UkisAI
PulseAugur coverage of UkisAI — every cluster mentioning UkisAI across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
UkisAI 发布 Swift GLM-5.3 和 Ornith 9B 模型，减少 token 使用量
UkisAI 发布了两款新的 Swift 模型：Swift GLM-5.3-Flash 和 Swift Ornith 9B。Swift GLM-5.3-Flash 模型在 MMLU-PRO 基准测试中实现了 61.4% 的思考 token 减少，准确率损失仅为 0.46%。Swift Ornith 9B 模型在不损失准确率的情况下将思考 token 使用量减少了 33.5%，并且显著减少了过度思考循环。这两款模型都有多种量化版本，包括…
-
Swift Qwen 3.8 27B 模型下载量突破 10 万次，提升效率
UkisAI 的 Swift Qwen 3.8 27B 模型已获得超过 10 万次下载，并在 HuggingFace 的热门模型排行榜上名列前茅。此开源版本展示了一种在不牺牲准确性的情况下，通过惩罚低效的思维模式来将 token 使用量减少 58.3% 并将速度提高 1.95 倍的方法。该实验室正准备发布改进的检查点和一个新的“Flash”版本，整合社区关于功能和基准测试的反馈。
-
UkisAI 微调 Qwen3.8-27B 以削减40%的推理Token量
UkisAI 发布了 Swift-Qwen3.8-27B，这是 Qwen3.8-27B 模型的一个微调版本，显著减少了推理任务的Token使用量。该新模型解决了早期Qwen版本中存在的“过度思考”问题，该问题导致Token消耗过多但性能并未成比例提升。独立验证和基准测试表明，Swift-Qwen3.8-27B 在保持可比的输出质量和速度的同时，推理Token量减少了约40%。
-
UkisAI 优化 Qwen 3.8 27B 以提升速度和效率 · 跟踪到1个来源
UkisAI 开发了一个 Qwen 3.8 27B 模型的后训练版本，名为 Swift-Qwen3.8-27B，它显著减少了 58.3% 的“思考”token，并将速度提高了 1.95 倍，同时将精度损失控制在 1% 以内。此优化针对并惩罚与过度思考相关的 token，而不影响推理长度或质量。该模型可在 Hugging Face 上获取，并提供各种社区量化版本，UkisAI 还提供由 Nvidia GPU 驱动的研究用途 API。