找到 5 筆
Anthropic 於 2026 年 9 月 15 日為 Claude for Small Business 推出 43 個工作流和 27 個新整合，接入 Shopify、Salesforce、Stripe、Zapier 等工具，該產品自 5 月上線以來安裝量已超 90 萬次。新工作流把 Claude 從後臺運營擴充套件到獲客、回覆諮詢和撰寫提案，並可在 Claude Cowork 桌面應用中按計劃自動執行，預設傳送、發布或付款前需使用者批准。
何愷明團隊提出純視覺 ARC 解題方案 NAT-ARC，不用 LLM，單模型（huge，0.6B 引數）在 ARC-1 上 pass@2 達 63.4%，整合三種預訓練策略後達 70.2%，總引數約 2B。做法是先用 ImageNet（約 130 萬張自然影像）上訓練的 MAE encoder 權重初始化編碼器，再在 ARC 訓練集離線訓練，測試時對每道題單獨 LoRA 微調；
Inco AI 發布開源推理引擎 Splash，專為在 Apple Silicon 上本地執行 Qwen3.6-35B-A3B 與 Qwen3.8-27B 最佳化，已整合進 LM Studio Bionic 1.1.5 及以上版本。在 48GB M5 Pro 測試中，Qwen3.8-27B 短提示解碼約 74 tokens/s、32K 上下文 54 tokens/s，約為次快引擎的兩倍；四個併發請求合計吞吐 170 tokens/s，是次快引擎的 3.9 倍。
Kimi Team 發布 PerceptionBench，一個把視覺感知拆成原子能力來評估的 MLLM 基準。它從 42 個基準的前沿模型失敗中歸納出 10 類原子感知能力，構造併發布 3,000 道已驗證題（內部池 17,000+），60% 來自模型失敗分解，40% 新寫，覆蓋視覺關係、計數、屬性、深度與 3D、定位、比較、細粒度識別、上下文整合、OCR、幻覺。測試 16 個前沿 MLLM，無一達到 60% 準確率，幻覺平均是最弱能力；總分接近的模型在具體感知上可能差異很大。
Mistral 與 Cloudera 於 2026 年 9 月 10 日宣布合作，把 Mistral 模型整合進 Cloudera 混合資料平台，企業可在私有云、公有云、本地乃至完全氣隙環境中執行推理。企業還能在受控環境裡用自有專有資料訓練定製模型，並以開放權重方式擁有模型與資料。Cloudera 稱其平台上執行著客戶自管的 30 EB 資料，合作面向金融、製造、電信等受監管行業，核心是讓資料、智慧、算力與運營留在客戶手中。