Jin10 datos 9 de julio: en la madrugada de hoy, la famosa plataforma de modelos abiertos Hugging Face ha lanzado el modelo de pequeña escala SmolLM3. SmolLM3 tiene solo 3 mil millones de parámetros, pero su rendimiento supera en gran medida a los modelos de código abierto similares como Llama-3.2-3B y Qwen2.5-3B. Posee una ventana de contexto de 128k y soporta 6 idiomas, incluyendo inglés, francés, español y alemán. Soporta modos de razonamiento doble de pensamiento profundo y no pensamiento, permitiendo a los usuarios cambiar flexiblemente.

QwQ-Max está a punto de lanzar su versión oficial, bajo la licencia Apache 2.0, el Código abiertoQwQ-Max y Qwen2.5-Max, y proporcionará versiones más pequeñas como QwQ-32B, que se pueden implementar en dispositivos locales. Al mismo tiempo que se lanza oficialmente QwQ-Max, también se lanzarán las aplicaciones para Android e iOS.

El 25 de febrero, los datos de Jinshi informaron que el equipo de Qwen de Alibaba anunció esta mañana en las redes sociales el lanzamiento de un nuevo modelo de inferencia: Profundidad思考 (QwQ). Este es un modelo de inferencia basado en Qwen2.5-Max, compatible con QWQ-MAX-PREVIEW. La noticia de Blue Whale descubrió que, similar a DeepSeek

Gate.io Noticias

Loongson Technology successfully launched the DeepSeek R1 7B model equipped with Loongson 3 CPU, achieving local deployment, outstanding performance, excellent cost, and providing users with a faster, stronger, and more cost-effective training and inference experience. Loongson is collaborating with partners such as TaiChu YuanQi, Cambricon, TensorTech, Algorithmic&AI, and openEuler to build a multi-modal inference platform for the DeepSeek series models.

Jingwei Hengrun utiliza grandes modelos como DeepSeek y Qwen para desarrollar aplicaciones profesionales de IA, que abarcan múltiples campos como la asistencia inteligente, el diseño, las pruebas, la optimización de productos y la inteligencia de procesos empresariales. Estas aplicaciones mejoran la eficiencia y la calidad del trabajo y reducen los costos.

Según los datos de Jinshi del 26 de febrero, se entiende que la cuarta forma ha lanzado la solución de extremo del modelo de inferencia de gran modelo ModelHub AIoT, que permite a los usuarios implementar fácilmente modelos de destilación de pequeño tamaño, incluidos DeepSeek R1, Qwen 2.5, Llama 2/3, etc., en el extremo y realizar la ejecución sin conexión. Los usuarios pueden cambiar fácilmente entre varios modelos, lo que equilibra la compresión del modelo y el rendimiento de inferencia, y resuelve la complejidad de la implementación y la optimización. La empresa afirma que esta solución no solo puede satisfacer la demanda de los usuarios de privacidad y tiempo real, sino que también reduce significativamente el costo de inferencia de gran modelo de IA.

El paradigma cuarto lanza SageOneIA, una estación integrada de inferencia de modelos grandes, que reduce el costo de inferencia de modelos grandes. La tecnología de potencia computacional inteligente se integra en la solución de la estación, que admite varios modelos grandes líderes. Las empresas pueden alternar entre la versión completa y los modelos destilados, lo que aumenta la utilización de la GPU en más del 30% y mejora el rendimiento de la inferencia de 5 a 10 veces.

Los datos de Jinshi del 12 de febrero informan que la estación internacional de Ali ha incorporado modelos grandes como DeepSeek, que se aplicarán de manera integral en varios aspectos clave del negocio de comercio exterior. Después de la incorporación, cuando la IA atienda automáticamente a los clientes en el extranjero, podrá considerar de manera más integral la intención de las preguntas de los compradores, y luego combinará la profundidad de las observaciones de mercado en la estación internacional de Ali, la experiencia en comercio exterior y la situación de los productos de los comerciantes. Además, se informa que la estación internacional de Ali también está probando la pregunta de equivalencia Qwen.

Microsoft ha lanzado la última versión V2.0 de OmniParser, mejorando la eficiencia y precisión del Agente de IA en el uso de computadoras, especialmente en la detección de elementos de UI pequeños y la mejora de la velocidad de razonamiento. Esta versión también ha mejorado significativamente el rendimiento en la prueba de Agente de Indicador de referencia de alta resolución, alcanzando una sorprendente precisión del 39.6%. Además, Microsoft también ha abierto el código de la herramienta clave omnitool para convertir grandes modelos en Agent.