一项研究显示，多语言能力能显著减缓大脑衰老速度。分析了来自27个欧洲国家的8万多人的数据，发现多语者大脑加速老化的风险是单语者的一半。多语言者通过语言切换增强认知功能和神经可塑性。研究还指出，国家的语言教育政策对居民大脑健康有重要影响，推广多语言教育可能是有效的公共健康干预手段。

AWS在Amazon Bedrock推出DeepSeek-V3.1模型，支持思考模式和非思考模式，增强多语言能力和复杂任务处理，特别适用于代码生成和代理式人工智能工具，全球企业可通过AWS控制台访问和测试该模型。

本文提出了一种无词汇编码器，通过将文本转化为像素生成输入嵌入，增强预训练语言模型。实验结果表明，该方法在机器翻译和跨语言迁移方面显著优于基于分词的方法，同时提升了单语模型的多语言能力，并减少了解码延迟。

DeepSeek-R1 API 是一款高性能的大型语言模型，支持文本生成、代码辅助和知识问答等多种自然语言处理任务，具备长上下文支持和多语言能力，适合开发者快速构建智能应用。

谷歌开源的生成性人工智能模型Gemma 3具备视觉语言理解、长上下文处理和多语言能力。新特性包括减少的KV缓存内存、自定义Sigmoid损失的视觉编码器，以及改进的图像处理算法。Gemma 3支持高达128k的上下文，性能优于前代模型，适合单个消费者GPU或TPU主机。

微软研究人员推出了BitNet b1.58 2B4T，这是首个使用1位权重原生训练的大型语言模型。该模型在计算成本和硬件需求上显著低于全精度模型，同时在多项任务上表现相当。BitNet通过自定义的BitLinear层和量化技术，减小了模型大小并提高了训练稳定性。此外，微软还开发了专用推理库bitnet.cpp，以支持1位模型的高效推理。未来将探索更先进的技术和多语言能力。

这篇文章讨论了eBay如何利用Llama模型开发定制的大型语言模型，以适应电子商务领域。通过结合eBay的数据和第三方模型，eBay创建了高效、可扩展的AI解决方案。文章介绍了训练方法、数据来源及其在电子商务特定基准测试中的性能提升，强调了继续预训练的重要性，以确保模型保留原有知识并增强多语言能力。

OpenAI的o1模型在推理时偶尔使用中文，引发专家讨论，认为可能与训练数据或模型选择语言有关。这种多语言能力使AI在思维中自然切换语言，被视为智能的涌现现象。

Meta推出了Llama Guard 3-1B-INT4模型，以应对生成式人工智能系统在内容安全方面的挑战。该模型体积小、性能强，适合移动设备，具备出色的多语言能力和安全审核功能，标志着生成式AI安全审核的重大进展。

Jina ColBERT v2是一种先进的检索模型，相比以前的版本，它提高了性能。它支持89种语言的多语言能力，并允许用户控制输出嵌入大小。该模型紧凑且优于基于BM25的检索。它还提供了Matryoshka表示学习，允许不同的输出向量大小。Jina ColBERT v2可以通过各种API访问，并集成到不同的框架中。它在精确性和效率之间提供了平衡，可能降低存储和计算成本。

Qwen系列模型进行了重大升级，推出了Qwen2系列，包含五个不同尺寸的预训练和微调模型，支持多达128K tokens的上下文长度。新增27种语言的高质量数据，提升了多语言能力及数学、代码处理能力。模型在多个评测基准上表现优异，特别是在自然语言理解和多语言任务中超越了现有领先模型。所有模型已在Hugging Face和ModelScope开源，期待用户反馈。