Yann LeCun 发新论文挑战 Scaling Law：1.09 亿参数胜过 720 亿，模型越大不一定越懂世界
Yann LeCun 与其合作者提出了一种新的跨模态表征对齐方法，通过实验证明了一个仅有 1.09 亿参数的文本模型在跨模态表征对齐测试中超过了包括 Qwen2.5-72B、Llama-3-70B 在内的大型语言模型。
推荐理由：LeCun 的论文挑战了 AI 行业中模型规模与理解能力的关系，提出了新的跨模态表征对齐方法，对 AI 理论研究有重要意义。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 1–20 条 · 共 113 条InfoQ中文精选AI 评分7070
IT之家精选AI 评分8585 谷歌发布睡眠框架：让 AI 学会‘睡觉’，持续学习不忘旧知识
谷歌研究团队发布名为‘睡眠框架’的持续学习研究成果，旨在解决大语言模型的知识固化问题。该框架借鉴人类睡眠机制，通过模拟‘清醒阶段’和‘睡眠阶段’进行记忆巩固和自我改进，实验显示在多个任务中优于基线方法。
推荐理由：谷歌提出的睡眠框架旨在解决大语言模型的知识固化问题，通过模拟人类睡眠机制进行记忆巩固和自我改进，对持续学习领域有重要意义。
InfoQ中文精选AI 评分8585 谷歌发布 Gemini 4 Carbon：大模型新标杆，但普通开发者暂时无法使用
谷歌发布新一代大模型 Gemini 4 Carbon，在多个领域性能提升，包括编程、长程智能体任务和网络安全。目前仅向部分网络安全专家开放，后续逐步扩大访问范围。
推荐理由：谷歌发布了新一代大模型 Gemini 4 Carbon，在多个领域性能提升，但普通开发者暂时无法使用，引发对 AI 模型实际应用和成本效益的思考。
IT之家精选AI 评分8585 英伟达开源最强转录 AI 模型 Nemotron 3.5 Transcribe：支持 40 种语言，8 人抢话也能精准转录
英伟达推出开放权重语音转录模型 Nemotron 3.5 Transcribe，支持 40 种语言转录，最多可区分 8 名说话人，已在 Hugging Face 与 ModelScope 免费开放。
推荐理由：英伟达开源了 Nemotron 3.5 Transcribe 模型，支持多语言转录和说话人识别，对多场景应用有重要意义。
开源中国精选AI 评分7070 谷歌 DeepMind 发布 Genie 4：世界模型同步生成声音
谷歌 DeepMind 发布 Genie 4，一个原生多模态的世界模型，实现了画面、音乐、环境声、对话的同步生成。
推荐理由：Genie 4 的多模态能力在模拟中实现了声音与画面的同步生成，对多模态研究有重要意义。
36氪精选AI 评分7070 中信证券：GPT-6 Astra进入机器人控制，物理AI迎来重大拐点
中信证券研报指出，通用大模型GPT-6 Astra正在应用于机器人控制，有望推动物理AI发展，并可能成为AI行业下一个投入方向。
推荐理由：原文探讨了通用大模型在机器人控制领域的应用，读者可以了解这一领域的最新研究进展。
36氪精选AI 评分7070 Vivix发布下一代实时交互模型，探索互动内容新领域
Vivix公司推出两款实时交互模型W1和A1，旨在推动互动内容领域的发展，并探索游戏和直播等应用场景。
推荐理由：Vivix公司专注于下一代实时交互模型，其产品可能对互动内容领域产生重大影响。
Show HN精选AI 评分7070 如何加速 VLA 训练：Pi0.5 训练加速详解
本文详细介绍了如何通过多种优化方法加速 Pi0.5 模型的训练，包括内存优化、编译优化和注意力机制优化，最终实现了 3 倍的训练加速。
推荐理由：文章详细介绍了如何通过多种优化方法加速 Pi0.5 模型的训练，包括内存优化、编译优化和注意力机制优化，对于需要训练类似模型的读者具有参考价值。
Solidot精选AI 评分8585 Meta 发布 Muse Spark Open 开放权重模型
Meta 发布 Muse Spark Open，一个拥有 8160 亿参数的多模态模型，支持在 Mac Studio 上运行，已发布在 Hugging Face 上。
推荐理由：Meta 发布了 Muse Spark Open，一个强大的多模态开放权重模型，支持在苹果的 Mac Studio 上运行，读者可以关注其参数规模和运行环境对现有工作流的影响。
Show HN精选AI 评分6565 StarSkirmish Bench v0.2 评测：大型语言模型在 StarCraft 游戏中的表现
StarSkirmish Bench v0.2 评测了多个大型语言模型在 StarCraft 游戏中的表现，GPT-6 Astra 表现最佳，Gemini 4 Argon 和 Claude Opus 5.5 紧随其后。
推荐理由：StarSkirmish Bench v0.2 对比了多个大型语言模型在 StarCraft 游戏中的表现，为读者提供了关于不同模型在复杂任务中表现的数据和见解。
爱范儿精选AI 评分6565 英伟达RTX Spark笔记本发布，AI本地部署新选择
英伟达RTX Spark笔记本搭载ARM CPU、Blackwell RTX GPU和统一内存，支持运行大型AI模型，为AI本地部署提供了新的可能性。
推荐理由：英伟达RTX Spark笔记本的发布，标志着英伟达在Windows PC核心硬件平台的进入，为AI本地部署提供了新的可能性，对创作者和开发者来说是一个值得关注的事件。
量子位精选AI 评分8585 优必选 Thinker-WM：多模态统一表征，单模型实现六大能力
优必选 Thinker-WM 在三大基准评测中全部拿下第一名，刷新行业成绩。该模型通过多模态统一表征技术，实现了视频-动作联合生成、世界预测、策略推理等六大能力。
推荐理由：Thinker-WM 在三大基准评测中取得优异成绩，其多模态统一表征技术为具身智能领域带来突破性进展。
Latent Space精选AI 评分7070 AI模型和工具更新：Muse Spark Open、Nemotron 3.5、MAI-Base-2、Gemini 4 Argon等发布
Muse Spark Open发布，具有816B总参数、42B活跃参数、1M上下文窗口，支持多模态输入；Nemotron 3.5 Super VL是一个120B/12B活跃的混合Mamba-Transformer MoE VLM；MAI-Base-2是一个大约3T参数的预训练基础模型；Gemini 4 Argon在Antigravity中推出。
推荐理由：原文介绍了多个AI模型和工具的更新和发布，包括Muse Spark Open、Nemotron 3.5、MAI-Base-2、Gemini 4 Argon等，读者可以了解这些新工具的能力和特点，以及它们对AI领域的影响。
IT之家精选AI 评分6565 苹果与Meta合作：Mac Studio本地运行“美国最强开源AI模型”Muse Spark Open
Meta 和苹果公司合作，在两台 Mac Studio 上本地运行 Muse Spark Open 模型，该模型参数量达 8160 亿，面向复杂工作场景。合作标志着两家公司在 AI 领域的罕见合作，对 AI 工具的可用性和性能有重要影响。
推荐理由：Meta 和苹果公司合作，在 Mac Studio 上本地运行 Muse Spark Open 模型，标志着两家公司在 AI 领域的罕见合作，对 AI 工具的可用性和性能有重要影响。
量子位精选AI 评分8585 何恺明团队发布多模态Harness框架VISTA：视觉原生推理新框架
何恺明团队提出的VISTA框架，通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
推荐理由：VISTA框架通过保存和利用视觉信息，显著提升了多模态模型在交互式视觉推理任务中的表现，为Agent能力的发展提供了新的思路。
36氪精选AI 评分6060 以色列团队开发Brain-IT模型 可通过fMRI数据重建受试者所见画面
以色列魏茨曼科学研究所教授Michal Irani团队开发的Brain-IT模型，能够通过分析fMRI数据重建受试者观看图像时的视觉画面。
推荐理由：该研究展示了AI在图像生成领域的最新进展，可能对相关领域产生重要影响。
量子位精选AI 评分5858 生数科技开放 Vidu Q4 预览版：720P 约 0.6 元/秒，最高 4K 直出
生数科技开放新一代视频生成旗舰模型 Vidu Q4 预览版，主打传神表现力，先放出人物演绎、镜头语言和视效场面三项能力，最高支持 4K 直出，单条最长 16 秒，一次最多可用 15 张参考图和 3 段参考音频。
推荐理由：作者实测了 Vidu Q4 预览版的演技、镜头与特效表现，并给出 MaaS 与 SaaS 两端的计价方式，便于创作者估算成本。
IT之家精选AI 评分5858 PFN 发布 PLaMo 3 Translate 31B 翻译模型，日语表现优于 GPT-6.1 Sol
日本企业 Preferred Networks（PFN）发布翻译模型 PLaMo 3 Translate 31B，基于 PLaMo 3 基础模型，训练数据中日语占比约 30%，支持语言从上代的日语、英语 2 种扩展至 53 种，并引入覆盖 15 种语言的在线会议翻译模式。
推荐理由：日本团队自研翻译模型把支持语言从 2 种扩到 53 种，并给出与 GPT-6.1 Sol 的基准对比和成本数字。
开源中国精选AI 评分6868 Mistral 发布 Mistral Large 4：1 万亿参数、原生多模态
Mistral 发布其史上最大模型 Mistral Large 4，代号 Le Chonk，为从零训练的原生多模态模型，1 万亿参数、520 亿稀疏激活。该模型即日起在 Mistral Studio 开放公开预览，权重将于月底发布。
推荐理由：原文给出模型规模、稀疏激活与多模态三项关键参数，读者可据此判断其与同代大模型的定位差异。
量子位精选AI 评分6262 何恺明团队提出NAT-ARC：用ImageNet猫狗图预训练解ARC抽象推理
何恺明团队提出纯视觉ARC解题方案NAT-ARC，在VARC流程前插入ImageNet MAE预训练，不依赖LLM。表现最好的单模型为0.6B的huge尺度，ARC-1上pass@2达63.4±0.7%，集成后达70.2±0.6%，总参数量约2B。
推荐理由：论文用ImageNet预训练打通视觉路线在ARC上的scaling瓶颈，并给出注意力可视化与任务拆解证据。