Meta Muse Wonder 速报:多模态生成的下一步棋
Meta 凌晨在 research.meta.ai 发布 Muse Wonder,131 分登上 HN 首页。这个被定位为"高质量生成"的模型,究竟想走哪条路?
Meta 在 research.meta.ai 放出 Muse Spark,HN 首页 61 分。号称美国本土最强开放权重模型,我们扒一下细节——是真翻身,还是又一张空头支票。
Meta 凌晨在 research.meta.ai 发布 Muse Wonder,131 分登上 HN 首页。这个被定位为"高质量生成"的模型,究竟想走哪条路?
tokenizer 一直是 LLM 的潜规则,Nature 新论文想把它整个拆掉,字节级改造意味着什么?谁会先跟进?
FT 爆出 Nvidia 正和 Reflection AI 谈收购。对普通开发者:Reflection 70B 权重以后能不能下载,是真正的风险点,和 Llama、Qwen 一样属于 Open Weights 而非严格开源。
NVIDIA 新论文让两个 LLM 不再通过文本对话,直接交换键值缓存,延迟号称降一个数量级。对 Agent 流水线意味着什么?
有人在 M3 的神经网络引擎里挖出一个 RTL 层的硬伤——DRAM 权重流式带宽从 45-60 GB/s 被压到 17-19 GB/s。改一行 prefetch 路径,本地 LLM 推理直接快 2.4 倍。
Hugo Vergnes 用不到一千美元从头训练 3.8B 模型 little-lm-3-8b,CORE 拿到 0.384。这件事最大的价值不是省钱,而是把"小模型能训到什么程度"这件事量化了。
ifm.ai 凌晨放出 K2 Horizon,HN 116 点热度背后,社区在意的不是又一个大模型,而是这次开放到了哪一层——权重、训练数据、还是 RLHF 全流程?
Meta 这周悄悄放出 Muse Spark 1.3,HN 拿到 249 分、143 条评论。它不是 Llama 5——这条独立产品线,Meta 想下哪盘棋?
HF 发了夏季开源模型观察,15 分登 HN 首页但评论冷清。我读了全文,挑出几个闭源厂商不想让你看的数字。
小模型的能力已能覆盖部分生产任务。我从模型、硬件、成本和实测数据出发,拆解哪些工作适合迁移到 7B。
通义千问发了个主打「新架构」的 Flash-Next,120 分上 Hacker News。不卷参数卷成本,端侧推理的牌桌又挤进来一个人。