找到 8 筆
蘋果發布新款 14 英寸 MacBook Pro，首發搭載 M6 晶片，採用 12 核 CPU、12 核 GPU（每顆核心帶 Neural Accelerator）和雙 16 核神經網路引擎。官方稱其圖形效能較 M5 提升最多 30%，端側 AI 負載提升最多 25%，神經網路引擎提升最多 1.9 倍；LLM 首 token 處理速度比 M1 機型快最多 13 倍、比 M5 機型快 1.3 倍。
蘋果發布 14 英寸 MacBook Pro，首發搭載 M6 晶片，主打端側 AI 效能。M6 為 12 核 CPU 配 12 核 GPU，每顆 GPU 核心內建神經加速器，另有雙 16 核神經引擎；官方稱圖形效能較 M5 提升最多 30%、AI 負載提升 25%，神經引擎提升最多 1.9 倍。LLM 首 token 處理比 M1 機型快最多 13 倍、比 M5 快 1.3 倍；
Ollama 上線由 Recursive SI 開發的約 40B 引數 MoE 開源模型 Flint，面向端側 agentic coding 場景。官方給出短上下文下的生成速度：M4 Pro MacBook Pro 上超過 125 tps，64GB 視訊記憶體的 NVIDIA RTX Spark 上超過 150 tps。
Recursive 發布免費編碼模型 Flint，以 Apache 2.0 許可在 Hugging Face 開放下載，可在筆記本上離線執行。它是 40B 引數的混合專家模型，每次只啟用 2.5B 引數；在搭載 M4 Pro 的 MacBook Pro 上約 131 tokens/秒，約為同機 Gemma 4、Nemotron 3.5 Lightning 的兩倍；在 SWE-Bench Verified 上優於所有 50B 以下模型。
田淵棟參與創立的 Recursive_SI 發布首個模型 Flint-40B-A2B，已在 Hugging Face 以 Apache 2.0 開放權重。這是一個總引數 400 億、每 Token 僅啟用 25 億的 MoE 智慧體程式設計模型，在 M4 Pro MacBook Pro 上生成速度超過每秒 125 Token，在 64GB 記憶體的 NVIDIA RTX Spark 上超過每秒 150 Token。
Ollama 0.40.11 起可直接執行語音模型，首個是 Gradium 的文字轉語音模型 Phonon，目前僅支援 Apple Silicon 的 Mac，Windows 與 Linux 稍後推出。在 M5 Max 的 MacBook Pro 上，其速度比 Gradium 自家執行時快 35%，詞錯率與 Hugging Face Transformers 參考實現持平；可用 --voice 選音色，另有法、德、西、葡等 40M 多語言版本。
DishwasherBench 發布 0.1.0 版：這是一個洗碗機裝載基準，在真實機型 Bosch SMV4HAX40G 的剛體物理模擬上跑 Eco 50 洗滌，按洗淨件數計分，人類可在瀏覽器玩，模型經 MCP 接入。七關難度遞增，首關之後並非所有餐具都裝得下，須自行取捨。官方檔最大關卡一次洗滌在 MacBook Pro M3 Pro 上耗時 4.9 分鐘。兩個模型已通過 OpenAI 相容端點試玩三個關卡共六局，尚無人類基線；
Block 旗下 Dessa 團隊發布全雙工語音模型 Dessa，完全用人類對話音訊從零訓練，不含文字與預訓練模型。它邊聽邊說，會在對話中插入「嗯」「懂了」等回應，原生處理情緒、語調與笑聲，推理快於即時，可在 M4 Max 或更強的 MacBook Pro 上本地執行。官方稱訓練只用了單臺 NVIDIA GB200 NVL72，並開放少量名額給 AI 安全研究者提前試用。