Sakhanda Wire
NVDA $152.86 -2.10% MSFT $505.56 -2.40% GOOGL $280.34 -1.19% META $618.69 -1.23% AMZN $256.63 -0.43%

MarkTechPost

396 новини · всички източници

MarkTechPost

FlashMap ускорява декодирането на Qwen3 с блокове от 16 токена

Изследователи от Polymathic AI, Princeton University, USC ISI, NYU и Flatiron Institute представиха FlashMap — модул за спекулативно декодиране на големи езикови модели. Той използва непрекъсната flow map архитектура, за да предложи блок от 16 токена с един проход, вместо да ги генерира последователно. Целевият модел проверява блока паралелно и запазва най-дългия съвпадащ префикс, така че крайният резултат остава идентичен с този на целевия модел.

MarkTechPost

Google DeepMind представи Genie 4 с реалистичен звук в реално време

Google DeepMind представи Genie 4 като изследователска версия за доверени тестери. Моделът създава интерактивни среди от текстови и графични подсказки в реално време, като генерира едновременно визуалната картина, фоновите звуци, музиката и диалозите на персонажите. Потребителите се движат с клавиатура и могат да променят времето, камерата, хора или предмети чрез обикновени текстови инструкции.

MarkTechPost

LEANN свива векторен индекс за 60 милиона фрагмента до 6 GB

Изследователи от Sky Computing Lab към Калифорнийския университет в Бъркли разработиха LEANN — векторен индекс с отворен код, който намалява пространството за семантично търсене и retrieval-augmented generation. Вместо да съхранява всички вграждания на диска, системата пази прореден граф и изчислява отново само избрани вграждания при заявка. В тест на хранилището индекс на Wikipedia с 60 милиона фрагмента се свива от 201 GB до 6 GB. В научната работа са посочени 4 GB срещу 188 GB за HNSW при друга конфигурация.

MarkTechPost

Liquid AI представи шест отворени модела LFM3

Liquid AI представи LFM3 — семейство от шест модела с отворени тегла, изградени върху обща базова архитектура. Моделите са от клас 2B и обхващат текст, изображения, аудио, мултимодални задачи и вземане на решения. Серията включва LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B и d1-Omni-2B. Всеки модел може да бъде дообучен на един графичен процесор и внедрен на устройства, частни сървъри или в облака.

MarkTechPost

Mirendil представи Fern 0.1 с контекст от 10 милиона токена

Mirendil представи Fern 0.1 — първия си модел с изкуствен интелект, насочен към изследователска и развойна работа в областта на AI, а не към общ чат. Кодиращият модел е предварително обучен от нулата и е изграден върху Mirendil-Base след кратък етап на дообучаване. Контекстният му прозорец достига 10M токена. По оценка на Mirendil това се равнява на около 23 MB код или приблизително 500 000 реда. Засега моделът се предлага само чрез хостван ранен достъп, без обявени отворени тегла или квантизирани версии.

MarkTechPost

vLLM Semantic Router представи 27B модела за решения d3-ultra

Екипът на vLLM Semantic Router представи d3-ultra — мултимодален модел за вземане на решения с 26,09 млрд. параметъра и отворени тегла под лиценз Apache-2.0. Моделът не генерира текст. Вместо това обработва веднъж текст, JSON, изображения или видео и връща вероятности за отговорите на набор от типизирани въпроси, включително избор, да/не, оценяване, локализиране и проследяване.

MarkTechPost

Baidu пусна Unlimited OCR 2 за анализ на дълги документи

Baidu представи Unlimited OCR 2 — зрително-езиков OCR модел с 3,34 млрд. параметъра, предназначен за обработка на книги, отчети и други документи от стотици страници с една заявка. Моделът е с MIT лиценз и преобразува изображения на страници в структурирана информация, включително текст, таблици, формули, фигури, заглавия и ред на четене. Максималната му дължина на позициите е 131 072 токена, а тестовете са проведени на един CUDA графичен процесор NVIDIA A800-80GB в BF16. Теглата заемат около 6,7 GB.

MarkTechPost

OpenAI представи GPT-6.1 Terra за по-евтина автоматизация

OpenAI представи GPT-6.1 Terra — модел за визуално разсъждение, използване на компютър и писане. Той приема текст и изображения и генерира текст, като разполага с контекст от 1,05 милиона токена и позволява до 128 000 изходни токена. Моделът заменя GPT-5.6 Terra и е достъпен в API като gpt-6.1-terra. Предлага се също в ChatGPT Work и Codex за потребители с планове Plus, Pro, Enterprise и Edu. Теглата му са затворени, а изпълнението е само в инфраструктурата на OpenAI.

MarkTechPost

Nace AI представи Drex for Search за търсене от AI агенти

Nace AI представи Drex for Search — слой за извличане на информация, предназначен да помага на хора и AI агенти да намират доказателства в документи. Компанията посочва, че системата може да търси в над 1M файла и се използва от кодиращи агенти като Claude Code, Codex, Cursor и OpenCode чрез CLI, SDK, MCP или REST. Решението може да работи в управлявания от Nace облак, в отделен облак, в AWS или Azure акаунт на клиента, както и локално или в изолирана среда.

MarkTechPost

Изследователи от Цинхуа пуснаха AKV за кешове на LLM агенти

Изследователи от Университета Цинхуа и CUHK публикуваха AKV — система за обслужване и библиотека от политики за управление на KV кеша при LLM агенти. Проектът е с лиценз Apache-2.0, изграден е върху SGLang и е предназначен за NVIDIA GPU. Той не включва тегла на модели. Тестовете обхващат GPT-OSS-120B, MiniMax-M2.7 и MiroThinker-1.7-Mini в четири бенчмарка за агенти.

MarkTechPost

Nanbeige представи отворен модел за агентно програмиране с 33 млрд. параметъра

Nanbeige LLM Lab публикува Nanbeige4.3-33B в Hugging Face под лиценза Apache 2.0. Плътният езиков модел има 33 млрд. параметъра, BF16 тегла и контекстен прозорец от 524 288 токена. Отделно е предоставен Nanbeige4.3-33B-Base за персонализирано дообучаване. Рецептите в картата на модела за SGLang и vLLM използват четирипосочен тензорен паралелизъм, а самите тегла изискват приблизително 66 GB памет.

MarkTechPost

Hugging Face представи отворения ДНК модел Carbon-X

Hugging Face представи Carbon-X — отворен езиков модел за ДНК с 14,8 милиарда параметъра. Системата е разработена от Hugging Face Bio съвместно със Zhongguancun Academy и TIGEM / University of Naples Federico II. Тя е декодерна архитектура, която приема необработени ДНК последователности в чат и отговаря на английски. Сред задачите ѝ са оценка дали мутации са доброкачествени или патогенни, откриване на регулаторни области, класифициране на организми и предсказване на следващи бази.