Liquid AI 发布 d1.2 与 d1.2-ultra 全模态决策模型,登顶 AA Decision Index
Liquid AI 发布 d1.2 和 d1.2-ultra 决策模型,可接受文本、图像和音频输入,并新增读取数值、查找片段、定位目标、区间估计、多选标签 5 种答案类型。
Liquid AI 发布 d1.2 和 d1.2-ultra 决策模型,可接受文本、图像和音频输入,并新增读取数值、查找片段、定位目标、区间估计、多选标签 5 种答案类型。
阿里千问团队发布 Qwen4 代首款模型 Qwen4-Max,采用 2.4T 参数稀疏 MoE 骨干、每 token 激活 71B,支持文本、图像、视频输入和 1M token 上下文,仅通过 QwenCloud API 等托管渠道提供,不开源权重。
同一件事,精选收录的是 《阿里发布 Qwen4-Max 基座大模型,智能体与编程能力进阶》
11月16日,阿里巴巴发布全新一代基座大模型 Qwen4-Max,总参数2.4T、仅激活71B,具备原生视觉能力并支持百万上下文。该模型采用基于 Qwen 稀疏注意力(QSA)的全新 MoE 架构,在 CodeArena 前端编程盲测中位列全球第6,Agents' Last Exam(ALE)取得46.7分。
推荐理由:原文给出 Qwen4-Max 的架构、评测与定价细节,读者可据此判断其智能体与编程能力的位置。
Google 发布 Gemini Decisions API,由新模型 Gemini Decision 1(gemini-decision-1)驱动,已在 Google AI Studio 的 Gemini API 中开放。
推荐理由:原文给出了定价、延迟和校准误差数据,读者可据此判断这类闭集决策接口适合替代哪些分类器调用。
Audible 技术团队公布一套面向有声书的可控 TTS 方案,用自然语言描述控制对白语气,并让角色声音在全书中保持一致。方案包含三部分:带语音特征描述的数据合成流水线、自动识别书中角色及其对白的 BookLLM(英语和西班牙语准确率分别为 97% 和 94%),以及把两者串起来的合成流程。在 MUSHRA 测试中,对白区分度提升 3.7 分,英西双语十种声音里有八种在听感上取得统计显著改善。
Cloudflare 的 27B 多模态决策模型 Clef 已在 Ollama 上线,用户可在本地或 Ollama 云端运行。Clef 接收状态和一组带类型的结构化问题,一次读取输入并同时为每个问题打分,支持文本、JSON 和图像输入,兼容 Jev 与 System One API,基于 Qwen3.8-27B 微调,采用 Apache 2.0 许可。
Ethan Mollick 演示 GPT-6 Astra 将 1977 年文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏,Fable 5.1 则依据视频与书目重建了 Umberto Eco 约 5000 册藏书的 3D 图书馆。他指出,现有模型能力与大多数人实际用法之间存在"能力悬置",并主张以深度知识、广博知识、品味和能动性四项人类优势与 AI 协作。
Ethan Mollick 发布新一期 AI 使用指南,指出用 AI 做事已从聊天转向能连续完成数小时人类工作的智能体系统。