LLM Weekly(2026.4.13-2026.4.19)

在这里插入图片描述

行业动态

全新克劳德旗舰模型:Claude Opus 4.7 正式发布

Anthropic 推出Claude Opus 4.7,为目前其综合能力最强的公开发布模型:
SWE-bench 验证集得分 87.6%、SWE-bench 专业版 64.3%、CursorBench 代码基准 70%。
模型视觉能力大幅增强、长周期任务执行更稳定,新增超高算力档位(xhigh effort);
定价与 Opus 4.6 保持一致:输入 5美元/百万令牌、输出 25美元/百万令牌。

OpenAI 发布生物科研专用模型 GPT-Rosalind

OpenAI 上线首款生命科学专属前沿推理模型,聚焦生物研究、药物研发、转化医学领域。
在 BixBench 基准 Pass@1 得分 0.751,超越 GPT-5.4、Grok 4.2、Gemini 3.1 Pro。
目前以研究预览版,定向开放给安进、莫德纳、赛默飞、加州大学旧金山分校等合规美国企业合作方。

GPT-5不存在?深度解析大模型演进逻辑与GPT-4o实战能力边界 大语言模型并非按数字线性升级的消费电子产品,其本质是架构、对齐与工程能力的范式跃迁。从GPT-3到GPT-4o,命名反映的是多模态(omni)、实时交互、系统级优化等关键突破,而非简单参数堆叠。当前技术面临算力墙、高质量数据枯竭与Transformer理论瓶颈三大硬约束,使所谓‘GPT-5’在短期内不具备工程可行性。真正具备落地价值的是以GPT-4o为基座,结合RAG、Agent框架与多模态感知层构建的‘准GPT-5级’工作流。本文基于127项原子测试与制造业、政务等真实场景验证,系统梳理能力图谱、明确5类 阅读详情

相关推荐

OpenClaw+GLM-4.7-Flash实战工作台搭建指南

大模型应用落地的核心瓶颈,往往不在模型本身,而在于如何将LLM能力无缝集成到业务流程中——这正是函数调用(Function Calling)与技能编排(Skill Orchestration)技术的价值所在。OpenClaw并非传统模型托管平台,而是一个轻量级、开源的AI能力调度中心,它通过标准化接口统一纳管本地模型(如GLM-4.7-Flash)、Python函数、HTTP服务等异构能力源,并基于自然语言意图动态路由执行。其技术价值在于降低非AI工程师的使用门槛,实现‘说需求即调用’;典型场景包括自动化周

376

LLM Weekly(2025.10.13-10.19)

Anthropic 公司发布 Claude Haiku 4.5 模型,该模型在提升编码性能的同时降低成本、提高速度,在特定任务中表现优于 Claude Sonnet 4 模型。用户可通过 Claude Code 平台及主流平台使用该模型,它为开发者提供了高性价比的选择,能助力聊天助手、编码代理等人工智能应用的优化。

c_cpp_csharp的专栏 383

LLM Weekly(2026.7.13-2026.7.19)

Mira Murati 的初创公司推出 Inkling,这是一个 9750 亿参数的 MoE 模型,其中 410 亿参数为激活参数,在 45 万亿 token 的文本、图像、音频和视频数据上训练而成。来自 Impossible Research、UC Berkeley 和 CMU 的研究人员构建了 Schema,这是一个让前沿模型像物理学家一样工作的“马具”:将每个游戏的机制编写为可执行程序,根据交互历史测试预测,并在模型内部进行规划。该框架消除了此前将长上下文 RL 限制在短序列上的内存瓶颈。

c_cpp_csharp的专栏 19

LLM Weekly(2026.5.4-2026.5.10)

与竞争对手的独立生成器不同,Omni 原生理解声音与视觉之间的关系。Google DeepMind 的 Gemini 驱动编码代理在数据中心调度中回收了全球 0.7% 的算力,将 Gemini 训练内核加速 23%,FlashAttention 加速 32.5%,并找到了 56 年来 Strassen 矩阵乘法算法的首次改进。在视觉-语言方面接近 Gemini 2.5 Flash,在全模态理解上超越 Qwen3-Omni-30B,并可在低于 12GB RAM 的边缘设备上实时全双工交互。

c_cpp_csharp的专栏 52

LLM Weekly(2026.4.27-2026.5.3)

NVIDIA 发布 Nemotron 3 Nano Omni,这是一款混合 Mamba-Transformer 模型,配备专用的视觉和音频编码器,用于文档分析、ASR 和视频理解。该模型将图像、视频、网页和文档的理解直接集成到 Agent 工作流中,提升多模态编码和视觉工具使用能力,同时通过分层优化保持了有竞争力的纯文本性能。Tuna-2 用简单 patch 嵌入替代模块化的预训练视觉编码器,在图像生成和感知基准上达到 SOTA,同时降低架构复杂度,并在大规模下展现更强的细粒度视觉感知能力。

c_cpp_csharp的专栏 197

LLM Weekly(2026.6.29-2026.7.5)

一个 40 亿参数的编译器,在 1000 万个示例上训练,可将自然语言任务描述转换为参数高效的适配器,供冻结的 6 亿参数解释器使用。Agents-A1 是一款 350 亿参数的混合专家(MoE)模型,通过扩展智能体时程(平均 45K token)而非参数规模,达到了与 Kimi-K2.6 和 DeepSeek-V4-pro 等万亿参数系统相当的性能。Moondream 认为当前的 GPU 抢购潮不可持续,分析了推理成本下降速度快于需求增长的原因,以及大规模 GPU 部署的经济性将面临清算。

c_cpp_csharp的专栏 110

LLM Weekly(2026.8.17-2026.8.23)

Adaptyv Bio 和 Twist Bioscience 独立合成并测试了这些设计:在 1,320 条序列中,有 354 条成功结合,命中率为 22.6%–35.1%,而该领域常规命中率为 10%–15%,且至少对六个靶点产生了高亲和力结合剂。它能同步现有 GitHub 仓库,而非完全替代。OpenRouter 数据显示,前沿模型仅占总令牌量的 16%,而六种流行的非前沿模型占据了 80% 的流量,其能力约为前沿模型的 77%——每百万令牌成本 0.50 美元,而 Fable 5 为 20 美元。

c_cpp_csharp的专栏 326

2026年第8周GitHub趋势周报:RAG工程化加速、本地LLM工具链爆发、AI Agent架构分层演进

本周GitHub Trending呈现三大结构性跃迁:RAG技术从概念验证迈入生产级工程化(代表项目星标周增超320%);轻量化本地LLM运行栈形成“推理-编译-向量压缩”新三角;AI Agent实现执行层、编排层、协议层清晰分层。传统框架热度平稳,系统级AI基础设施增长迅猛。

lpfasd123的博客 1040

如何在OBS中添加实时时间戳:Lua脚本配置教程(附效果展示)

本文详细介绍了如何在OBS中通过Lua脚本配置实时时间戳功能,包括环境准备、脚本获取、安装配置及高级定制。适用于直播和视频录制场景,提供精准回溯和风格自定义,支持多平台适配和性能优化,是专业制作的必备技巧。

day7的博客 1045

Robocopy 参数进阶:/MIR 镜像同步与 /PURGE 删除操作的风险规避指南

本文深入解析Robocopy的/MIR镜像同步与/PURGE删除操作的高级用法及风险规避策略。通过实际案例和四重防护机制,指导用户安全实现目录同步,避免数据丢失风险,特别适用于远程主机间的数据复制与备份场景。

weixin_33462927的博客 357

不会ps,你也可以成为ps高手,最强傻瓜式人像一键磨皮美白瘦脸美妆PS插件

比如:美肤是用来去斑点的,如果效果不太理想,就加大百分比,反之就减小。瘦脸如果脸胖的就打开,正常的就关闭。所谓的一键调节,要不只能调节一种效果,要不就是个预设,然后让你自己再调。同时,该软件还加入了贴心的批量处理功能,能同时处理上千张照片,让您喝着茶也能将工作做完。、自动检测照片中的人脸,包括鼻子,嘴巴,耳朵,眼睛和眉毛。、依托强大的脸部识别功能,可以高效的对人物全身皮肤进行智能识别,处理,使肤质平滑、过渡均匀。,这是网上下载的模糊照片,经过简单处理,你可以发现,眼睛变的更亮,皮肤更白,眼袋消失。

心语家园 - www.xinyucn.cc 2901

Q学习(Q-learning)入门小例子及python实现

一、从马尔科夫过程到Q学习 # 有一定基础的读者可以直接看第二部分 Q学习(Q-learning)算法是一种与模型无关的强化学习算法,以马尔科夫决策过程(Markov Decision Processes, MDPs)为理论基础。 标准的马尔科夫决策过程可以用一个五元组<S,A,P,R,γ>表示,其中: S是一个离散有界的状态空间; A是一个离散的动作空间; P为状态转...

wlm_py的博客 4万+

使用trae自动生成前后端分离的web应用程序

使用ai自动生成前后端分离的web应用程序

一介书生 2529

SAP 物料主数据 Forecasting 视图,别把预测只当成一个数字字段

摘要(150字): SAP S/4HANA物料主数据的Forecasting视图常被忽视,但对依赖历史消耗规律的物料至关重要。该功能基于工厂维度的历史消耗数据,结合预测参数自动计算未来需求,动态调整重订货点和安全库存。预测模板(Forecast Profile)能标准化参数设置,而消耗数据(Consumption Values)的质量直接影响预测结果。预测值作为MRP输入,需注意保存操作才能生效。自动重订货点功能通过分析消耗波动和服务水平,实现库存策略的动态优化。Individual Forecast功能则

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1436

CMOS图像传感器——Remosaic技术

对remosaic技术进行了介绍

沧海一升的博客 9585

2023年美高赛HiMCM:A题蒲公英 思路

蒲公英,通常称为蒲公英,是一种原产于欧亚大陆的植物,现在在世界各地都可以找到[1]。这种植物很容易通过其亮黄色的花朵(图1)和独特的“马勃”种子头(图2)来识别。该头部的每颗种子都附着在一个类似降落伞的结构上,称为“冠毛”,有利于风的传播[2]。如果处于“马勃”阶段的单个蒲公英毗邻一块开阔的一公顷土地,请创建一个数学模型来预测蒲公英在 1、2、3、6 和 12个月内的传播情况。确保您的模型考虑了各种气候条件(例如温带、干旱和热带气候)对蒲公英生长的影响。2. 蒲 公英、人类和其他植物之间的关系很复杂。

斌擎科技 7403

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

上一篇: 2025_NIPS_On the Importance of Exploration for Generalization in Reinforcement Learning
下一篇: 2025_NIPS_Recursive Transformer: Boosting Reasoning Ability with State Stack
UnknownBody
博客等级 码龄16年 5601粉丝 4739原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值