百度发布文心5.5 Flash Preview:2800亿参数、千帆API上线、11月25日前开源
百度发布文心5.5 Flash Preview,模型已上线千帆平台,Web端与API同步开放,权重将于11月25日前以Apache 2.0许可证开源,支持SGLang和vLLM部署。
推荐理由:原文给出文心5.5 Flash Preview的稀疏参数配置、定价与开源计划,可据此判断效率档模型的成本取舍。
百度发布文心5.5 Flash Preview,模型已上线千帆平台,Web端与API同步开放,权重将于11月25日前以Apache 2.0许可证开源,支持SGLang和vLLM部署。
推荐理由:原文给出文心5.5 Flash Preview的稀疏参数配置、定价与开源计划,可据此判断效率档模型的成本取舍。
MiniMax开源图像模型H3-Image,支持16MP(4096×4096)原生4K生成,最多可输入16张参考图。作者实测显示该模型能根据产品外观图推演正交三视图、生成机械爆炸图,并在高数试卷排版中保持字符与公式完整。API调用价格为主流竞品的50%到70%,首周16MP请求再打五折。
推荐理由:作者实测了开源图像模型在CAD拆解、文字排版与4K生成上的表现,可据此判断国产开源生图模型的当前水平。
智元正式发布 WITA-Omni(硅光动语全模态大模型),官方称其为行业首个具身全模态端到端交互大模型。该模型在音视频之外新增触觉、本体状态等输入,并输出机器人动作与表情,基于流式全双工架构实现边听边想边应边动,交互响应最快约 400 毫秒、平均约 600 毫秒。全模态拒识使其无需唤醒词即可自然对话,并支持上百种语言和方言的流式同声传译。
推荐理由:原文给出交互时延、全模态输入输出与免唤醒设计,可据此判断具身交互模型的产品形态。
11 月 10 日,蚂蚁灵波科技开源触觉基础模型 LingBot-Touch,基于近 5000 小时真实触觉数据预训练,覆盖磁触觉、视触觉和压阻式三类传感原理,将不同信号编码为统一触觉 Token。
推荐理由:原文给出触觉基础模型的预训练数据规模与真机测试结果,可据此判断触觉表征跨硬件复用的做法。
量子位在豆包中实测字节 Seedream 5.5,用100轮连续编辑任务对比 GPT-Image 2.6,后者约第10轮起出现明显畸变,Seedream 5.5 后期虽有畸变但保真度更高。
推荐理由:作者用100轮连续编辑、多图合成、图层拆分等实测,对比Seedream 5.5与GPT-Image 2.6的稳定性差异。
量子位实测千问办公2.0,把钉钉选题群、AI听记和本地资料关联进协作空间,让千问小Q汇总选题进度、认领任务、建待办并设定时提醒。该版本是公测三个月以来最大一次升级,主打支持多人与Agent协作的「协作」功能,另上线人机共创、自动任务、资料空间和三端互联。官方将其定位为Team Agent,并称自动化引擎已重构、任务调度迁移至云端。
推荐理由:作者以编辑部真实群聊和文档为素材实测千问办公2.0,展示了Team Agent在跨群信息归拢与任务跟进中的具体用法。
11 月 9 日,字节跳动正式发布豆包图像创作模型 Seedream 5.5,相比 Seedream 5.0 Pro 生成速度大幅提升,并增强多轮编辑稳定性、原生支持透明素材生成,重点优化图像真实感与小字渲染。
推荐理由:原文列出新模型在速度、多轮编辑与透明素材上的具体变化及单张成本,便于判断图像模型的迭代方向。
千问办公于11月9日发布2.0版本,上线三个月以来最大的一次升级,推出支持多人与Agent协作的“协作”功能,并同步上线“人机共创”“资料空间”“自动任务”和“三端互联”能力,所有功能已在客户端全量上线。
推荐理由:千问办公2.0把Agent从个人助手扩展到团队协作场景,文中门店群汇总与自动任务两个案例说明了具体用法。