于在纯 PyTorch 中训练视觉语言模型(VLM)的最简仓库。
Sakana AI 发布 Continuous Thought Machine(CTM),一种以神经元活动同步性为核心推理机制的新模型,通过引入神经元历史状态和时序协同实现可解释的连续思考过程;在迷宫求解和ImageNet图像识别任务中展现出类人注意力路径与随思考步数提升的准确率。技术报告、交互式演示和代码已开源。
Mistral AI 发布 Le Chat Enterprise,基于全新 Mistral Medium 3 模型,提供企业搜索、Agent 构建、自定义数据与工具连接器、文档库、混合部署等能力,支持私有化部署和 MCP,现已上线 Google Cloud Marketplace,即将登陆 Azure AI 和 AWS Marketplace。
Mistral AI 宣布推出 Mistral Medium 3,一款兼顾前沿性能与成本效率的语言模型,在编码和多模态理解等专业场景表现突出;API 已上线 Mistral La Plateforme 和 Amazon SageMaker。
OpenAI 回滚了上周发布的 GPT-4o 更新,ChatGPT 当前恢复使用行为更平衡的早期版本;被移除的更新表现出过度奉承或附和倾向,常被称为奉承行为(sycophancy)。
Tiny Agents 是一个基于 MCP 的智能体,仅用 50 行代码实现。
PyTorch 官方发布 2.7.0 版本,新增对 NVIDIA Blackwell 架构的原生支持、FlexAttention 的 LLM 首 token 处理与吞吐优化。
OpenAI 发布其迄今最智能、能力最强的模型 o3 和 o4-mini,支持完整工具调用。
OpenAI 在 API 中推出 GPT-4.1 模型系列,带来编码、指令遵循和长上下文理解的全面改进,并首次发布 nano 模型,即日起面向全球开发者开放。
ChatGPT 新增 canvas 功能,支持用户将产品需求文档直接转化为可运行的 HTML/React 原型。
Mistral AI 提出使用其模型作为裁判(LLM as a Judge)来评估 RAG 系统性能,聚焦上下文相关性、事实依据性(Groundedness)和答案相关性三大维度,并结合结构化输出(Pydantic schema)实现可复用、机器可解析的评估流程;文中提供了完整 Python 示例代码及 GitHub 链接。
2025 年 OpenAI 推出 GPT-4o 原生图像生成功能,包括更强的文本渲染和指令遵循能力,并推出 ChatGPT Images 2.5。
GPT-4o 图像生成是比 DALL·E 3 系列显著更强大的新图像生成方法,支持生成逼真图像,并能以图像为输入进行变换。
Figure发布专为Figure 02人形机器人设计的端到端神经网络行走控制器,完全在GPU加速物理仿真中通过强化学习训练,支持零样本迁移至真实硬件;该控制器融合域随机化与千赫兹级力矩反馈控制,已在10台Figure 02机器人上同步运行,实现重复性人类步态。
deepseek-chat 模型升级为 DeepSeek-V3-0324,MMLU-Pro 从 75.9 提升至 81.2,GPQA 从 59.1 提升至 68.4,AIME 从 39.6 提升至 59.4,LiveCodeBench 从 39.2 提升至 49.2;同时优化 Web 前端开发、中文写作、多轮改写、翻译、书信写作、中文搜索、报告分析及 Function Calling 能力。
OpenAI 在 API 中推出下一代音频模型,首次支持开发者用自然语言指令控制文本转语音模型的表达风格,例如‘像富有同情心的客服代理一样说话’。
Mistral AI 发布 Mistral Small 3.1,改进文本性能、支持多模态理解、上下文窗口扩展至 128k tokens,推理速度达 150 tokens/s。
Google 发布 Gemma 3,一款全新的多模态、多语言、长上下文开源大语言模型。
Mistral AI 发布 Mistral OCR,一款支持图像和 PDF 输入、可提取交错文本与图像并生成结构化输出(如 JSON)的多模态 OCR API;已作为 Le Chat 默认文档理解模型上线,API mistral-ocr-latest 在 la Plateforme 开放使用,定价 1000 页/$,支持批量推理与选择性自托管。
Mistral AI 发布 Mistral Saba,一款 24B 参数的区域语言大模型,专为中东与南亚地区训练,支持阿拉伯语及多种印度起源语言(尤其泰米尔语),在精度、速度和成本上优于体积超其 5 倍的通用模型;支持 API 调用与单 GPU 本地部署,响应速度超 150 tokens/s。
Mistral AI 发布全新 le Chat,支持 iOS 和 Android 端,提供 Flash Answers(约 1000 词/秒推理)、Code interpreter 沙箱执行。
OpenAI 推出 Deep Research 智能体,该智能体通过推理合成大量在线信息,完成多步骤研究任务;当前面向 Pro 用户开放,Plus 和 Team 用户后续可用。
OpenAI 封禁了疑似源自中国的账号,这些账号使用 AI 撰写监控工具方案、分析文档和调试代码。
OpenAI 封禁了可能与公开报道的朝鲜(DPRK)关联网络威胁行为者相关的账号,这些账号被指利用 AI 研究入侵工具、钓鱼、恶意软件及加密货币攻击。