2026年08月13日AI 版

依据

Nathan Lambert 在 Interconnects 说他刚写完一本 post-training（后训练）教材，并让大模型帮忙处理 LaTeX（排版系统）公式、做大量 copyediting（文稿编辑）和生成 TikZ/Python 图表。他的判断是：模型在长篇幅非虚构写作上停滞；GPT 4.5、Kimi K2 这类写作口碑好的模型偏旧，而同期模型在 coding（编程）和数学上已从可用走到超人类。机制上，他把组织知识看作 compression（压缩），认为当前 LLM（大语言模型）增加长文熵值，无法靠自身叠出洞见；因此依赖模型自主解决开放科学问题，会先卡在“把成熟科学讲清楚”这一步。材料里的对照是：他把 200-300 页的近终稿 PDF 交给 GPT 5.5 Pro，后者找出深层小错；Claude 则更像有品味的编辑，能理解任务心理模型并给建议。二者说明模型擅长微观查错与建议，不擅长章节级组织。

依据

AI2 的 Kyle Wiggers 在 Hugging Face 上宣布：OlmoEarth Studio 现在可以计算并导出嵌入向量，嵌入向量是地球观测数据的紧凑数值表示，地表特征相近的地方向量相近。流程是先配模型、跑完再下载，参数包括：兴趣区画或传任意多边形；时间跨度 1–12 个月度周期；编码器三档 Nano（128 维、1.4M 参数）、Tiny（192 维、6.2M 参数）、Base（768 维、89M 参数）；分辨率 10、20、40、80 米每像素；影像源 Sentinel-2 L2A、Sentinel-1 RTC 或两者。产出是 Cloud-Optimized GeoTIFF（COG，云优化 GeoTIFF），每个嵌入维度一个波段，存为 int8（8 位有符号整数），取值 -127 到 +127，-128 留给 nodata。材料里的对照数字：全局结构那张图用了 1.1M 个季节性 Sentinel-2 样本、聚成 15 个 k-means 簇；越南 Ca Mau 红树林只标 60 个像素（红树林、水、其他三类各 20 个），训一个逻辑回归就铺满全区；农业窗口查询里最相似的斑块余弦相似度 0.89 以上，最不相似的机场裸地、水库旱地和旱生牧场接近零。性能不够时还可以走 SFT（supervised fine-tuning，监督微调）。

依据

Simon Willison 说，这个最新的 DeepSeek Pro 模型只走 API，他只能链去 OpenRouter，因为 DeepSeek 没有明显的发布页；他也无法确认是否会放出 open weights（开放权重，即可下载的模型参数文件），但四月 deepseek-ai/DeepSeek-V4-Pro 和七月 DeepSeek-V4-Flash-0731 的权重都放出了，所以他判断很可能。他随后更新：权重已上 Hugging Face，1.7T parameters、893 GB。评测这条链更绕：据他能查到的，benchmark 先发在官方 DeepSeek 微信群，被复制成 Reddit 帖子后遭版主以 low-effort 删除，再被复制成 Hacker News 上的 ASCII 表格。他还用同一个 pelican-riding-a-bicycle 提示词跑低、中、高三档推理，三张鹈鹕图差异很大，他说没在其他模型上见过这种差异。

依据

Google DeepMind 手语团队 8月12日发布 SL2T（sign-language-to-text，手语转文字）模型，称这是同类模型第一次进入消费产品：Pixel 11 上的 Gboard 和 Live Transcribe 先行支持 ASL（美国手语）转英文。机制和听人用语音听写代替打字一样，只是输入换成手语——搜网页、起草消息、让 Gemini 执行任务都能用，Live Transcribe 里则可以直接打手语回话。材料给出的盘子是：全球有 200 多种手语、估计 70 million 聋人与听障使用者，首发只覆盖 ASL。这决定了排期表上的下一步不是再调模型，而是为下一种手语凑齐标注数据，付费方是 Google 的产品团队。

依据

LiquidAI 的 Samuel Stevens 等在 Hugging Face 发布 LFM2.5-VL-3B：它用 SigLIP2 400M NaFlex 视觉编码器，搭配与 LFM2.5-2.6B 文本模型相同的预训练主干，预训练约 34T tokens，视觉数据是之前的 4 倍，词表以就地扩展方式翻倍到 128K。机制在于它直接作答、不走推理链，所以实时和端上应用里响应更快。对着数字看：总体平均分 69.4，高于上一代 LFM2-VL-3B 的 57.2，与 InternVL 3.5 4B 的 69.4 持平，仍低于 Qwen3.5-4B 的 70.1；拉开差距的是 ScreenSpot-v2 Desktop 从 6.0 升到 78.7、RefCOCO-avg 从 57.1 升到 87.9。也就是说，赢面集中在屏幕理解和指代定位，不是全项领先。