加密货币价格波动剧烈,本站内容仅供参考,不构成投资建议。投资有风险,可能导致全部损失。

查看完整免责声明
返回 7*24 快讯
来源PANews

报告:美国闭源前沿模型与中国开源权重模型之间的性能差距已缩小至约4.4个月

PANews 9月16日消息,据Ars Technica报道,Mozilla最新《State of Open Source AI》称,美国闭源前沿模型与中国开源权重模型之间的性能差距已缩小至约4.4个月。以Moonshot AI的Kimi K3为代表的开源模型,在Artificial Analysis Intelligence Index综合得分上仅落后Anthropic Fable 5三个点,但成本仅为其约30%。METR测算显示,最强闭源模型可稳定完成时长约12小时的人类专家任务,而最强开源模型目前可靠完成约7小时任务,预计约4个月后开源模型将追上当前闭源水平。
免责声明:以上内容仅为作者观点,不代表 711BTC 的任何立场,不构成与 711BTC 相关的任何投资建议。

相关推荐

09-09 02:59重要

美国指控DeepSeek、Moonshot AI等中国AI企业“大规模恶意蒸馏”美国技术

PANews 9月9日消息,据路透社报道,美国执法和情报官员指控DeepSeek、Moonshot AI及阿里巴巴等6家中国AI企业,通过“蒸馏”方式利用OpenAI、Anthropic、Google及SpaceX等美国企业模型训练自身产品,并称相关行为可能在中国政府知情下进行,同时警告其可能增强中国军事及网络攻击能力。

34分钟前

软银承诺向OpenAI投资646亿美元 敞口扩大引发信用担忧

PANews 9月16日消息,软银集团信用违约互换徘徊在三年高位附近,交易员评估其为OpenAI融资计划的潜在影响,OpenAI是软银最大押注之一。据数据提供商CMA,五年期CDS报价约383.2个基点,接近2023年以来最高水平。软银已承诺向OpenAI投资646亿美元。这家ChatGPT开发商正与投资者进行早期谈判,计划在首次公开募股前进行新一轮融资,估值超过1.2万亿美元。OpenAI首席执行官Sam Altman此前表示,该公司期待已久的IPO仍在筹备中,但不会在今年进行。

09-15 13:49

美媒:OpenAI支持众议院两党人工智能安全监管提案

PANews 9月15日消息,据Politico报道,人工智能巨头OpenAI支持一项美国众议院两党提案,该提案将要求顶尖人工智能公司引入外部评估机构,以确保其模型安全。OpenAI全球事务主管克里斯·莱恩周二表示,公司支持FRONTIER法案中的一项关键条款。该法案由众议院共和党议员杰伊·奥伯诺尔特和民主党议员洛丽·特拉汉提出,旨在建立美国首个联邦层面的人工智能安全框架。该法案包含多项规定,其中包括要求顶尖人工智能实验室允许“独立验证组织”(IVOs)进入公司内部,以确保模型以安全方式开发。

09-15 00:25

OpenAI以超3亿美元收购智能手机摄像头制造商Glass Imaging

PANews 9月15日消息,据TechCrunch援引《华尔街日报》报道,OpenAI已收购智能手机摄像头制造商Glass Imaging,交易价值超过3亿美元。Glass Imaging利用AI克服智能手机摄像头的物理尺寸限制,不是拍摄后再用AI编辑照片,而是通过神经网络学习不同摄像头系统,从快门按下时就生成更好的图像。 Glass Imaging成立于2019年,总部位于加州洛斯阿尔托斯,此前从投资者处筹集约3000万美元。该公司由前苹果工程师Ziv Attar和Tom Bishop创立,两人此前曾领导开发苹果Portrait Mode的团队。

09-14 05:36

OpenAI支持“放缓”开发人工智能的想法

PANews 9月14日消息,据金十报道,OpenAI首席执行官Sam Altman周日对“放缓”人工智能开发的想法表示支持,以便前沿模型不会超出人类维持控制的能力。Altman呼应了Anthropic首席执行官Dario Amodei的说法,称将重心转向安全会有代价,但为了维持人们对美国公司负责任地开发能力日益强大的人工智能的信心,这是值得的。 Altman发文称:“任何美国竞争压力都不应成为鲁莽的理由,也不应让能力领先于对齐和监控,当我们谈论‘放缓’时,我们并不是指‘停止’。”这些言论出炉前不久,Amodei和SpaceXAI老板马斯克罕见地一致呼吁放缓人工智能开发。

09-13 15:19

OpenAI联创:RSI 仍存重大技术不确定性,RL 与持续学习成关键战场

PANews 9月13日消息,据Dwarkesh Patel频道访谈整理报道,多位AI研究员包括OpenAI联合创始人John Schulman、Charlie O’Neill与Beren Millidge在讨论中指出,递归自我改进(RSI)未必会带来短期内的“智能爆炸”,当前“Transformer+强化学习”范式可能在泛化、持续学习和样本效率上遭遇渐近瓶颈。嘉宾认为,大模型进步正从单纯算力扩展转向数据效率与稀疏/模块化架构,蒸馏与基于真实部署数据的持续学习,将成为中小实验室对抗头部实验室模型垄断的重要路径。