所有文章 · SURL AI News

4DAnyone 開放模型與推論程式碼，將單鏡頭人物影片擴成最多 48 個重建視角

系統以固定長度參考上下文及擴散期間的視角重組，減少分批生成多視角影片時的結構漂移。權重與推論流程已公開，但完整開源 4D Gaussian Splatting 重建和低記憶體模式仍未完成。

MCP 維護團隊把下一階段規格工作集中於五個領域，包括伺服器主動事件、代理身分及漸進式工具探索。這些項目仍是路線圖，現有 SDK 對 Tasks 與擴充通知的支援也存在缺口。

Marin 開始訓練總參數 535B、每個 token 啟用約 23B 的 MoE 模型，計畫使用 11 套 GB200 NVL72 處理約 18T 至 18.75T token。專案公開設定、縮放實驗與即時遙測，但模型品質、長上下文方案及最終 token 預算仍未定案。

Imperial College London 團隊以因果 Transformer、stop-gradient 與餘弦損失簡化音訊自監督預訓練。方法在六項分類測試呈現穩定擴展，但尚未證明可泛化至 ASR、生成任務或非 AudioSet 語料。

北京智源研究團隊提出三階段後訓練方法，讓模型不經 RAG 也能回答固定文件集的問題。八組實驗中有七組全面勝過一般 SFT，但成果仍依賴合成問答、模型裁判及逐模型調參。

DeepSeek 為 V4-Flash 加入圖片理解，可透過三種相容介面處理文字與影像，並維持原有 Flash 計價。官方公布的代理評測成績仍缺乏獨立重現，模型權重與視覺架構也未公開。

新版在啟動時並行處理 checkpoint staging 與 CUDA Graph capture，官方 H100 測試較普通預設流程快 2.38 倍。它也重寫部分張量並行通訊並加入七個模型家族，但 Torch 升級與快取路徑整併帶來遷移成本。

Hume AI 與 Hugging Face 發現，若音訊與公開測試集答案衝突，部分高分語音模型仍會輸出參考稿內容。Open ASR Leaderboard 已加入 Benchmark Fitting 分頁，但這些行為不等同證明模型直接看過測試資料。

Cactus Compute 近日完善 Needle 2 的 Python API、跨平台執行與 Apache 2.0 授權，模型卡亦持續更新。它以 28MB 峰值記憶體執行工具選擇及結構化抽取，但速度與準確率仍主要來自官方測試。

Yutori 的 Navigator 每項瀏覽器任務會連續呼叫視覺語言模型數十次，歷史上下文最長可增至約 100K token。Together AI 以 vLLM 前綴快取及分流延遲目標承載這種負載，但兩倍速度與低四至五倍成本仍是供應商披露的比較結果。

Slack Code 讓 Claude、Devin、Copilot、ChatGPT 與 Vercel 代理在專案專屬頻道內展示計畫、程式碼差異及即時預覽。它改善多人監督代理的介面，但執行沙盒、憑證及儲存庫權限仍由各代理供應商處理。

Liquid AI 為三款 LFM2.5 模型釋出約 3 億參數的 DSpark 草稿檢查點，並接入 llama.cpp 與 SGLang。官方測試顯示加速幅度會隨模型、資料分布及硬件大幅變動，不能把峰值直接視為所有工作負載的收益。