$ grep -l "#open-weights" ~/articles/*

tag: #open-weights

7 post(s)

01

同一层跑三遍:Inkling 2 Mini 让 26B 小模型在笔记本上跑赢大块头

Thinking Machines 发布开源权重模型 Inkling 2 Mini:26.4B 参数、中间层循环三遍,DeepSWE 48.2% 领跑百亿以下开源模型,20GB 就能在 MacBook 上离线跑,还附带一个关于「循环推理能不能被监督」的诚实实验。

02

万亿大模型,权重全公开|听懂AI #077

法国公司把自家最大的模型权重全部公开了:参数总量一万亿,每次回答只动用其中的四十九亿。一次能读上百万字、会一百六十多种语言,训练只用了两个月。更关键的是门槛:过去要一屋子机器才能跑的万亿模型,现在四块顶级显卡就能带起来,价格还砍了一半。开源的意义不在参数多大,而在谁都能在自己的机器上真正用起来。

03

开源摸到闭源天花板:Kimi K3.1 Pro 的 65.7%|听懂AI #070

月之暗面发布 Kimi K3.1 Pro:终端编程测试 65.7%,超过一家闭源旗舰、距榜首只差 0.7 个百分点;167 个长程任务里让虚拟行人从站不稳练到连走 11.2 秒;11 月 4 日放出完整权重。最耐人寻味的是它的克制:为防止被用于网络攻击,团队主动删数据、把攻击测试得分从 90.5 降到 81.0。

04

神经网络原来没打结:可解释性老兵长文翻案,superposition 可能是个误读

这周 AI 可解释性圈出了篇 1.6 万词的长文,作者是 Goodfire 的研究员 Nick Cammarata——他早年在 OpenAI 和 Anthropic 做过第一代机械可解释性工作,也是当年 superposition 假说的共同提出者之一。

05

Meta 开放 Muse Spark 权重:816B 参数、1M 上下文,评论区说它是「美国最强的开源权重模型」

Meta 昨天把自家旗舰模型 Muse Spark 的权重开放了:816B 总参数、每 token 激活 42B 的 MoE,1M 上下文窗口,原生多模态(文本+图像+视频+音频输入),出自 Meta Superintelligence Labs。

06

万亿参数、半价开卖:Mistral Large 4 的欧洲式反击

Mistral 发布 1.05T 参数的开源权重多模态模型 Large 4:49B 激活、1M 上下文,输入输出价格直接腰斩对标 DeepSeek。本期聊欧洲大模型的反击逻辑、稀疏 MoE 的架构取舍,以及 HN 评论区关于主权 AI 与烧钱的争吵。

07

501B 参数却跑输国产模型?Beam 发布背后的"开放权重"尴尬

Reflection 发布 501B 参数开放权重模型 Beam,主打代码、推理与 Agent 场景,23.8 万亿 token 预训练、1 万多块 GB300 跑了整整 4 周强化学习,却在 HN 上被质疑图表误导、实际跑输国产模型。本期聊这场发布争议与大 MoE 的真实性价比。

← all tags