Sakhanda Wire
NVDA $155.46 -0.44% MSFT $506.24 -2.27% GOOGL $280.20 -1.24% META $618.87 -1.20% AMZN $257.89 +0.05%

MarkTechPost

397 новини · всички източници

MarkTechPost

Mistral AI представи предварителна версия на Mistral Large 4

Mistral AI пусна Mistral Large 4, познат вътрешно като „Le Chonk“, като публична предварителна версия. Моделът от типа Mixture of Experts разполага с общо 1,05 трилиона параметъра, от които 49 милиарда се активират за всеки токен. Той приема изображения директно чрез визуален енкодер с 1,6 милиарда параметъра и поддържа контекст от до 1 милион токена.

MarkTechPost

Reka представи Rho-1 за мултимодално разсъждение и управление на роботи

Reka представи изследователска предварителна версия на Rho-1 — модел с 19B параметъра, обучен от нулата да разбира и генерира текст, изображения и видео, както и да създава действия за роботи. Моделът обработва тези модалности в един общ контекст и използва споделен KV кеш, вместо да прехвърля задачите между отделни специализирани модели.

MarkTechPost

JEPA-Anything прилага факторизиран световен модел в седем области

Изследователи от PhAI Labs, CUHK, Fudan, Stanford, Oxford и Princeton представиха JEPA-Anything — рамка за изграждане на световни модели, независима от конкретна област. Нейният метод Orthogonal Predictive Factorization (OPF) разделя латентната цел на JEPA на четири научени, неприпокриващи се подпространства, като за всяко се използва отделен предиктор. След това резултатите се обединяват чрез псевдообратната матрица на Moore-Penrose. Регулатори поддържат ортогоналността, активността на факторите и стабилността на енкодера.

MarkTechPost

Together AI пусна бета CLI за отворени модели в кодиращи агенти

Together AI представи Together Link — безплатен команден инструмент с лиценз MIT, който в момента е в бета версия. Той свързва Claude Code, Claude Desktop, Codex, ChatGPT Desktop, OpenCode и Pi с отворени модели, хоствани от Together AI. Инструментът работи на macOS и Linux и изисква Together API ключ, а инсталацията става с една команда в shell.

MarkTechPost

Туториал показва стрийминг обучение за роботи с NVIDIA Cosmos3-DROID

Туториал описва цялостен процес за обучение на роботи с набора от данни NVIDIA Cosmos3-DROID, без локално изтегляне на неговото хранилище от 707 GB. Първата стъпка е преглед на структурата LeRobotDataset v3.0 и свързване на данните от info.json, метаданните за задачите, таблиците с епизоди и статистиките в граф на метаданните.

MarkTechPost

Reflection AI представи отворения модел Beam за кодиране и агенти

Reflection AI представи Beam, първия си модел с отворени тегла, предназначен за кодиране, разсъждение и агентни задачи. Разредената Mixture-of-Experts архитектура разполага с общо 501B параметъра, като за всеки токен се активират 23B. Reflection заявява, че Beam се сравнява с GLM-5.2 при разсъждение, използвайки три до четири пъти по-малко изчислителен ресурс при инференс в собствените ѝ тестове. Компанията посочва, че Kimi K3 все още има предимство по общи възможности.

MarkTechPost

Yandex тества Sona като единен модел за препоръки

Yandex тества Sona — генеративна система, която обединява генерирането на кандидати и тяхното класиране в един модел. В седемдневен онлайн A/B експеримент върху умни високоговорители трансформърът замени повече от 15 генератора на кандидати, етапа за предварително класиране и финалното класиране за тестовата група. Изпитването обхвана 15% от случайно избрани потребители във всеки вариант.

MarkTechPost

Qwen се превърна от корпоративен чатбот в модел с 2,4 трилиона параметъра

Alibaba представи Tongyi Qianwen на корпоративни клиенти през април 2023 г., а през септември го направи достъпен за широката публика. През август компанията публикува Qwen-7B и Qwen-7B-Chat, последвани от модели за изображения и текст, както и от по-големите версии 72B и 1.8B. Първоначалният лиценз разрешаваше търговска употреба при под 100 милиона месечни потребители.

MarkTechPost

Отворен модел реши 40 от 60 задачи за уязвимости

Cantina Security и Yeta Labs представиха apex-flash-1 — модел с отворени тегла, разработен за изследване на уязвимости. Той е донастроен със засилващо обучение върху GLM-5.3-Flash на Z.ai и е публикуван в Hugging Face под лиценза MIT. Моделът може да се изпълнява с vLLM, SGLang или Transformers, но BF16 теглата му изискват приблизително 640 GB памет за графични процесори.

MarkTechPost

Четири водещи модела се различават най-вече по цена и приложение

Четири водещи модела на Anthropic, OpenAI и Google DeepMind излязоха в рамките на 30 дни. Резултатите им на тестове често са близки, но цените и достъпът се различават съществено. GPT-6 Astra и Claude Fable 5.1 струват по $10 за вход и $50 за изход на 1 млн. токена. GPT-6.1 Sol е на $2 и $10, а Gemini 4 Argon предлага начални цени от $2 и $10, които по-късно трябва да станат $4 и $20. Argon засега е достъпен само чрез Fairwind Program.

MarkTechPost

Google премести обучението на федеративни модели в удостоверени среди

Google Research представи система за федеративно обучение, базирана на Trusted Execution Environments (TEE). Екипът заявява, че тя за първи път позволява централната диференциална поверителност при федеративно обучение да бъде проверявана от външни страни. По-ранните решения със Secure Aggregation защитаваха качените данни, но не поддържаха някои съвременни алгоритми, сред които matrix factorization DP-FTRL, а операторът трябваше да бъде смятан за надежден при добавянето на шум.

MarkTechPost

Aleph Alpha представи 78,1-милиарден модел Kolibri

Aleph Alpha представи Kolibri-1 — модел на езика с отворени тегла и архитектура Mixture-of-Experts, разработен за английски и немски език. Той има общо 78,1 милиарда параметъра, но за всеки токен активира 3,46 милиарда, или 4,4% от тях. Моделът обработва контекст до 1 048 576 токена и позволява задаване на нивото на разсъждение за всяка заявка. Теглата са публикувани под лиценза Apache 2.0 в Hugging Face.