苹果新款 Mac mini 和 Mac Studio 正式发售
相关推荐
苹果换帅后首周盘点:iPhone18Pro配色曝光,折叠屏iPhone Ultra或供应紧张,MacBook Ultra有望亮相
BlockBeats 消息,9 月 5 日,苹果新任 CEO 约翰·特努斯(John Ternus)正式上任后,公司迎来新一轮产品周期。据市场消息,苹果预计将于下周发布 iPhone 18 系列,其中 iPhone 18 Pro 或推出深樱桃色等新配色;由于 9 月 11 日为「9·11」事件 25 周年,苹果可能将预售时间调整至 9 月 12 日凌晨。 同时,苹果首款折叠屏手机 iPhone Ultra 据称仍有望按计划与 iPhone 18 Pro 系列同期发布,但受制于新型制造工艺和结构设计,初期供应可能较为有限,用户或面临较长的发货等待时间。 Mac 产品方面,市场研究机构 Omdia 透露,苹果正在调整未来 MacBook 产品线规划,定位更高端的「MacBook Ultra」可能采用 OLED 屏幕,并提供 14 英寸和 16 英寸版本,最快或于 2026 年下半年至 2027 年初推出。此外,苹果预计不会立即停产现有 mini-LED 版 MacBook Pro,两种屏幕版本可能并行销售数年。 另一方面,苹果进一步推进 Intel Mac 退出历史舞台。苹果已允许要求 macOS 13 及以上系统的 Mac App Store 通用应用取消对 Intel 架构 Mac 的支持,以降低应用体积并简化开发流程。
Google推出Gemini 3.8 Flash推理模型,今日起向Pro与Ultra用户开放
PANews 9月2日消息,Google Gemini 宣布其最新 Gemini 3.8 Flash 模型今日起向 Pro 与 Ultra 用户开放。官方称,该模型在日常话题行动建议、文本分析和复杂编码等任务中,将提供更可靠、更全面的回答,以增强高频使用场景下的实用性与执行效率。
MiniMax:未来MiniMax M3Pro的参数规模预计提升至约3T
PANews 8月26日消息,MINIMAX-W(00100.HK)在今日晚间的中期业绩电话会上披露了MiniMaxM3.1和MiniMaxM3Pro的研发方向。M3Pro的参数规模预计提升至约3T,并进一步扩大强化学习和长程任务训练,以提高模型的泛化能力和智能上限。MiniMax创始人、CEO闫俊杰表示,下一阶段将继续推进模型智能、推理效率和基础设施能力的协同提升,加快M系列与H系列模型的研发及发布周期。
Sakana升级「模型战队」:Ultra v2冲性能,Max压成本
动察 Beating AI 快讯,日本 AI 公司 Sakana AI 发布 Fugu Max 和 Fugu Ultra v2。 它们本质上都是「模型调度器」:先看任务,再挑合适的模型分工、互相检查,最后合成答案。 第一代 Fugu 就靠这套方法,让 GPT、Claude、Gemini 等模型组队,做到接近甚至部分超过当时更强的 Fable 5。 这次产品线分成两条。Fugu Max 主打省钱,模型池加入更多开放权重和专业模型,并优先选够用但更便宜的模型。官方称,在接近顶级模型性能时,成本约为对方的 1/2 到 1/6。Fugu Ultra v2 则只追求最高性能,8 项评测中有 5 项第一或并列第一,而且 Agent 池里没有 Fable 5、Fable 5.1 和 GPT-6 Astra。 不过,多模型来回切换可能降低上下文缓存复用,还会额外产生编排 token。Sakana 没公布 Max 的缓存命中率和单任务总 token 成本。初代 Fugu 也曾被用户吐槽慢、额度烧得快。
MINIMAX涨幅扩大至12%
火星财经消息 8月31日,MINIMAX-W(00100)午后涨幅继续扩大,截至发稿涨12%,报338港元,成交44亿港元。华泰证券发布研报称,预期未来4-6月AI模型商业化加速,同时公司所处细分领域竞争格局呈好转趋势。下半年公司产品上线加速,有望推动收入较快增长:M3 pro有望于9-10月推出,参数规模或达3万亿级别。(科股宝播报)
Jev开始管Attention,MiniMax H3生成时间砍掉41.7%
动察 Beating AI 快讯,日本开发者 Kamimoto 把 Jev 接进 MiniMax H3 的视频生成流程。它会根据每一层的运行状态,从 1%、3%、5%、10% 四档里选择 Attention 保留多少,再由 Sparse Attention 决定具体哪些计算可以省掉。 在 RTX 4070 12GB 上,同样生成一段约 5 秒的视频,原版 4-step 方案需要 6 分 07 秒,加入 Sparse Attention + Jev 动态控制后降到 3 分 34 秒,总耗时缩短 41.7%。 不过,这 41.7% 不能全算在 Jev 头上。Sparse Attention 本身就能通过少算一部分 Attention 来提速,固定保留 5% 或 10% 也会变快。Jev 做的是动态调节:重要的层多算一点,不重要的层少算一点。 目前还不能证明这种动态调节一定比固定比例画质更好,作者也明确表示质量还没有充分验证。实验代码已经开源。