dettato 音频转 MIDI:21M 模型反超 1.3B
dettato 用约 21M 参数完成音频转 MIDI,模型体积约为 muscriptor 1.3b 的 1/60。项目称其测试表现领先,但数据、效率口径和训练方法仍待独立复现。
第三方实测称 Gemini 4 Neon 可对标 Anthropic Opus 5.5。本文拆解任务设计、提示词、延迟与成功任务成本,给出生产评估清单。
dettato 用约 21M 参数完成音频转 MIDI,模型体积约为 muscriptor 1.3b 的 1/60。项目称其测试表现领先,但数据、效率口径和训练方法仍待独立复现。
解析 arXiv 论文 2611.21885:LLM 如何改写自身权重,以及评估器、回滚与复现为何比一次基准提升更重要。
Gemini 4 Neon 升至 Models Engineering Index 第一。本文拆解 MEI 的任务设计、评分方式与争议,并给出一套可落地的模型选型流程。
Gemini 4 Neon 的公开讨论重点,不应只停留在跑分。本文从工具调用、上下文缓存、失败重试和迁移成本出发,给出评估 AI Agent 的可执行方法。
FrontierHarness Eval v1.1 统计 27,280 次 coding agent 运行,其中 64% 的推理支出用于最终失败的任务。本文拆解失败成本,并给出可落地的评测与监控指标。
OpenAI 同日发布 GPT-6.2 Astra 与 Sol。本文从任务成功率、单次成本和重试率入手,给出 Agent 双模型选型与工作流测试方法。
拆解 Astra「读写 Qwen 权重」的宣传,检查参数修改、基线、对照组与评测污染,给出可复现的验证清单。
OpenAthena 认为后训练数据难以成为公共基础设施。对 AI Agent 团队而言,重点不是堆样本,而是建立包含工具状态、失败原因和验收标准的任务轨迹。
Qwen4-Max 登上 Hacker News 首页,483 points、197 条评论。但对 Agent 团队来说,真正要算的是每个成功任务花了多少钱、P95 延迟多久、失败后能不能恢复。本文给出一套可复现的 30 题 × 5 次运行的选型基线方法。
Hy4 登上 Hacker News 首页,但官方摘要没有披露参数、代码、权重和评测数据。这篇文章拆解模型发布应有的复现清单,并说明腾讯接下来需要公开什么。
密歇根大学研究发现,生成式 AI 处理非英语文本通常消耗更多能源。本文拆解翻译中转、token 差异与 Agent 重试成本,并给出按语言监控和路由的工程方案。