Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

AI 研究界的 TikTok

全新多模态嵌入模型、用来追踪 AI 研究动态的 TikTok,以及 Claude 的 100 万 token 上下文窗口升级

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

多模态嵌入模型

嵌入模型让我们能够比较两段内容的“感觉”是否相近。在搜索文档时,如果你不知道该用哪些具体关键词,这就很有用了。

以往,优秀的嵌入模型通常只能处理一种模态,比如文本或图像,却无法打通不同模态。 理论上,多模态嵌入模型可以让你上传一张花的图片,然后从数据库中找到一首写花的诗、一段讲解如何养花的视频,或者一期讨论哪些花最香的播客。

Gemini Embedding 2

本周一开始,Gemini 就推出了 Gemini Embedding 2 模型。

Gemini Embedding 2 基准测试结果

虽然发布时只与其他多模态嵌入模型进行了比较,但它面对专用于特定模态的模型也表现得非常出色。与目前最强的纯文本开源模型相比,它也能排进前五。

正如开头所说,可供比较的多模态嵌入模型非常少,因此它在其他所有类别中都轻松拿下了第一。

MixedBread WholeEmbed V3

不到两天,Google 就迎来了竞争对手:搜索初创公司 MixedBread AI(这公司名字起得真不错)发布了 WholeEmbed V3 模型。

MixedBread 基准测试结果

我本想说它更好,但他们似乎用了很多 Google 没用过的基准测试。可能是模型各有所长,也可能是特意挑了能让自己表现亮眼的数据集。

在很多使用场景下,它似乎比 Google 的模型更好,但这并不意味着两者的使用方式也一样。

Google 的接口采用传统方式:你把内容交给它,它返回一个向量(也就是一组数字,比如 [1.12, 2.97, -3.2, 0.49]),然后你可以将其用于任何你喜欢的向量数据库。

而 MixedBread 不会返回向量。他们自己维护搜索引擎,所以你只需上传数据,就能进行查询。如果你想要完全托管的解决方案,这很方便,但它缺少 Google 提供的灵活性。 他们还(很可能)使用了后期交互嵌入模型,这意味着搜索延迟也会比较高。

快讯

研究论文版 TikTok

每周都有数百篇 AI 研究论文发布,要跟上所有论文,简直就是一份全职工作。

为了缓解这个问题,Alphaxiv 推出了一款名为 Briefs 的 TikTok 风格应用,为你展示相关论文,并附上摘要(一段话版和一页版)。

Briefs from Alphaxiv

Claude 的 100 万 token 上下文窗口

过去几个月,Anthropic 一直以测试版形式提供最高 100 万 token 的上下文窗口。

本周,他们觉得目前的表现已经令人满意,于是决定结束测试,将其正式开放。

长上下文基准测试结果

根据他们的基准测试(大海捞针式检索),他们在长上下文任务上的表现远超 Gemini 和 GPT。

他们也没有选择为长上下文涨价;OpenAI 和 Google 对超过 256K 的 token 都收取双倍费用,而 Anthropic 要么找到了压低成本的方法,要么就是愿意自行承担额外成本,好让其他实验室相形见绌。 不管怎样,受益的都是用户。

收尾

希望你喜欢本周的新闻。如果你想每周收到这些资讯,记得在下方订阅我们的邮件列表。

每日氛围

现在别打扰,她正忙着用 Claude 呢 —— 来自 Twitter 上的 proxima centauri b

Stay Updated

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

← BACK TO NEWS