Google推出免费的数字人生成工具
更多动态
DeepSeek 发布了实验性模型 DeepSeek-V3.2-Exp
,技术迭代的同时 API 定价显著降低 1️⃣ API 定价较上一代降低超过 50%,新用户可领取 50 万 Token 免费额度,大幅降低了应用开发和测试成本,对独立开发者很友好。 2️⃣ 核心是 Sparse Attention 技术。可以理解为让模型像人一样“速读”,只关注上下文里的关键信息,从而在处理法律文档、科研论文等长文本(>32K)时,算力效率更高。 3️⃣ 模型采用混合精度训练,对自行部署或微调有资源优化的参考价值。官方数据显示其在 A100 集群上训练吞吐量有明显提升,适合关注性能的场景。

📈 AI 的职业能力有了新标尺,看看 GPT-5 离专家还有多远
OpenAI 发布了 GDPval 基准测试,不再是学术问答,而是评估 AI 在金融、医疗等真实职业任务中的经济价值。 1️⃣ GPT-5 的表现 在 44 个职业的 1320 个任务中,与从业 14 年的专家对比。 GPT-5-high 版本取得了 40.6% 的“胜出或平局”率,是 GPT-4o (13.7%) 的近三倍。这显示了模型在具体工作场景中的显著进步。 2️⃣ 与 Claude 对比 Anthropic 的 Claude Opus 4.1 得分更高,达到 49%。 细节差异很关键:Claude 在图形、文档格式化等“美学”层面有优势;而 GPT-5 在“领域知识与准确性”上表现更好。开发者可根据应用场景做技术选型。 3️⃣ 基准测试的意义 价值导向:评估标准从理论转向实践,衡量 AI 能否胜任人类工作流程中的具体环节,如生成竞争分析报告、法律摘要或护理计划。 成本效益:初步数据显示,模型完成任务的速度比专家快约 100 倍,成本更低,但这并未计入现实中必要的人工审核与整合成本。 总的来说,AI 评测正从“能不能聊”转向“能不能干活”。GDPval 提供了一个更贴近真实世界的观察窗口,值得持续关注。 参考资料: https://techcrunch.com/2025/09/25/openai-says-gpt-5-stacks-up-to-humans-in-a-wide-range-of-jobs

美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

商汤开源 SenseNova Loop-9B-Preview。
它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
