抖音SAIL团队与LV-NUS Lab联合推出的SAIL-VL2多模态大模型在106个数据集上取得了显著突破，尤其在复杂推理任务中表现出色。该模型通过创新架构和数据处理，展现了小参数规模模型的强大能力，具备细粒度视觉感知和复杂推理能力，成为开源领域的领先者。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本文介绍了LeRobot ACT和ALOHA ACT的智能分拣策略，重点在于动作序列预测算法的实现。通过多模态Transformer架构，模型能够同时预测未来动作，从而提升机器人在复杂任务中的协调性和连贯性。核心组件包括VAE编码器和Transformer解码器，支持多种输入特征，确保机器人执行精准的动作序列。

Mistral AI发布了新模型Mistral Medium 3，成本仅为Claude 3.7的1/8，编程和多模态理解能力出色，基准测试结果接近Claude 3.7，已在多个平台上线。尽管未开放模型权重，但其适应企业环境的能力备受关注。

阿里云推出开源推理模型QwQ-32B，参数量为32B，性能超越OpenAI-o1-mini，接近DeepSeek-R1-671B。该模型降低了部署成本，支持消费级显卡，采用两阶段强化学习法提升逻辑推理能力，并集成Agent功能以增强自主性。

DeepSeek-R1和Kimi K1.5相继发布，技术报告显示其性能超越OpenAI的o1模型。DeepSeek-R1通过纯强化学习提升推理能力，经过多阶段训练和冷启动数据，最终性能与o1相当。这表明大模型在推理方面的进步，具身智能领域也因此受益。

上海人工智能实验室发布了化学大语言模型ChemLLM，能够通过对话交互执行化学学科任务，性能与GPT-4相当。ChemLLM为化学研究开辟新道路，融入结构化化学知识，树立了新的大语言模型标准。

Meta发布了备受期待的Llama-3.1系列模型，包括405B“超级杯”型号，成为首个能与最强大模型媲美的开源模型。Llama-3.1系列包括8B、70B和405B三个版本，具有128k的扩展上下文长度和支持八种语言。405B模型目前是最大的开源模型，在各种评估指标上超过了GPT-4。SiliconCloud在其平台上推出了Llama-3.1系列模型，使开发者更容易访问和使用这些先进模型。该平台还提供加速推理和实惠的价格。除了Llama-3.1，SiliconCloud还提供各种其他开源语言模型、图像生成模型和代码生成模型。开发者可以免费使用这些模型，消除了开发和大规模推广中的计算成本。SiliconCloud旨在为开发者提供更快、更便宜、更全面的模型API，以实现更流畅的用户体验。

近日，Black Forest Labs开源的FLUX.1图片生成模型在AIGC社区引起轰动。SiliconCloud上线了FLUX.1 [dev]和FLUX.1 [schnell]，可免费试用。SiliconCloud还提供多种开源大语言模型、图片生成模型与代码生成模型。Qwen2（7B）、GLM4（9B）等大模型API免费使用。SiliconCloud为开发者提供更快、更便宜、更全面的模型API服务。

深度求索团队更新了DeepSeek-V2模型，新版本DeepSeek-V2-Chat在数学解题、逻辑推理、编程等方面性能提升了16%，对战胜率从41.6%提升到了68.3%。团队还优化了模型的指令跟随能力，提升了用户体验。SiliconCloud平台上线了DeepSeek-V2-Chat的推理加速版，速度快且输出准确。SiliconCloud还提供多种开源大语言模型和代码生成模型。