Topic
#llms
按主题聚合的新闻视图。
Topic Feed
主题：llms
共 11 条
Springboards 的 Flint 旨在让 LLM 回答不再千篇一律
澳大利亚初创公司 Springboards 推出了 Flint，这是一款旨在对开放式提示生成更多样、也更难预测答案的 LLM。该公司表示，Flint 面向头脑风暴、命名和规划等任务，因为主流模型在这些场景里往往会收敛到相似回答。
Subquadratic 宣称突破 LLM 架构瓶颈
迈阿密初创公司 Subquadratic 表示，它的新模型 SubQ 突破了长期制约大语言模型的瓶颈，且最近获得了第三方 Appen 的独立评估支持。该公司称，SubQ 更快、更便宜、能耗更低，还能一次处理多达 12 倍的文本，同时在编程等任务上接近顶级模型表现。
Claude Fable 5 的极度主动性
Simon Willison 表示，在使用 Claude Fable 5 两天后，他觉得这个模型“极度主动”，会为了达成目标不断调用各种策略。他用 Datasette Agent 的一个界面滚动条漏洞举例，说明模型会自主检查依赖、创建测试页面，甚至想办法查看浏览器窗口并截取截图。
Google 的 DiffusionGemma 并行生成文本
Google 发布了 DiffusionGemma，这是一个实验性的开源权重语言模型，它不是逐个预测 token，而是通过扩散过程生成文本。它从 256 个随机占位 token 开始并行迭代优化，Google 和 Nvidia 称其在独立 GPU 上的单用户推理速度最高可提升 4 倍。
微软发布 MAI 推理与编程模型
微软宣布了两款新的文本 LLM：用于推理的 MAI-Thinking-1，以及面向 GitHub Copilot 和 VS Code 的 MAI-Code-1-Flash。微软表示，MAI-Code-1-Flash 正在向 Visual Studio Code 中的 GitHub Copilot 个人用户逐步开放，而 MAI-Thinking-1 目前仅面向部分早期合作伙伴开放。
Claude Opus 4.8 经受诚实陷阱测试
ZDNET 用 10 个针对诚实与判断力的陷阱测试了 Anthropic 的 Claude Opus 4.8，并将结果与 Opus 4.7 直接对比。作者发现 4.8 在处理不确定性方面优于 4.7，但在法律/保险类测试中仍犯下了一个严重的判断错误。
LLM 即使被警告也会吸收错误说法
一项新的预印本研究报告称，大语言模型即使在训练文档中被明确标注这些说法是错误的，也仍然会学到这些错误陈述。研究发现，这种“否定忽视”现象存在于多个模型中，包括 Qwen3.5-35B-A3B、Kimi K2.5 和 GPT-4.1。
Google 发布 Gemini 3.5 Flash
Google 发布了 Gemini 3.5，这是一个把前沿智能与“行动能力”结合起来的新模型家族，并率先推出了 3.5 Flash。谷歌表示，3.5 Flash 现已面向 Gemini 应用、Google Search 的 AI 模式、Google Antigravity、Gemini API、AI Studio、Android Studio 以及企业版 Gemini 产品开放。
五分钟看懂 LLM 六个月变化
Simon Willison 发布了他在 PyCon US 2026 闪电演讲中的注释幻灯片，用五分钟回顾了过去六个月的 LLM 发展。演讲强调了 2025 年 11 月这一转折点，并记录了 Anthropic、OpenAI 和 Google 之间“最佳”模型五次易手的变化。
Granite 4.1 3B SVG 鹈鹕测试
Simon Willison 发布了一个画廊，测试 IBM 新发布的 Granite 4.1 3B 模型在 21 种量化 GGUF 变体上生成“骑自行车的鹈鹕”SVG 的效果。这个实验使用了 Unsloth 的 granite-4.1-3b-GGUF 构建，文件大小从 1.2 GB 到 6.34 GB 不等。
大语言模型在编程数学上表现出色，却答不好日常问题——这并非矛盾
安德烈·卡帕西解释称，大语言模型在编程和数学上表现优异但在日常问题上出错，并非矛盾，而是不同模型能力与应用场景的体现。