AI FRONTIER
Signals worth understanding before they become obvious.
Nuovo modello su OpenRouter: Reflection: Beam 1.0 501B A23B
Beam 1.0 è il modello di ragionamento a pesi aperti di Reflection per il coding e i flussi di lavoro agentici a lungo orizzonte. Usa un'architettura sparse mixture-of-experts con 501B di parametri totali e 23B attivi per token, e una finestra di contesto da 1M di token.
- Architettura sparse mixture-of-experts con 501B di parametri totali e 23B di parametri attivi per token
- Finestra di contesto da 1.048.576 token, con supporto fino a 131.072 token di completamento
- Rilasciato con licenza Apache 2.0, con sforzo di ragionamento configurabile, chiamata di funzioni e output strutturati
Con soli 23B di parametri attivi per token rispetto a 501B totali, gli sviluppatori possono puntare a grande capacità con basso costo di calcolo per token, ma devono misurare se la precisione regge su attività di agenti di coding a lungo or...
Rilasciato DeepSeek-V4.1-Flash-1017: modello multimodale da 763B con licenza MIT
DeepSeek ha rilasciato DeepSeek-V4.1-Flash-1017 come aggiornamento minore di DeepSeek-V4.1-Flash, riportando miglioramenti su ragionamento, coding, attività agentiche e benchmark visivi, riducendo al contempo il tempo di esecuzione delle attività e la lunghezza degli output.
- La dimensione del modello è di 763B parametri, con tipi di tensore BF16, F32, F8_E4M3 e I8, e pipeline image-text-to-text.
- Il report tecnico indica che HLE senza strumenti passa da 36,8 a 42,6, Terminal-Bench 4.0 da 31,2 a 42,3 e DeepSWE v1.1 da 74,2 a 77,0.
- Il report indica che Chartography con strumenti passa da 78,9 a 83,0 e BabyVision con strumenti da 89,6 a 92,5.
- Il repository e i pesi del modello sono sotto licenza MIT, con campionamento consigliato temperature 1.0, top_p 1.0, finestra di contesto di 1M tokens e max_tokens di almeno 256K.
Gli sviluppatori ottengono pesi multimodali da 763B sotto MIT con finestra di contesto di 1M e un toolkit Rust/Python per la codifica dei prompt, riducendo il costo di integrazione per pipeline agentiche e visive.
DeepSeek rilascia V4.1-Flash-1017, ottiene 77,0 su DeepSWE e apre una search API
DeepSeek ha rilasciato V4.1-Flash-1017, che secondo quanto riportato ottiene 77,0 su DeepSWE, e ha aperto una search API.
- DeepSeek ha rilasciato V4.1-Flash-1017.
- Il modello ottiene 77,0 su DeepSWE secondo quanto riportato.
- DeepSeek ha aperto una search API.
Gli sviluppatori possono abbinare la search API di V4.1-Flash-1017 al punteggio riportato di 77,0 su DeepSWE per flussi di agenti con retrieval aumentato.