Alibaba 发布 Qwen4-Max,对标 Opus 5.5 与 GPT-6 并大幅降低价格
Alibaba 发布旗舰模型 Qwen4-Max,将 MoE 总参数设定为 2.4 trillion,激活参数 71 billion,上下文窗口 1 million tokens。
推荐理由:材料给出了混合架构下的成本变化与多项基准成绩,读者可以据此判断它在不同任务中的实际表现。
Alibaba 发布旗舰模型 Qwen4-Max,将 MoE 总参数设定为 2.4 trillion,激活参数 71 billion,上下文窗口 1 million tokens。
推荐理由:材料给出了混合架构下的成本变化与多项基准成绩,读者可以据此判断它在不同任务中的实际表现。
IT之家报道,黄仁勋离任英伟达 CEO 后,英伟达股价短暂暴跌但迅速收复,博通和 AMD 股价随之上涨。多位华尔街分析师指出,AI 产业已不依赖单一企业,市场需求依然强劲,此次变动不会改变 AI 投资格局,算力基础设施建设热潮预计将持续。
推荐理由:华尔街观点认为市场将寻找替代方案,短期波动未改变对AI算力长期需求的预期。
谷歌DeepMind发布新一代DNA基础模型AlphaGenome 2,并公布了78页技术报告。该模型能基于超1.07亿个单细胞数据精确预测基因突变的影响,在28种免疫细胞基准测试中的致病突变识别率从16%提升至30%。文章介绍了其零生物实验复现Nature数年成果、通过新增细胞编码器处理未见病变样本的能力,并预告模型将作为Skills接入Gemini 4。
推荐理由:文章基于技术报告梳理了该模型在单细胞级别解析基因突变的新能力,以及它向通用AI调用演化的方向。
Google DeepMind 发布 AlphaProof Code,这是一个结合人类专家与多 LLM 智能体的形式化验证框架,首次完成了对 Signal 加密协议实际运行代码的深度数学证明。
推荐理由:AlphaProof Code 首次实现了对已部署加密协议底层代码的深度形式化验证,为软件安全证明提供了可迁移的 AI 框架。
Project Zero 对比了模糊测试工具 Fuzzilli 与基于 LLM 的 BigSleep 在 Chrome V8 引擎上的漏洞挖掘效果。过去六个月中,BigSleep 发现 45 个漏洞,Fuzzilli 发现 37 个,重叠率约 25%;但在历史故障重现实验中,BigSleep 重新发现了约 60% 的 Fuzzilli 历史漏洞。
推荐理由:通过真实生产数据对比模糊测试与LLM在V8漏洞挖掘中的重叠度,明确了二者互补边界及各自优势场景。
Riley Goodside 宣布提示工程已死,并指出功夫已转移到 harness 与系统上。以 Chainguard 为例,其 AI 漏洞发现系统通过自建执行框架和简单提示词,独立复现了高危漏洞。文章梳理了从 Prompt Engineering 到 Loop Engineering 的演化脉络,认为随着模型能力提升,普通用户直接提问的上限已接近无天花板,而判断问题与结果能力将变得关键。
推荐理由:通过对比前沿案例与系统架构,文章梳理了从提示词工程向循环工程演化的完整脉络。
作者提出统计模型量化 LLM 对旧基准的过拟合(Benchmaxxing)倾向,发现 Google 模型在发布前基准上平均高出 1.41 ECI 分。若扣除该效应,Gemini 4.0 Argon 在 ECI 排名中将从第 4 降至第 6。
推荐理由:通过统计模型量化各实验室在旧基准上的过拟合倾向,为解读 LLM 排行榜分数提供可复现的分析框架。
Meta 与 Apple 合作,让 Muse Spark Open AI 模型在 Mac 上运行得更好。该模型总参数 8160 亿,宣称是目前最有能力的美国开源模型,并可通过最新 MLX 框架在两台 Apple M5 Ultra Mac Studio 上运行。
推荐理由:Muse Spark Open 模型发布,重点在于它与 Apple 协作,能在 M5 Ultra Mac Studio 上通过 MLX 框架本地运行。
Google 发布基于 Gemini 3.5 Flash 微调的网络安全模型 Gemini 3.5 Flash Cyber,用于高效发现、验证和修复代码漏洞。该模型通过限制政府及可信合作伙伴的试点计划访问,在 CyberGym 和 Chrome 生产环境等测试中展现了优于主线路基模型和更大模型的高效性能,已用于保护 Google 内部代码库。
推荐理由:官方发布了针对网络安全微调的轻量化模型,提供了在漏洞扫描任务中降低成本并提升覆盖率的实操架构。
Mistral AI 发布 7B 参数模型 Mistral 7B,其在标准英语和代码基准测试中超越所有目前可用的 13B 及以下开源模型。该模型基于 Apache 2.0 协议发布,运行速度更快且成本更低,适用于摘要、问答等任务。公司计划在未来几个月内逐步发布缩小黑盒与开源模型性能差距的新模型。
推荐理由:原文展示了 7B 模型超越 13B 开源模型的性能对比,并明确采用 Apache 2.0 协议,为开发者提供了低成本且可控的替代方案。