国产大模型零一万物API正式开放,提供了以下三个模型,开发者可以直接调用:
Yi-34B-Chat-0205:基于开源版进行深度优化的版本,指令遵循能力提升近 30%,模型回复延迟大大降低。适用于聊天、问答、对话、协作、翻译等场景。
Yi-34B-Chat-200K:200K 超长上下文,支持处理约 20w ~ 30w 个中文汉字(≈ 1 本《三体》))或英文单词。适用于多篇文档内容理解、海量数据分析挖掘和跨领域知识融合应用等场景。
Yi-VL-Plus: 支持1024*1024高分辨率图片输入,具备图片问答、图表理解、OCR、视觉推理能力。适用于对复杂图表、截图的内容分析,包括信息识别、提取、理解、推理等。
“有意见”留言板
@回归:按照这个测试的结果,有放弃GPT-4转 Yi大模型的冲动。很想马上就体验一下,希望价格能够更加亲民,让大模型真正成为企业的生产工具,员工的好助手。
@无聊的内卷:感觉现在AI发展的关键是对应用的开发。直接点说:就是真正在消费端、在企业端需要有能盈利的应用。现在大家都在通用大模型这块卷参数,卷排行榜,动不动就超越GPT,其实无非就是多几块GPU,多几条算法优化,说实话有点舍本逐末。
@云木:现在各家都在强调长文本能力,零一万物也将此作为API平台的重点。此外AI软件时代会引发从底层到应用层的变革,纯移动应用将成为过去式,未来AI原生应用会越来越重要。
好文章,需要你的鼓励
微软高级软件工程师Alice Vinogradova将自己用SAP ABAP语言编写的向量数据库ZVDB移植到了搭载Z80处理器的经典计算机Sinclair ZX Spectrum上。她发现ABAP(1983年)和Z80(1976年)几乎是同时代产物,都诞生于内存珍贵、每个字节都很重要的计算时代。通过应用Z80优化技术,尽管时钟频率相差857倍,但代码运行速度仅慢3-6倍。她认为这些老式优化技术具有普遍适用性,在现代硬件上依然有效。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
韩国电子巨头三星宣布收购美国西雅图数字健康技术公司Xealth,进一步扩大在健康领域的布局。Xealth专注于帮助医疗专业人员将数字健康技术整合到日常实践中,与70多家数字健康技术供应商合作,应用覆盖美国500多家医院。此次收购将推动三星向连接医疗保健平台转型,结合其在传感器技术和可穿戴设备方面的优势,完善Samsung Health平台功能。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。