SupraLabs
PulseAugur coverage of SupraLabs — every cluster mentioning SupraLabs across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
SupraLabs发布微小2500万参数模型，性能超越更大前代模型
SupraLabs发布了Supra2-Medium-Base，一个拥有2500万参数的新语言模型。该模型基于Qwen3架构构建，其性能与他们之前拥有5000万参数的模型相当。此次发布的是一个基础模型，未来可能推出指令微调版本。SupraLabs还宣布了其Supra3系列即将推出的模型，包括Flash-Lite、Flash、Pro和Ultra等变体。
-
聊天机器人记忆迁移和微型标题生成模型详解
一位开发者分享了一个迁移聊天机器人对话记忆格式的项目，详细介绍了如何将特定框架的消息对象转换为标准化的数组。该过程涉及分析现有数据结构、映射消息类型以及处理旧格式以确保数据完整性。另外，另一位开发者创建了一个名为 TinyTitle 的紧凑型模型，能够为聊天消息生成简短的标题，该模型可以在最少的内存上高效运行。
-
SupraLabs发布实验性SupraElegans-500K非Transformer模型
SupraLabs发布了SupraElegans-500K，这是一款实验性语言模型，它不同于标准的Transformer架构。该模型采用受秀丽隐杆线虫神经系统启发的稀疏、有符号、循环神经网络图，摒弃了注意力机制和位置编码。其上下文窗口通过持久的每神经元膜电位进行管理，并且无需KV缓存即可运行。虽然其质量不旨在与Transformer竞争，但它旨在探索这种新颖架构在小规模语言建模中的可行性。
-
SupraLabs 发布 Supra2-100M 语言模型
SupraLabs 在其先前模型获得积极反馈后，发布了两个新的语言模型：Supra2-100M Base 和 Supra2-100M Instruct。这些模型可在 Hugging Face 上获取，基准测试表明其性能可与更小和更大的模型相媲美。该公司计划发布 Supra2 系列的更多模型，包括“Nano”、“Small”、“Medium”以及一个图像生成模型。
-
SupraLabs发布SupraBrain-50M-v0.1混合语言模型
SupraLabs发布了SupraBrain-50M-v0.1，这是一款混合语言模型，结合了门控DeltaNet线性递归、滑动窗口注意力（Sliding-Window Attention）和惊喜门控（Surprise-Gated）更新机制。尽管训练数据量显著减少（50亿token对比200亿token），该模型表现出与Supra-Base-50M相当的性能。开发团队还宣布Supra2-100M计划在数小时内发布。
-
SupraLabs发布500万样本推理数据集，用于小型LLM
SupraLabs发布了一个名为reasoning-corpus-4K-5M-v1的新数据集，包含500万个样本，旨在帮助训练小型语言模型提升推理能力。该数据集包含用户提示、详细思考过程和AI模型答案，全部采用ChatML格式，并且序列长度在5k以内，便于高效微调。该资源可在Hugging Face上获取，并已获得显著的早期采用。
-
SupraLabs发布小型Supra-Router-51M提示路由模型
SupraLabs发布了Supra-Router-51M，这是一个紧凑型语言模型，旨在高效地在多模型AI生态系统中进行提示路由。该模型仅有5170万个参数，能够判断用户的请求是应由本地边缘模型处理，还是发送到更强大的云端系统。它在SupraLabs/Prompt-Routing-Dataset上进行了微调，并利用多任务序列生成来分析提示属性，然后进行路由。
-
SupraLabs 发布微型 SupraSafety-18M 模型，用于边缘内容审核
SupraLabs 发布了 SupraSafety-18M，这是一款新的 BERT 类型模型，拥有 1800 万个参数，专为边缘设备和手机上的内容审核而设计。该模型在 nvidia/Nemotron-3.5-Content-Safety-Dataset 上训练，是一个二元分类器，能够高置信度地区分 SAFE 和 UNSAFE 文本。该模型达到了 81.2% 的准确率和 86.9% 的精确率，适用于低延迟的生产环境。
-
SupraLabs 发布 SupraWeather-Nano 预览版用于天气分类
SupraLabs 发布了 SupraWeather-Nano-Preview，这是一个小型 FT-Transformer 模型，旨在利用原始表格气象数据对天气现象进行分类。与采用通用模型或忽略数据结构的典型方法不同，SupraWeather Nano 采用专用的特征分词器和 Transformer 编码器。该架构为每个输入特征分配学习到的 token，并与 CLS token 聚合，然后通过 transformer 堆栈进行处理，无…
-
SupraLabs 发布预览聊天标题模型和透明 VLM 蓝图
SupraLabs 发布了两款新 AI 模型：supra-title-FFT-preview，一个在 115,000 个样本上训练的聊天标题生成模型；以及 SupraVL-Nano-900k，一个从头开始构建的小型视觉语言模型。supra-title-FFT-preview 模型是 0.4B 参数基础模型的全量微调版本，旨在作为最终发布前的预览。拥有约 900,000 个参数的 SupraVL-Nano-900k，旨在成为理解视觉语言…
-
SupraLabs 发布具有扩展上下文的 Supra-1.5 和专门的 Supra-Title 模型
SupraLabs 发布了两款新的实验性模型：Supra-1.5-exp 系列，包括一个基础模型和一个指令微调版本，其上下文窗口（5120 个 token）扩大了 5 倍，并增加了训练数据；以及 Supra-Title-0.3B，一个专门的 3.5 亿参数模型，用于快速生成聊天对话的标题。Supra-1.5 模型是 Project Chimera 的一部分，并使用 ChatML 格式，而 Supra-Title 则针对效率进行了优化，…
-
SupraLabs 发布 Supra-50M-Reasoning 模型
SupraLabs 发布了 Supra-50M-Reasoning，这是一个实验性的开源模型，旨在提供答案前生成思考链。该模型是 Supra-50M-Instruct 的微调版本，在 Qwen3 1.7B 生成的 500 个样本的自定义数据集上进行了训练。此次发布是 Chimera 项目的一部分，未来还计划推出 Supra-124M 和 Supra-350M 等模型。
-
SupraLabs 的 50M 参数模型登顶 Hugging Face 热门榜
SupraLabs 发布了一个拥有 5000 万参数的模型 Supra-50M-Instruct，该模型意外地登上了 Hugging Face 的热门榜榜首。这个小型模型引起了广泛关注，在其类别中，其受欢迎程度超过了来自 Google 和 Alibaba 等科技巨头的更大模型。这一成功凸显了社区对高效、可访问且能在性能较低的硬件上运行的 AI 模型有着浓厚的兴趣。