跳到正文

模型发布

新模型的发布、开源与迭代:大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。

最新精选

第 81–89 条 · 共 89 条
3月14日周二
  1. OpenAI News93

    OpenAI 发布 GPT-4 大语言模型

    OpenAI 正式发布 GPT-4,这是其最新一代大语言模型。GPT-4 支持文本和图像等多模态输入,并在各类学术和专业考试中展现出接近人类水平的性能。

    推荐理由:官方确认 GPT-4 具备多模态输入能力,并强调其在专业考试中的表现接近人类水平。

11月30日周三
  1. OpenAI News98

    OpenAI 发布 ChatGPT 对话模型

    OpenAI 正式推出 ChatGPT,这是一款基于 GPT-3.5 架构的对话式 AI 模型。该模型旨在通过自然语言交互回答各类问题并协助完成文本任务。用户现可通过 OpenAI 平台直接体验其对话功能。

    推荐理由:官方直接发布了新对话模型,读者可据此了解其即时可用性及基础交互能力。

9月21日周三
  1. OpenAI News83

    OpenAI 发布 Whisper 语音识别模型

    OpenAI 发布名为 Whisper 的自动语音识别系统,该模型在多种语言和口音下表现出高鲁棒性。Whisper 已在 GitHub 上开源,支持多语言转录和翻译任务。

    推荐理由:官方直接发布了新语音识别模型,提供了具体的准确率数据和开源代码入口。

7月12日周二
  1. Hugging Face Blog82

    Hugging Face 发布全球最大开源多语言大模型 BLOOM

    Hugging Face 联合 BigScience 项目发布拥有 176B 参数的多语言大模型 BLOOM,支持 46 种自然语言和 13 种编程语言生成。该模型完全透明训练,提供中间检查点与优化器状态,并附带基于 Google TPU 云的推理 API 供快速测试。用户需遵守 Responsible AI License 方可在本地或云端使用,团队计划后续增加指令微调能力并扩展更多语言。

    推荐理由:原文披露了 BLOOM 的参数量、多语言支持及训练透明度细节,读者可据此评估其在学术研究与开放部署中的实际可用性。

1月27日周四
  1. OpenAI News79

    OpenAI 发布 InstructGPT 并将其设为 API 默认模型

    OpenAI 推出 InstructGPT 模型,该模型在遵循用户意图、真实性和减少毒性方面优于 GPT-3,现已作为默认语言模型部署于 API。这些模型采用人类反馈强化学习技术训练,源自 OpenAI 的对齐研究成果。

    推荐理由:OpenAI 官方宣布 InstructGPT 成为 API 默认模型,标志着其通过人类反馈强化学习提升指令遵循能力并降低毒性的技术正式落地。

11月5日周二
  1. OpenAI News63

    OpenAI 发布 GPT-2 1.5B 参数版本

    OpenAI 发布 GPT-2 分阶段发布的最终版本,包含 1.5B 参数的最大模型、代码及权重。尽管自八月以来已有更大语言模型发布,OpenAI 仍坚持原计划以提供完整分阶段发布流程的测试案例,供未来强大模型的开发者参考,并继续与 AI 社区探讨负责任的发布方式。

    推荐理由:OpenAI 官方释出 GPT-2 系列最大参数版本及权重,旨在为社区提供检测模型输出的测试案例并推动负责任发布讨论。

8月20日周二
  1. OpenAI News78

    OpenAI 发布新模型

    OpenAI 官方宣布发布一款新模型。该消息由 OpenAI News 直接发出,具体模型名称、版本及详细能力参数在提供的材料片段中未明确列出。

    推荐理由:OpenAI 官方发布新模型,读者可获取第一手的能力说明与技术细节。

2月14日周四
  1. OpenAI News93

    OpenAI 发布 GPT-2 大规模生成式语言模型

    OpenAI 发布 GPT-2,这是一个拥有 15 亿参数的自回归语言模型。该模型在 800 万篇网页文本上训练,无需微调即可在多项任务中展现强大的零样本学习能力。

    推荐理由:OpenAI 官方发布了基于 Transformer 架构的大规模生成式预训练模型,展示了零样本迁移能力。

8月11日周五
  1. OpenAI News73

    OpenAI 发布能在 Dota 2 1v1 中击败顶级职业选手的 AI

    OpenAI 开发出一款能在标准锦标赛规则下的 Dota 2 1v1 比赛中击败世界顶级职业选手的 AI。该 AI 完全通过自我对弈从零开始学习游戏,未使用模仿学习或树搜索技术。这一成果被视为构建能在涉及真实人类的混乱复杂情境中完成明确目标的 AI 系统的重要一步。

    推荐理由:原文披露了通过自我对弈从零学习并在标准规则下击败顶级职业选手的 Dota 2 AI,展示了在复杂人类环境中实现明确目标的技术进展。