Mistral Large 4 多模态模型上线 Hugging Face
Mistral 推出多模态 MoE 模型 Mistral Large 4(代号 Le Chonk),总参数量约 1T、激活参数 49B,具备 1M token 上下文窗口并同步上线 Hugging Face。
Mistral 推出多模态 MoE 模型 Mistral Large 4(代号 Le Chonk),总参数量约 1T、激活参数 49B,具备 1M token 上下文窗口并同步上线 Hugging Face。
Mistral AI 正式开源 1 万亿参数原生多模态旗舰模型 Mistral Large 4(Le Chonk)的模型权重。该版本强化了强化学习训练,在 FrontierCode 2.0 和 Terminal-Bench 4.0 等编码与终端基准测试中位居开源模型前列,并新增 Low、Medium、High 三种推理模式以平衡性能与推理成本。
推荐理由:原文提供了各推理模式与基准表现,开发者可据此评估其在高性价比编程智能体中的落地可行性。
Google DeepMind 在 Argon 发布两周后推出新模型 Gemini 4 Carbon,并在 Artificial Analysis 智能指数 5.0 中以 59 分登顶。
同一件事,精选收录的是《Google DeepMind 发布前沿模型 Gemini 4 Carbon,强化网络安全与长程智能体能力》
OpenAI 发布 GPT-6.1 Terra,官方称其结合了细致的视觉推理与精准的电脑操作能力,并比 GPT-5.6 Terra 有明显提升。OpenAI 的 Ted Sanders 在 Hacker News 评论中表示,Terra 在技术沟通上可能优于 Astra 和 Sol,视觉与电脑操作表现相近但速度快得多,其他多数方面略弱。
OpenAI 发布 GPT-6.1 Terra,API 价格是 GPT-5.6 Terra 的一半,输入每百万 token 1 美元、输出 5 美元,缓存输入降至每百万 token 0.05 美元。
推荐理由:以 API 价格减半和每任务成本对比为主线,读者可据此判断中端模型在成本与能力间的取舍。
Mistral AI 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M 和 209M 四个尺寸。最大的 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中均排名第一,参数量为前 SOTA 的三分之二。
推荐理由:原文给出了四个尺寸的参数量、三项基准排名和 CPU 推理延迟,便于横向比较时间序列基础模型的准确率与成本。
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上以纯推理取得 87%,超过其他前沿模型。
推荐理由:官方给出 Argon 在 ERQA 物理推理基准的得分,并用机器人控制、Real2Sim 等多组提示词展示能力边界。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 享 95% 折扣。
推荐理由:官方给出多领域实测与定价细节,可据此判断新模型在编码、科研和企业工作流中的具体位置。
Mistral 发布 Mistral Large 4 公开预览,可通过 Mistral Studio 试用预览 API,权重将于本月底放出。
推荐理由:官方给出 1 万亿参数、520 亿激活的开源权重路线与多项基准对手对比,便于判断开放权重阵营的位置。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,后续将面向开发者、企业和消费者推出,起步定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由:原文给出了模型在编码迁移、网络安全和企业知识工作上的具体内部用例与基准成绩,并说明了分阶段开放的节奏。