Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

Gemma 4

Google 发布 Gemma 4,Arcee AI 发布美国最强开源大语言模型,LiquidAI 推出一款超小型大语言模型

注:本文由 OpenAI gpt-6.1-sol 通过 Codex CLI 自动翻译;翻译质量可能有所欠缺,尤其是技术术语。

新品发布

Gemma 4

Google 带着 Gemma 4 系列模型,重新加入了开源模型的竞争。

Gemma 4 系列共有 4 种参数规模:50 亿、80 亿、260 亿(MoE,激活参数为 40 亿)和 310 亿(稠密模型)。 AA 上的 Gemma 4 评分

较小的 5B 和 8B 模型沿用了 Gemma 3n 架构,也就是说,它们与目前其他所有大语言模型的架构都完全不同。因此,它们的效率远高于单看参数量时的预期(速度和效率都在约 2 倍的水平)。

这些模型旨在与同等规模的 Qwen 3.5 模型竞争,而它们基本做到了。 较小的模型表现稍逊一筹,但凭借高效的架构,它们更适合资源有限的边缘部署场景。

较大的模型则与对手更为接近,在编程基准测试中领先,但在更通用的智能体任务上落后。 它们的推理效率也高于 Qwen3.5:在推理模式下,token 用量与未开启推理模式的 Qwen3.5 模型相当(仅为开启推理模式的 Qwen3.5 的 1/3 到 1/5)。 这也让它们很适合本地运行或快速推理,因为这些模型的思考量比较有限,而 Qwen3.5 模型往往会严重过度思考。

总体而言,Gemma 4 系列模型表现扎实。如果你正在寻找低成本模型,或是能在家里运行的模型,我绝对建议你试试,并根据自己的使用场景,将它们与 Qwen3.5 模型进行比较。

快讯

Trinity Large Thinking

几个月前,Arcee AI 发布了美国开源模型 Trinity 系列,但当时的后训练做得相当仓促。

现在,他们为 Trinity 大模型(MoE,总参数量 3980 亿,激活参数为 130 亿)更新了后训练,结果看起来相当不错。

公布的基准测试结果

在基准测试中,它们已经能与中国顶尖的开放模型一较高下。 过去几个月,它们也是 OpenRouter 上排名最高的美国模型,而那还是在这次效果好得多的后训练之前。

我关注并支持 Arcee AI 已经有一段时间了。看着他们在大约一年里,从微调小模型发展到训练自己的前沿模型,实在很酷。如果你想支持美国开源 AI,我推荐你试试这款模型。

LFM2.5 350M

LiquidAI 继续追求打造尽可能小、尽可能快,同时在智能体任务上仍有一定实用性的模型。这次,他们推出了一款 3.5 亿参数的模型,使用了 28 万亿个 token 进行训练。按照 Chinchilla 缩放定律衡量,这使它成为目前已知过度训练程度最高的模型。

跑分结果

量化后,这款模型只需占用约 300MB 内存,几乎可以部署在任何地方。 过去,这种参数规模通常只用于研究人员使用的玩具模型,因此 Liquid 能做出一款有一定实用性的模型,实在令人印象深刻。

结语

希望你喜欢本周的新闻。如果你想每周收到最新资讯,别忘了在下方订阅我们的邮件列表。

氛围感

来自 Twitter 上的 Tomislav

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS