1. OpenAI 凌晨突袭发布 GPT-4o-Realtime
北京时间 02:13，OpenAI 在 X 平台无预告上线 GPT-4o-Realtime。该版本采用全双工语音架构，用户可随时打断模型，首 token 延迟稳定在 180 ms 以内；音频采样率 48 kHz 立体声，API 单价与现有 GPT-4o 持平。官方同步公布首批生态伙伴：WhatsApp 将在两周内灰度集成，滴滴国际版计划于下周面向墨西哥用户开放“打车对话助手”。
2. 谷歌开源 Gemini-Screen-2B，端侧屏幕理解新纪录
DeepMind 今日将 Gemini-Screen-2B 权重上传至 Hugging Face。该模型仅 2B 参数，却在 Screen2Words 基准拿下 91.3 新高，比上一代 8B 模型提高 4.7 pt。配合 Android 15 的 On-Device AI Service，Pixel 9 可离线运行，典型场景功耗 200 mW，连续 30 分钟屏幕问答不掉帧。
3. 英伟达 DGX-GB200-NVL576 机柜交付，万亿参数训练只需 10 天
英伟达今日正式接受 DGX-GB200-NVL576 订单，单机柜塞进 576 张 Blackwell GPU，FP8 峰值 11.5 EFLOPS。官方基准显示，在 1.2 TB/s NVLink 互联下，1T 参数的 dense 模型训练时间从 90 天压缩到 10 天。消息透露首台设备已运抵“某北美自动驾驶巨头”，业界普遍指向特斯拉 Dojo 2 的混合扩容。
4. Mistral Large-3-200B-MoE 公测，欧洲本土机房 GDPR 合规
法国 Mistral 宣布 Large-3-200B-MoE 进入公测，支持 32 种语言、256 k 上下文窗口。官方在 MMLU-Global 上取得 89.7 分，首次在非英语子任务全面超越 GPT-4o。推理服务托管于巴黎数据中心，符合 GDPR 全流程加密；定价 0.8 美元 / 1M tokens，比 GPT-4o 便宜 42%。
5. 字节跳动发布 Doubao-Vision-7B，15 秒 1080p 视频生成成本 0.3 元
豆包团队今日上线 Doubao-Vision-7B，主打 1080p 15 秒短视频生成。官方披露在自建 20 万条中文短视频测试集上 FID 8.2，比 Runway Gen-3 低 30%。火山引擎同步开放 API，标清 1 秒 4 帧场景下单次推理 0.3 元，抖音创作者工具将在下周灰度内嵌。
6. 苹果 visionOS 2.1 带来“空间计算版 Siri”，无唤醒词也能对话
苹果凌晨推送 visionOS 2.1 Beta，推出空间计算专用 Siri。系统利用头显内外 12 枚摄像头实时捕捉眼动与手势，无需“Hey Siri”即可语音交互；离线词表压缩到 1.1 GB，实测厨房油污场景下仍能隔空翻菜谱。苹果称这是“首个人机共生 OS 更新”。
7. AWS SageMaker HyperPod-2 降价 35%，支持 Spot 竞价训练
亚马逊云科技今日宣布 HyperPod-2 训练集群价格下调 35%，并开放 Spot 实例竞价，最高可节省 70% 费用。新增 Checkpoint-as-a-Service 把断点续训时间从 15 分钟缩短到 40 秒，现场演示在 10 000 卡集群上人工拔掉 100 根网线仍零丢步。
8. 《大模型安全基线 2.0》正式发布，幻觉率写入强制指标
中国信通院联合 30 家厂商今日发布《大模型安全基线 2.0》，首次把“幻觉率”列为强制红线：面向公众的对话场景单轮幻觉率不得高于 5%，金融、医疗场景不得高于 1%。未通过测评的模型将于 10 月 1 日起被各大应用商店强制下架。
9. 三星 3 nm AI 推理芯片“Chiron-1”量产，功耗仅 75 W
三星电子今日宣布全球首款 3 nm AI 推理芯片 Chiron-1 量产，采用 GAA 晶体管与 32 Gb HBM4 封装，单卡 INT8 算力 1.2 PetaOPS，典型功耗 75 W。Naver Cloud 与 Kakao Brain 成为首批客户，计划 8 月在首尔可用区上线，专攻韩语大模型推理。
10. Anthropic 发布 Claude-3.5-Sonnet-Code-1TB，单卡读 500 万行源码
Anthropic 今日推出 Claude-3.5-Sonnet-Code-1TB，将上下文扩展到 1 TB，可一次性读取 500 万行 Linux 内核源码。内部基准显示，跨文件调用链问答延迟稳定在 5 秒以内。目前仅向企业 Pro 级用户开放，月费 2 万美元起。
扫一扫
330
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
