
看懂大模型榜单:评测基准的分数、陷阱和正确用法
榜单分数高就一定好用吗?读懂基准测什么、分数为何失真、怎么用它做选型,才能把跑分变成真正有用的决策依据。

榜单分数高就一定好用吗?读懂基准测什么、分数为何失真、怎么用它做选型,才能把跑分变成真正有用的决策依据。

Transformer 本身不懂顺序,位置编码就是给它装上的"时钟"。用旋转的视角理解 RoPE,以及它为什么成了主流大模型的共同选择。

和同一个模型聊天,前几轮秒回,几十轮后却越来越慢、显存还上涨?这背后多半是 KV Cache 在作怪。本文讲清它的原理与常见优化思路。

据多家科技早报及 TechNode 报道,商汤 SenseNova Loop-9B 约 9B 参数,靠循环复用层把 32 个物理解码层扩展为 56 次层计算。本文解读这条「用计算换参数」的路线。

Tether AI Research 发布 0.8B 开源模型 BotPsy,主打本地工具调用,把智能体能力往端侧再推一步。

MBZUAI 基础模型研究所开源 PAN 2:由 LLM 规划器与 29B 扩散 Transformer 组成,可把动作结果模拟为最长 20 秒的视频。

Carbon 主打复杂任务、Hydrogen 主打快速执行、Neon 兼顾推理与调度。三者的定位、价格与编排关系一次讲清。

Meta 推出 Muse 系列中最小、最便宜的 Muse Ember,面向工具调用、路由、子智能体编码等高量重复任务,定价低至每百万输入 0.10 美元。

11 月 9 日 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,同一底层模型、相同定价,却在开放范围与安全策略上分道扬镳。