PulseAugur
中
实时 20:35:42
实体 RadixArk

RadixArk

PulseAugur coverage of RadixArk — every cluster mentioning RadixArk across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
7
90 天内 14
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
关系
时间线
  1. 2026-08-18 product_launch RadixArk has launched. 来源
情绪 · 30 天

4 天有情绪数据

最近 · 第 1/1 页 · 共 14 条
  1. COMMENTARY · CL_368081 ·

    本地AI模型接近前沿能力,需要进行自定义任务评估

    随着本地AI模型的快速改进,其能力与前沿商业模型之间的差距正在缩小,这使得团队评估哪些任务可以迁移到本地硬件变得至关重要。深度学习工程师Pete Warden认为,本地开源模型在基准测试性能上已接近商业模型,重点正转向可用性。文章建议创建一个由团队特定工作队列中的十项真实任务组成的“黄金集”,每项任务都有一个可机械验证的答案,以客观确定不同类型任务的最佳运行环境。这种方法考虑了标准基准测试通常忽略的独特分布、上下文和人工检查成本。

  2. TOOL · CL_367469 ·

    DaisyRose-27B 模型因基准测试性能声明受到审查

    一款新的开源模型 DaisyRose-27B 已发布,声称在其基础模型 Qwen3.8-27B 上取得了显著的性能提升。然而,AI 社区的审查,尤其是在 Hacker News 上的讨论,表明这些提升可能源于“benchmaxxing”(即用于训练或评估的基准测试被操纵)。虽然 DaisyRose-27B 在 Terminal Bench 4.1 上显示出大幅提升,但其在其他基准测试上的性能仅有边际改善,与 Gemma 4 和 GPT…

  3. TOOL · CL_366882 ·

    RadixArk 发布用于 AI 代理的开源 DaisyRose-27B 模型

    RadixArk 发布了 DaisyRose-27B,一个专为 AI 代理设计的开源模型。该模型现已可用,旨在支持代理式 AI 系统的开发和部署。

  4. SIGNIFICANT · CL_365488 ·

    RadixArk发布DaisyRose-27B模型,提升智能体任务性能

    RadixArk发布了DaisyRose-27B,一个基于Qwen3.8-27B构建的新模型。该模型使用强化学习进行训练,专注于长时域智能体任务,利用了长达100万token的会话。DaisyRose-27B在Terminal-Bench 4.1等基准测试中表现出显著的改进,pass@1分数从5.6%提高到12.0%,在推理、指令遵循和编码任务上也取得了进步。训练过程包括与Eigent AI合作开发的精选任务,并使用了RadixArk…

  5. TOOL · CL_355284 ·

    AWS Trainium 现在通过 SGLang-Neuron 集成支持前沿 AI 模型

    Amazon 宣布 SGLang-Neuron 公开可用,这是一个支持在 AWS Trainium 芯片上部署前沿 AI 模型的工具。此新集成可通过 AWS 深度学习容器访问,允许用户使用熟悉的 SGLang 界面来服务模型和生成强化学习回滚。SGLang-Neuron 作为一种外部插件,连接 SGLang 和 AWS Trainium,利用原生 PyTorch 和优化的内核来提高性能。

  6. SIGNIFICANT · CL_315784 ·

    Google TPU 现为 Meta 的 AI 提供支持,挑战英伟达的主导地位 · 已追踪 3 个来源

    Google 已将其张量处理单元 (TPU) 用于外部 AI 工作负载,Meta 是首个在生产环境中部署它们的重量级客户。此举得益于 SGLang 和 vLLM 等新的开源推理引擎原生支持 PyTorch,使 Meta 能够在无需迁移到 Google 的 JAX 框架的情况下,在 Google 的定制硬件上运行 AI 模型。此次合作旨在减少对英伟达硬件和软件生态系统的依赖,性能基准测试表明,在某些场景下 TPU 的表现可能优于英伟达的…

  7. TOOL · CL_301500 ·

    BAAI的AREX-2模型尽管基于Qwen架构,但部署时仍需谨慎

    北京人工智能研究院(BAAI)发布了AREX-2,一个基于Qwen架构的27B参数模型。虽然其配置文件最初看起来与Qwen3.8-27B相同,但权重文件存在细微差别,特别是缺少多token预测头,这需要不同的部署方法。此外,AREX-2的NVFP4等优化量化版本仍未发布,并且其与推测性解码和长上下文设置的兼容性需要仔细考虑。

  8. TOOL · CL_297874 ·

    MiniMax AI 将在 SF Tech Week 上主持关于前沿模型和开源 AI 的小组讨论

    MiniMax AI 将参加 SF Tech Week,进行一系列小组讨论和交流。该公司计划举办涵盖前沿模型、高速推理、大规模代理和开源 AI 堆栈的活动。这些会议将汇集与多家 AI 和科技公司的合作,包括 FriendliAI、anacondainc、kilocode、Novita Labs、ArtificialAnlys、NousResearch、RadixArk、Vercel、FireworksAI_HQ、DigitalOcea…

  9. TOOL · CL_297875 ·

    MiniMax AI在SF科技周上讨论前沿模型和开源技术栈

    MiniMax AI参加了SF科技周,举办了多场聚焦前沿模型、高速推理和可扩展代理的活动。该公司还组织了关于开源AI技术栈和开放智能的会议,并与多家科技公司合作。此外,MiniMax还参与了关于以行业发展速度构建和发展创意AI产品的讨论。

  10. TOOL · CL_219460 ·

    Unsloth 加速 Qwen3.8-Flash-Next 和 GLM-5.3-Flash 性能

    Unsloth 发布了更新,显著加速了 Qwen3.8-Flash-Next 和 GLM-5.3-Flash 模型的性能,提供高达 2 倍的生成速度提升和更低的 token 消耗。这些改进归功于多轮规划 (MTP) 和针对 Apple Silicon 优化的 MLX 推理等优化,能够实现更长、更快的聊天。此次发布还包括对模型加载、聊天编辑安全、本地媒体 API 和硬件兼容性(特别是 AMD GPU)的广泛增强。

  11. COMMENTARY · CL_217215 ·

    Anthropic的Claude形成了独特的写作风格,但公司文案仍保持独立

    Anthropic的Claude独特的、有力的写作风格,以短句和独特的措辞为特征,正被广泛采用,甚至被Kimi K3等模型采用。这种风格是Anthropic的刻意选择,正如GPT-5和Gemma 4等其他模型使用更传统的散文所证明的那样。有趣的是,Anthropic自己的面向公众的写作,如研究和政策文件,并没有采用Claude的标志性声音,这引发了对这种分歧原因的猜测。

  12. TOOL · CL_207968 ·

    RadixArk 成功发布,获 SemiAnalysis 关注

    RadixArk 已正式发布,SemiAnalysis 在 X 上宣布了这一消息。该公告发布于 2026 年 8 月 18 日,已引起广泛关注。

  13. TOOL · CL_146958 ·

    MiniMax AI、DigitalOcean、AMD、Weaviate 将联合主办 Advancing AI 活动

    MiniMax AI 将与 DigitalOcean、AMD、Weaviate、RadixArk 以及大型模型系统组织 (LMSYS) 一同主办 7 月 21 日的 Advancing AI 启动活动。活动将包括闪电演讲、现场演示以及 MiniMax AI 关于原生多模态的演讲,随后是交流环节。

  14. TOOL · CL_130815 ·

    NVIDIA、SGLang、RadixArk 实现 3.7 倍更快的 AI 交互速度

    SemiAnalysis 强调了 NVIDIA、SGLang 和 RadixArk 的性能,指出他们的系统与 B300 基准相比,实现了高达 3.7 倍的更快的交互速度。这一进展表明在 AI 硬件和软件优化方面取得了重大进展。