AI FRONTIER
Signals worth understanding before they become obvious.
Mô hình mới trên OpenRouter: LiquidAI LFM3-1.7B
LFM3-1.7B của LiquidAI hiện đã có trên OpenRouter: một mô hình văn bản nhỏ gọn 1,7B tham số với ngữ cảnh 262.144 token, được huấn luyện hậu kỳ cho tác nhân, gọi công cụ và đầu ra có cấu trúc.
- 1,7B tham số, cửa sổ ngữ cảnh 262.144 token và hỗ trợ tối đa 8.192 token hoàn thành.
- Giá 0,08 USD cho mỗi 1 triệu token đầu vào và 0,20 USD cho mỗi 1 triệu token đầu ra, với đọc bộ nhớ đệm 0,02 USD cho mỗi 1 triệu token.
- Chấp nhận tools và tool_choice để gọi hàm, đồng thời hỗ trợ đầu ra có cấu trúc qua lược đồ JSON trong response_format.
- Trang OpenRouter ghi ngày phát hành là 6 tháng 11 năm 2026 và nêu rằng prompt cùng đầu ra có thể được lưu giữ và dùng để huấn luyện các mô hình Liquid.
Với các khối lượng công việc tác nhân và đầu ra có cấu trúc cần ngữ cảnh dài với chi phí mỗi token thấp, LFM3-1.7B là một lựa chọn được lưu trữ nhỏ đáng thử, miễn là điều khoản lưu giữ dữ liệu và thông lượng được nêu trên trang phù hợp với ...
Palette: dạy một mô hình nhỏ tạo deck theo ngôn ngữ thiết kế của bạn
Palette của IBM Research chia việc tạo slide thành vai trò nhà thiết kế và lập trình viên, do một adapter LoRA duy nhất trên mô hình 20B đảm nhiệm, và đứng đầu ở hai trong ba lĩnh vực của PresentBench.
- Palette tinh chỉnh một mô hình 20B; dữ liệu huấn luyện theo IBM Design Language, với nhà thiết kế viết brief JSON có cấu trúc và lập trình viên viết JavaScript pptxgenjs.
- Vì ngữ cảnh của mỗi slide được cố định trước khi viết mã, các lệnh gọi lập trình viên chạy song song, giúp giai đoạn viết mã nhanh hơn khoảng 6–7×.
- Huấn luyện dùng LoRA thay vì tinh chỉnh toàn phần; ví dụ của lập trình viên dài hơn ví dụ của nhà thiết kế khoảng 5×, nên ví dụ của nhà thiết kế được lấy mẫu thừa 5×.
- Dữ liệu tổng hợp gồm khoảng 1000 deck và chừng 10.000 slide, mỗi slide được kết xuất và kiểm tra chồng lấn cùng tràn lề, với lý do của slide đã sửa được viết lại dưới dạng phản thực.
Với các nhóm cần ngôn ngữ thiết kế riêng, bộ kiểm tra kết xuất có thể xác minh cùng dữ liệu tổng hợp mang lý do giúp mô hình 20B tự vận hành tiệm cận đầu ra của các hệ thống tiên phong.
nvidia phát hành Nemotron-3.5-Transcribe-30B-A4B, mô hình giọng nói ngoại tuyến 40 ngôn ngữ
NVIDIA đã công bố Nemotron-3.5-Transcribe-30B-A4B trên Hugging Face, mô hình giọng nói và âm thanh ngoại tuyến với trọng số mở hỗ trợ phiên âm 40 ngôn ngữ, bản ghi dài tới một giờ và ngữ cảnh 65.536 token, dùng kiến trúc mixture-of-experts kích hoạt khoảng 4,3B tham số bao gồm bộ mã hóa âm thanh.
- Tổng 34B tham số với khoảng 4,3B tham số hoạt động, gồm bộ mã hóa âm thanh khoảng 800M và khoảng 3,5B tham số hoạt động trong backbone ngôn ngữ
- Ngữ cảnh 65.536 token và bản ghi dài tới một giờ; trọng số phát hành ở BF16 cùng các biến thể lượng tử hóa FP8 và NVFP4
- WER trung bình được báo cáo là 4,71 trên 9 bộ công khai của Open ASR Leaderboard, so với 4,94 ở mô hình trọng số mở tốt nhất kế tiếp, Qwen3-ASR-1.7B
- Giấy phép là OpenMDW-1.1 và triển khai cần 1× H100 80 GB; ngày phát hành là 28 tháng 10 năm 2026
Với nhà phát triển ứng dụng giọng nói, checkpoint trọng số mở này cung cấp phiên âm ngoại tuyến theo giấy phép dùng thương mại cho 40 ngôn ngữ, nhưng cần tính 1× H100 80 GB cho mỗi lần triển khai.
Granite Switch 4.1.1 — Cập nhật mô hình như cập nhật phần mềm
Granite Switch 4.1.1 là bản vá tương thích ngược hoàn toàn với 4.1, không cần di chuyển. Bản này cập nhật mô hình Granite Speech ASR sang chuyển giọng nói thành văn bản đa ngôn ngữ trong 10 ngôn ngữ với dấu câu và chữ hoa gốc, cùng bộ điều hợp Decision trong granitelib-core; ngoài việc huấn luyện các bộ điều hợp mới, m...
- Bản vá tương thích ngược hoàn toàn với 4.1 và không cần di chuyển.
- Mô hình Granite Speech ASR cập nhật bao phủ chuyển giọng nói thành văn bản trong 10 ngôn ngữ với dấu câu và chữ hoa gốc.
- Bộ điều hợp Decision cập nhật trong granitelib-core có hiệu năng tổng thể được cải thiện trên bộ kiểm thử Jev Decision Index.
- Ngoài việc huấn luyện mô hình ASR và bộ điều hợp Decision mới, không có gì được tính toán lại và mô hình nền không bị thay đổi.
Với nhà phát triển, bộ điều hợp mô-đun cho phép phát hành cập nhật mô hình như bản vá phần mềm: kết hợp các bộ điều hợp mới nhất và triển khai mà không cần huấn luyện lại mô hình nền.
AI có nói dối không? Các nhà nghiên cứu đặt 1.532 cái bẫy cho chín mô hình lớn hàng đầu
Các nhà nghiên cứu đã đặt 1.532 cái bẫy kiểm thử cho chín mô hình lớn hàng đầu nhằm xem xét liệu các mô hình có nói dối hay không.
- Đối tượng kiểm thử là chín mô hình lớn hàng đầu.
- Tổng cộng 1.532 cái bẫy đã được đặt ra.
Đối với nhà xây dựng AI, kiểu thiết kế kiểm thử tập trung vào hành vi lừa dối này có thể là hướng tham chiếu để đánh giá độ tin cậy của mô hình.
Các tác nhân AI đã cố gắng nghiên cứu các câu hỏi mở và không tác nhân nào đạt chuẩn chuyên gia
Một tóm tắt bài báo báo cáo rằng các tác nhân AI đã cố gắng nghiên cứu các câu hỏi mở, và không tác nhân nào đạt chuẩn chuyên gia.
- Tóm tắt bài báo nêu rằng các tác nhân AI đã cố gắng nghiên cứu các câu hỏi mở.
- Tóm tắt bài báo nêu rằng không tác nhân nào đạt chuẩn chuyên gia.
Đối với những người xây dựng tác nhân nghiên cứu, tóm tắt này cho thấy hiệu suất hiện tại trên các câu hỏi mở vẫn dưới chuẩn chuyên gia.