LLM

Alibaba rozszerza rodzinę multimodalnych modeli Qwen3‑VL o gęste odmiany 4B i 8B (Instruct i Thinking) z checkpointami w formacie FP8. Modele zachowują długokontekstowe i multimodalne możliwości, jednocześnie celując w wdrożenia o ograniczonych zasobach pamięci GPU.

Nowy framework ACE od Stanfordu, SambaNova Systems i UC Berkeley usprawnia działanie LLM, edytując i rozwijając kontekst wejściowy, zamiast aktualizować wagi modelu. Czy to początek nowej ery w optymalizacji modeli językowych?

SwiReasoning to procedura dekodowania, która w czasie rzeczywistym decyduje, kiedy model ma „myśleć w ukrytej przestrzeni”, a kiedy wypisywać jawny chain-of-thought. Metoda, nie wymagająca dodatkowego treningu, wykorzystuje trendy entropii rozkładów kolejnych tokenów jako sygnał pewności i według autorów zwiększa zarówno dokładność, jak i efektywność tokenową w zadaniach matematycznych i STEM.

Meta AI prezentuje MetaEmbed – innowacyjną metodę multimodalnego wyszukiwania, która umożliwia dynamiczne dostosowywanie dokładności, opóźnienia i rozmiaru indeksu bez konieczności ponownego uczenia modelu.

Liquid AI wypuściło LFM2-8B-A1B, model Mixture-of-Experts (MoE) zaprojektowany do działania na urządzeniach o ograniczonych zasobach. Czy ta innowacja zmieni sposób, w jaki korzystamy z AI na smartfonach i laptopach?

Nowy model AI od Samsunga, TRM, udowadnia, że wielkość nie zawsze jest najważniejsza, osiągając lepsze wyniki niż ogromne modele językowe w testach logicznego myślenia.