ข้ามไปที่เนื้อหา
เฉพาะ โมเดล#การให้เหตุผล
  1. Hacker News · AI88

    Edge0 เปิดซอร์สโมเดลออนดีไวซ์ Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์

    Edge0 เปิดซอร์ส Edge0-145B และ Edge0-120B พร้อมเฟรมเวิร์กอินเฟอเรนซ์แบบรวมศูนย์และเครื่องมือสำหรับการดีพลอย โดยอ้างว่า Edge0-145B เป็นโมเดลออนดีไวซ์ขนาด 145B พารามิเตอร์ตัวแรกที่เปิดซอร์ส บริษัทรายงานว่ามีหน่วยความจำสูงสุด 29GB, พรีฟิลล์เกิน 1,100 โทเคน/วินาที, ดีโค้ดเกิน 80 โทเคน/วินาที และใช้พลังงานทั่วไปประมาณ 120W บนแล็ปท็อปที่รองรับ โดยมีคอนเท็กซ์ 128K–256K บริษัทอ้างคะแนนภายในที่ 64.6 บน DeepSWE 1.1, 86.52 บน Terminal-Bench 2.1, 90.4 บน GPQA-Diamond และ 80.6 บน IFBench และระบุว่าน้ำหนักโมเดลอยู่บน Hugging Face พร้อมรองรับ macOS, Windows และ Linux ตั้งแต่วันแรก

    ทำไมเรื่องนี้สำคัญ: Edge0 เปิดซอร์สโมเดลออนดีไวซ์ขนาด 145B ที่รายงานหน่วยความจำสูงสุด 29GB และดีโค้ดเกิน 80 โทเคน/วินาที ซึ่งเป็นข้อมูลเชิงประจักษ์ว่าการอินเฟอเรนซ์ในเครื่องสามารถขยายขนาดได้ไกลเพียงใด

  2. Google DeepMind90

    Google DeepMind เปิดตัว Gemini 4 Hydrogen โมเดล Gemini 4 ที่เร็วขึ้นสำหรับงานเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์

    Google DeepMind เปิดตัว Gemini 4 Hydrogen โมเดล Gemini 4 ที่สร้างขึ้นสำหรับการเขียนโค้ดในชีวิตประจำวันอย่างรวดเร็วและการทำงานแบบเอเจนต์ มากกว่าการให้เหตุผลระยะยาวของ Gemini 4 Carbon และ Argon โดยได้คะแนน 51 บน Artificial Analysis Intelligence Index ที่ระดับการคิดสูงเริ่มต้น เทียบกับ 50 ของ Argon และสูงถึง 54 ที่การตั้งค่า xhigh ใหม่ โดยมีราคาคงที่ 1.50 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 7.50 ดอลลาร์ต่อล้านโทเค็นเอาต์พุตตลอดหน้าต่างบริบท 1 ล้านโทเค็น Google ยังเปิดตัว Orchestrator ใน Google Antigravity ซึ่งสลับระหว่างโมเดลอย่าง Carbon และ Hydrogen ภายในเซสชันเดียว และทำอัตราความสำเร็จของงานใกล้เคียง Carbon บน Terminal-Bench 4.0 โดยใช้โควตาน้อยลง 24% และเสร็จเร็วขึ้น 19%

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Hydrogen ของ Google มุ่งเป้าที่การเขียนโค้ดในชีวิตประจำวันอย่างรวดเร็วและงานแบบเอเจนต์ ด้วยราคาคงที่ 1.50/7.50 ดอลลาร์ต่อล้านโทเค็นตลอดหน้าต่างบริบท 1M และ Orchestrator ใหม่ที่สลับระหว่างโมเดล Gemini 4

  1. The Decoder80

    Google DeepMind เปิดตัว Gemini Decisions API และโมเดล Gemini Decision 1

    Google DeepMind เปิดตัว Gemini Decisions API ซึ่งสร้างขึ้นสำหรับการตัดสินใจแบบปิด เช่น คำถามใช่/ไม่ใช่ ตัวเลือกหลายข้อ และการให้คะแนนตามมาตรา โดยมีโมเดลพื้นฐาน Gemini Decision 1 ประมวลผลคำถามอิสระได้สูงสุด 1,000 ข้อในการเรียกครั้งเดียว ครอบคลุมข้อความ รูปภาพ เสียง วิดีโอ และ PDF โดยส่งคืนความน่าจะเป็นพร้อมค่าความเชื่อมั่นใน 150 ถึง 250 มิลลิวินาที และมีค่าใช้จ่าย $0.10 ต่อล้านโทเค็นอินพุต โดยไม่มีค่าใช้จ่ายโทเค็นเอาต์พุต ซึ่ง Google กล่าวว่าถูกกว่าประมาณห้าเท่าเมื่อเทียบกับ Gemini 3.5 Flash-Lite API นี้พร้อมใช้งานแล้วผ่าน Google AI Studio พร้อมการผสานรวมสำหรับ OpenRouter, LangChain และ Vercel ที่กำลังทยอยเปิดตัว และ Google กล่าวว่าบริษัทใช้มันภายในอยู่แล้วสำหรับการกำหนดเส้นทางโมเดลใน Gemini Notebook การสร้างต้นแบบการออกแบบใน Stitch และการตรวจสอบความปลอดภัยใน Google Search

    ทำไมเรื่องนี้สำคัญ: การเข้าสู่ตลาด API สำหรับการตัดสินใจแบบปิดของ Google แสดงให้เห็นว่าผู้ขายกำลังจัดแพ็กเกจการให้คะแนนที่รวดเร็วและต้นทุนต่ำสำหรับการกำหนดเส้นทางและการตรวจสอบความปลอดภัย โดยมีตัวเลขราคาและความหน่วงเพื่อการเปรียบเทียบ

  1. Google DeepMind88

    Google DeepMind เปิดตัว Gemini 4 Carbon สำหรับการเขียนโค้ดแบบเอเจนต์ ไซเบอร์ซีเคียวริตี้ และการให้เหตุผลเชิงวิทยาศาสตร์

    Google DeepMind เปิดให้ developers, องค์กร, นักวิทยาศาสตร์ และผู้บริโภคใช้งาน Gemini 4 Carbon ได้แล้ว โดยวางตำแหน่งให้เหนือกว่า Gemini 4 Argon สำหรับงานที่ต้องใช้การให้เหตุผลเชิงลึกและโทเคนมากขึ้น Carbon ครองอันดับ 1 บน CursorBench 4.0, WANDR ของ Perplexity และ AutomationBench ของ Zapier ด้วยต้นทุนต่องานต่ำกว่าโมเดลภายนอกที่ดีที่สุดเป็นอันดับถัดไปกว่า 2 เท่า และมีราคาอยู่ที่ 2 ดอลลาร์ต่อล้านโทเคนอินพุต และ 10 ดอลลาร์ต่อล้านโทเคนเอาต์พุต ซึ่งเป็นราคาเปิดตัวเดียวกับ Argon Google ยังได้พรีวิว /swarm ใน Google Antigravity ซึ่งเปลี่ยนพรอมป์เดียวให้กลายเป็นทีมเอเจนต์ที่ทำงานประสานกัน และรายงานว่า Carbon สามารถบล็อกเส้นทางการโจมตีได้ 99% ในการทดสอบจำลองการโจมตีทางไซเบอร์

    ทำไมเรื่องนี้สำคัญ: บันทึกการเปิดตัวของ Google อธิบายว่า Gemini 4 Carbon แลกกับการใช้โทเคนที่สูงขึ้นเพื่อการให้เหตุผลที่ลึกขึ้น โดยครองอันดับ 1 บน CursorBench 4.0, WANDR และ AutomationBench ด้วยต้นทุนต่องานต่ำกว่าครึ่งหนึ่งของโมเดลภายนอกอันดับถัดไป

  1. Latent Space85

    Anthropic เปิดตัว Claude Fable 5.2 และ Mythos 5.2 กลับมาครองอันดับหนึ่ง LLM ขณะเริ่มโรดโชว์ IPO

    Anthropic เปิดตัว Claude Fable 5.2 และ Claude Mythos 5.2 ซึ่งขึ้นอันดับต้นในลีดเดอร์บอร์ดอิสระส่วนใหญ่ รวมถึง Artificial Analysis Intelligence Index v5 ที่ 65 และ SemiAnalysis GDPx ที่ 16.4% ราคาลดลง 20% เหลือ $8/$40 ต่อ 1M โทเคนอินพุต/เอาต์พุต แต่ SemiAnalysis รายงานว่าต้นทุนต่องาน GDPx เพิ่มจาก $67.16 เป็น $88.15 เพราะโมเดลเขียนกรณีทดสอบหลายร้อยถึงหลายพันกรณีและสร้าง subagent เพื่อตรวจงานของตัวเอง การประเมินหลายชุดแสดงให้เห็นว่าระดับความพยายามสูงสุด (max effort) ให้ผลด้อยกว่าระดับ high และ Fable ถูกจำกัดที่ 50% ของขีดจำกัดการสมัครสมาชิกรายสัปดาห์

    ทำไมเรื่องนี้สำคัญ: Anthropic เปิดตัว Fable 5.2 และ Mythos 5.2 พร้อมลดราคาต่อโทเคน 20% แต่การประเมินอิสระกลับพบต้นทุนต่องานสูงขึ้น และการตั้งค่าความพยายามสูงสุดให้ผลด้อยกว่าระดับ high

  2. Claude YouTube78

    Anthropic เปิดตัว Claude Fable 5.2 สำหรับงานเทคนิคที่ท้าทาย

    Anthropic เปิดตัว Claude Fable 5.2 โมเดลที่ออกแบบมาสำหรับความท้าทายทางเทคนิคที่ยากที่สุดและโครงการเปิดกว้างที่ทะเยอทะยาน โดยมีการปรับปรุงด้านการเขียนโค้ด การให้เหตุผล และการมองเห็น บริษัทแนะนำให้เริ่มต้นด้วย Opus 5.5 สำหรับงานเขียนโค้ดและงานความรู้ส่วนใหญ่ Fable 5.2 เปิดให้ใช้งานแล้ววันนี้ในแผน Pro, Max, Team และ Enterprise

    ทำไมเรื่องนี้สำคัญ: Claude Fable 5.2 มุ่งเป้าไปที่งานเทคนิคแบบเปิดกว้างที่ทะเยอทะยาน โดยมีรายงานการปรับปรุงด้านการเขียนโค้ด การให้เหตุผล และการมองเห็น ขณะที่ Opus 5.5 ยังคงเป็นค่าเริ่มต้นที่แนะนำสำหรับงานเขียนโค้ดและงานความรู้ส่วนใหญ่

  1. Artificial Analysis Articles78

    Thinking Machines เปิดตัว Inkling 2 Small ได้คะแนน 31 บน Artificial Analysis Intelligence Index

    Thinking Machines เปิดตัว Inkling 2 Small โมเดลการให้เหตุผลแบบ proprietary ที่ได้คะแนน 31 บน Artificial Analysis Intelligence Index v5.0.1 สูงกว่า Inkling Small 18 คะแนน โดยมีแผนจะเปิดน้ำหนักภายใต้ Apache 2.0 ในภายหลังซึ่งยังไม่ยืนยันวันที่ โมเดลขนาด 594B พารามิเตอร์ (ใช้งานจริง 17B) เปิดให้ใช้ก่อนผ่าน Tinker และ Tinker Playground ในราคา $0.30/$1.00 ต่อ 1M โทเคนอินพุต/เอาต์พุต และทำได้เทียบเท่า Gemini 3.8 Flash (high) แต่ตามหลัง Claude Sonnet 5.5 ใน benchmark ด้านการเขียนโค้ดและการ hallucination โดยใช้โทเคนเอาต์พุตเฉลี่ยประมาณ 150K ต่องานใน Intelligence Index หรือราว 4 เท่าของ Inkling Small ในราคา $1.18 ต่องาน เทียบกับ $0.20

    ทำไมเรื่องนี้สำคัญ: การรัน benchmark อิสระของ Artificial Analysis แสดงให้เห็นว่า Inkling 2 Small ได้เปรียบกว่ารุ่นก่อนหน้าตรงไหน และยังตามหลัง Gemini 3.8 Flash และ Claude Sonnet 5.5 ตรงไหน

  1. Artificial Analysis Articles82

    Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 อยู่อันดับสอง Coding Agent Index

    Gemini 4 Carbon ของ Google ขึ้นเป็นอันดับ 5 ใหม่ใน Artificial Analysis Coding Agent Index 5 (สูงสุด 62) และนำใน 4 จาก 9 การประเมินของ Index รวมถึง HLE-Diamond และ Terminal-Bench-Science 1 เพิ่มจาก 4% เป็น 11%; โมเดลกำลังทยอยเปิดให้ผู้ใช้บางกลุ่ม และยังไม่เปิดให้ใช้งานทั่วไป

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 ที่ 59 และตามหลัง Claude Opus 5.5 อยู่ 3 คะแนนใน Coding Agent Index พร้อมตัวเลขต้นทุนต่องานและอัตราการสร้างข้อมูลเท็จเพื่อการเปรียบเทียบ

  1. Mistral AI71

    Mistral เปิดตัว Timestral โมเดลพื้นฐานอนุกรมเวลา ขึ้นแท่นอันดับหนึ่งใน GIFT-Eval, TIME และ fev-bench

    Mistral เปิดตัว Timestral ครอบครัวโมเดลพื้นฐานอนุกรมเวลาชุดแรกของบริษัท มีสี่ขนาดตั้งแต่ 5M ถึง 209M พารามิเตอร์ โมเดลที่ใหญ่ที่สุดครองอันดับหนึ่งในสามเบนช์มาร์กสาธารณะหลักทั้ง GIFT-Eval, TIME และ fev-bench ในกลุ่มโมเดลพรีเทรนแบบ zero-shot จากเช็กพอยต์เดียวโดยไม่ใช้เอนเซมเบิล โดยใช้สองในสามของพารามิเตอร์เมื่อเทียบกับสุดยอดของงานก่อนหน้า Timestral สร้างพยากรณ์หลายตัวแปรแบบความน่าจะเป็นด้วย 21 ควอนไทล์ รองรับตัวแปรร่วมแบบอดีตเท่านั้นและแบบอนาคตที่ทราบค่า ทำงานบน CPU โดยไม่ต้องใช้ GPU และใช้งานได้ผ่าน Mistral Forge สำหรับการปรับแต่ง พร้อมเผยแพร่ที่เก็บ GitHub และรายงานทางเทคนิคภายใต้สัญญาอนุญาต MIT ดัดแปลง

    ทำไมเรื่องนี้สำคัญ: ครอบครัวโมเดลพื้นฐานอนุกรมเวลาชุดแรกของ Mistral อ้างว่าครองอันดับสูงสุดแบบ zero-shot ใน GIFT-Eval, TIME และ fev-bench ด้วยเช็กพอยต์ 209M พารามิเตอร์ มอบข้อมูลอ้างอิงการแลกเปลี่ยนระหว่างขนาดกับความแม่นยำสำหรับงานพยากรณ์

  2. inclusionAI Repositories67

    inclusionAI เผยแพร่โมเดลเสียง Ming-3.0-audio-flash และ Ming-3.0-audio-tiny

    inclusionAI เผยแพร่ Ming-3.0-audio-flash โมเดลเสียงแบบ Mixture-of-Experts ขนาด 126B พารามิเตอร์ ที่เปิดใช้งาน 6.5B พารามิเตอร์ พร้อมกับ Ming-3.0-audio-tiny ขนาดกะทัดรัด 9.3B พารามิเตอร์ ที่เปิดใช้งาน 2.7B โมเดล flash ครอบคลุมการรู้จำเสียงพูดภาษาจีนและอังกฤษในหลากหลายสำเนียงและสถานการณ์ที่มีผู้พูดหลายคนและมีเสียงรบกวน การเข้าใจเสียงยาว การรับรู้เสียงที่ไม่ใช่เสียงพูดและดนตรี การให้เหตุผลด้านเสียง และการสนทนาด้วยเสียงแบบ end-to-end พร้อมตัวเลือกในการสังเคราะห์เสียงพูดเป็นเอาต์พุต มาพร้อมเส้นทางการอนุมานผ่าน vLLM-Omni, SGLang และ Transformers ภายใต้สัญญาอนุญาต MIT โดยโปรไฟล์ Flash เริ่มต้นใช้ tensor parallelism บน GPU H800 ขนาด 80 GB จำนวนสี่ตัวที่บริบท 128K

    ทำไมเรื่องนี้สำคัญ: การเผยแพร่นี้ให้รายละเอียดโมเดลเสียง MoE ขนาด 126B พารามิเตอร์ ที่เปิดใช้งาน 6.5B พารามิเตอร์ พร้อมตัวแปร tiny ขนาด 9.3B ซึ่งเป็นข้อมูลอ้างอิงที่เป็นรูปธรรมสำหรับการกำหนดขนาดและการติดตั้งใช้งานโมเดลภาษา-เสียงแบบเปิด

  1. Meta AI Research Blog82

    Meta เปิดตัว Muse Wonder และ Muse Wonder Full โมเดล frontier สำหรับเอเจนต์ส่วนบุคคลและมืออาชีพ

    Meta เปิดตัวซีรีส์ Muse Wonder ซึ่งประกอบด้วย Muse Wonder และ Muse Wonder Full โดยระบุว่ามอบประสิทธิภาพระดับ state-of-the-art ในงานเอเจนต์ส่วนบุคคลและมืออาชีพ หน่วยความจำ และการเขียนโค้ด Muse Wonder ใช้งานได้แล้ววันนี้ผ่าน Meta Model API และ Muse Code ขณะที่ Muse Wonder Full ใช้งานได้แล้ววันนี้สำหรับสมาชิก Muse Code โมเดลทั้งสองจับคู่ Active Memory ซึ่งเก็บบริบทข้ามบทสนทนาและดึงรายละเอียดที่เกี่ยวข้องกับงาน เข้ากับ Active Focus ซึ่งรักษาการทำงานต่อเนื่องกับเป้าหมายระยะยาวและตรวจสอบก่อนดำเนินการสำคัญ Meta ระบุว่าทั้งสองถูกฝึกที่ศูนย์ข้อมูล Prometheus ขนาดกิกะวัตต์ของบริษัท

    ทำไมเรื่องนี้สำคัญ: ซีรีส์ Muse Wonder ของ Meta อ้างผลลัพธ์ระดับ state-of-the-art ใน benchmark ด้านเอเจนต์ หน่วยความจำ และการเขียนโค้ด โดยมี Active Memory และ Active Focus เป็นสองความสามารถหลักที่สร้างขึ้นมา

อ่านครบทั้งหมดแล้ว