Hugging Face 与 Thinking Machines Lab 发布本地多模态模型 Inkling 2 Mini
Hugging Face 与 Thinking Machines Lab 发布面向本地部署的多模态模型 Inkling 2 Mini,采用循环 Transformer 与 MoE 结构,物理参数约 26B、每 token 激活 3B,支持 1M token 上下文和图像输入。
推荐理由:原文给出循环层架构、跨轮消息机制与多框架推理入口,可据此判断本地部署的取舍。
机构与厂商
人工智能厂商发布的产品、模型、工具与平台更新,及其对从业技能要求的影响。
6 条精选近 30 天 6 条共收录 9 条
Hugging Face 与 Thinking Machines Lab 发布面向本地部署的多模态模型 Inkling 2 Mini,采用循环 Transformer 与 MoE 结构,物理参数约 26B、每 token 激活 3B,支持 1M token 上下文和图像输入。
推荐理由:原文给出循环层架构、跨轮消息机制与多框架推理入口,可据此判断本地部署的取舍。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成。该模型定价为每百万输入 token 3 美元、每百万输出 token 15 美元,缓存输入 token 0.15 美元,上下文窗口 100 万 token,提供四档思考级别。
推荐理由:原文给出 Gemini 4 Neon 的定价、上下文窗口与多项基准排名,可据此判断它在高频工程任务中的性价比位置。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习后训练,仅用 1200 条精选任务、144 块 H200 训练 18 天。
推荐理由:原文给出训练成本与吞吐对比,可据此判断长程智能体后训练的效率空间。
Hugging Face 与 OpenRouter 合作,把语言模型的 Inference Providers 从自建路由切换到 OpenRouter,按实时价格、速度和可靠性为每次请求选择供应商,失败时在同一调用内重试其他供应商。
推荐理由:原文交代了路由切换后的重试机制、模型后缀选路方式和计费变化,可据此判断现有调用代码是否需要调整。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini 应用和 Google Search 等全线开放。
推荐理由:原文给出 Hydrogen 的定价、基准成绩与多模型编排方式,读者可据此判断它在日常编码与智能体工作流中的定位。
Google DeepMind 向开发者、企业、科研人员和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,每任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和每任务成本,便于判断何时该换用更强模型。