Cyber Weekly #23-CSDN博客

本文链接：https://blog.csdn.net/acelit/article/details/142031903

赛博·新闻

1、通义千问第二代视觉语言模型宣布开源

9月2日消息，阿里云公众号发文，宣布通义千问宣布开源第二代视觉语言模型Qwen2-VL，并推出2B、7B两个尺寸及其量化版本模型。此外，旗舰模型Qwen2-VL-72B的API已上线阿里云百炼平台，用户可直接调用。相比上一代模型，Qwen2-VL性能的得到了全面提升：

可读懂不同分辨率和不同长宽比的图片，在DocVQA、RealWorldQA、MTVQA等基准测试创下全球领先的表现
能理解20分钟以上长视频，支持基于视频的问答、对话和内容创作等应用。
具备强大的视觉智能体能力，可自主操作手机和机器人，借助复杂推理和决策的能力，Qwen2-VL可以集成到手机、机器人等设备，根据视觉环境和文字指令进行自动操作
理解图像视频中的多语言文本，包括中文、英文，大多数欧洲语言，日语、韩语、阿拉伯语、越南语等

阶跃星辰公司推出的图像生成大模型Step-1X正式上线，该模型在图像生成方面表现出色，尤其擅长处理中国风内容，支持长达2000字符的图片生成指令，满足多种创作需求。模型采用DiT架构，优化了深度语义对齐和细节生成能力。此外，官方还披露了两个提升图像效果的隐藏玩法，包括使用特定咒语和智能助手跃问优化生成指令。阶跃星辰同时推出了极速版模型Step-1-flash和开放平台体验中心，旨在降低开发者门槛，推动AI应用的普及。

3、开源大模型Reflection 70B发布

开源模型领域再次出现新的黑马——Reflection 70B，底层模型基于Meta的Llama3.1 Instruct，该模型由HyperWrite CEO Matt Shumer和GlaiveAI创始人Sahil Chaudhary在三周内完成。从基准测试结果来看，该模型在MMLU、MATH、IFEval、GSM8K等基准测试中均超越了GPT-4o，并击败了405B参数的Llama3.1。通过使用Reflection-Tuning技术，该模型甚至能够在给出最终回复前检测并纠正自身推理中的错误。据悉，Reflection 70B的高性能还与Glaive提供的高质量数据有关，该公司去年获得了350万美元的种子轮融资。官方宣称，Reflection405B将于下周推出，预计将成为世界上最强大的AI模型。

4、面壁智能推出MiniCPM3.0基座模型

本周，面壁智能宣布，面壁「小钢炮」系列进化为全新MiniCPM3.0基座模型，以4B参数，带来超越GPT-3.5的性能。面壁智能表示，MiniCPM3.0仅以4B参数，在包括自然语言理解、知识、代码、数学等多项能力上对GPT-3.5实现赶超，在Qwen2-7B、Phi-3.5、GLM4-9B、LLaMa3-8B等一众模型脱颖而出。此外，MiniCPM3.0还拥有端侧最强Functioncalling性能，在权威评测榜单Berkeley Function-Calling Leaderboard上，其性能接近GPT-4o，并超越Llama3.1-8B、Qwen-2-7B、GLM-4-9B等众多模型。开源地址：

GitHub:GitHub - OpenBMB/MiniCPM: MiniCPM3-4B: An edge-side LLM that surpasses GPT-3.5-Turbo.
HuggingFace:https://huggingface.co/openbmb/MiniCPM3-4B

5、对标GPT-4o，腾讯推出新一代大模型混元Turbo

9月5日，腾讯宣布推出新一代大模型混元Turbo。腾讯表示，相比前代模型，腾讯混元Turbo性能有显著提升，训练效率提升108%，推理效率提升100%，推理成本降低50%，解码速度提升20%，效果在多个基准测试上对标GPT-4o。目前，腾讯混元Turbo已经在腾讯云上线，输入和输出价格只有前代模型的一半。企业和开发者可以通过API、专属模型、精调模型等方式使用腾讯混元大模型相关能力。