Am 13. November 2025 ging OpenAI offiziell mit der GPT-5.1-API in Betrieb, die umfassende Leistungsverbesserungen aufweist, darunter schnellere Reaktionszeiten, größere Flexibilität bei der Steuerung und optimierte Codegenerierungsfunktionen. Baidu veröffentlichte das Modell ERNIE 5, das GPT-5 in den Bereichen Diagrammverständnis, Dokumentenparsing und multimodale Verarbeitung usw. übertrifft. BentoML unterstützt die Open-Source-Modelle Ling-1T und Ring-1T mit Billionen von Parametern, die Integration von PyTorch und LAMMPS beschleunigt die materialwissenschaftliche Simulation und das Modell IBM Granite Nano ermöglicht den Offline-KI-Betrieb von Mobiltelefonen.
- Diese Zusammenfassung wurde von einer künstlichen Intelligenz erstellt, die den Inhalt des Artikels nur zu Informationszwecken analysiert.
Zu den wichtigsten Aktualisierungen gehören:
- Adaptives Denken, Anpassung der Denktiefe an die Komplexität der Aufgabe
- "Kein Schlussfolgerungsmodus" für sofortige Antworten
- Geringere Anzahl von Token für vereinfachte Aufgaben erforderlich
- Tieferes Denken bei komplexen Mandaten
- 24-Stunden-Sofort-Caching für verbesserte Reaktionsfähigkeit
- Weitere Verbesserung der Codequalität
- Benutzergesteuerte Aktualisierungsmeldungen (Präambeln) in Werkzeugaufrufsequenzen verbessert
---
OpenAI angekündigt
GPT-5.1 ist jetzt offiziell in der API verfügbar.
Diese neue Version des Modells bietet nicht nur erhebliche Geschwindigkeitsverbesserungen, sondern auch eine bessere Kontrollierbarkeit und eine bessere Leistung bei der Codegenerierung. Darüber hinaus.
GPT-5.1 enthält außerdem eine Reihe nützlicher neuer Tools, die Entwicklern eine umfassendere Unterstützung bieten.
Zu den wichtigsten Verbesserungen gehören:
- Schnellere Reaktionszeiten und kürzere Wartezeiten
- Flexiblere Steuerungsoptionen für die einfache Anpassung von Ausgaben
- Stärkere Codegenerierungsfunktionen zur Verbesserung der Programmiereffizienz
- Neue Dienstprogramme zur Erweiterung der Anwendungsszenarien
Für Entwickler, die Anwendungen oder Agenten entwickeln, die intelligent, schnell und kostengünstig sein müssen
GPT-5.1 ist sicherlich ein sinnvolles Upgrade.
Ob es um die Entwicklung komplexer Softwaresysteme oder um effiziente Automatisierungslösungen geht, die
Der GPT-5.1 kann für Ihr Projekt erhebliche Verbesserungen bringen.
---
Kürzlich kündigte Baidu Inc. die Einführung seines neuesten Modells zur Verarbeitung natürlicher Sprache anERNIE 5übertrifft das Modell das weit verbreitete GPT-5 in mehreren wichtigen Leistungskennzahlen.
Die Testergebnisse zeigen, dass ERNIE 5 beim Verstehen von Diagrammen, beim Parsen von Dokumenten und bei der Verarbeitung multimodaler Informationen gut abschneidet, insbesondere bei der Verarbeitung komplexer Dokumente und multimodaler Daten, und dabei deutliche Vorteile aufweist.
Laut Baidu nutzt ERNIE 5 fortschrittliche Pre-Trainingstechniken und große Datensätze, um Textinhalte besser zu verstehen und in hoher Qualität zu generieren. Darüber hinaus verfügt das Modell über starke sprachübergreifende Fähigkeiten, die die Verarbeitung von Aufgaben in mehreren Sprachen unterstützen.
- **Verständnis von Diagrammen**: ERNIE 5 ist in der Lage, die wichtigsten Informationen aus Diagrammen und Schaubildern zu entnehmen und sie effektiv zu analysieren.
- **Dokumentenverständnis**: ERNIE 5 schneidet besonders gut ab, wenn es um lange Dokumente und komplexe Formate geht.
- **Multimodale Informationsverarbeitung**: Durch die Kombination von Bild-, Audio- und anderen multimodalen Daten ist ERNIE 5 in der Lage, ein umfassenderes Verständnis von Informationen zu vermitteln.
Mit der Veröffentlichung von ERNIE 5 baut Baidu seine führende Position im Bereich der künstlichen Intelligenz weiter aus und bietet stärkere technische Unterstützung für verschiedene Branchen.
---
GPT-5.1 ist jetzt vollständig in der API verfügbar, die Preise sind an GPT-5 angepasst.
Mit dem Update werden außerdem eingeführt
Die Versionen gpt-5.1-codex und gpt-5.1-codex-mini sind für die Bewältigung langwieriger Programmieraufgaben konzipiert. Diese neuen Modelle verbessern die Produktivität der Entwickler, indem sie eine effizientere Generierung von komplexem Code durch Deep-Learning-Techniken ermöglichen.
Wichtige Aktualisierungen:
gpt-5.1-codex: für große Code-Projekte, mit leistungsfähigeren Code-Generierungsfunktionen.
gpt-5.1-codex-mini: Leichtgewichtige Version zum Schreiben von Code in kleinerem Umfang.
Außerdem haben wir den Mechanismus für die Zwischenspeicherung von Hinweisen verbessert, und die Gültigkeit des Caches wurde auf 24 Stunden verlängert, um die Benutzerfreundlichkeit weiter zu erhöhen. Detaillierte technische Überprüfungen und Nutzungsrichtlinien wurden in unseren Blogbeiträgen veröffentlicht.
---
Magentic Marketplace ist eine Open-Source-Simulationsumgebung, die für die Untersuchung der Interaktionen und Transaktionen von KI-Agenten auf digitalen Märkten entwickelt wurde. Der modulare Aufbau ermöglicht es Forschern, mit verschiedenen Marktsituationen, Agentenverhalten und Systemdynamik in großem Maßstab zu experimentieren.
Die Plattform bietet eine Fülle von Werkzeugen und Ressourcen, mit denen Forscher verschiedene Marktmodelle erstellen und testen können. Durch den Einsatz magnetischer Märkte können Forscher Einblicke in die Verhaltensmuster von KI-Agenten unter verschiedenen Bedingungen gewinnen und so die Marktmechanismen optimieren und die Handelseffizienz verbessern.
Magnetic Markets unterstützt nicht nur grundlegende Marktsimulationen, sondern ermöglicht den Nutzern auch die Anpassung komplexer Wirtschaftsmodelle, einschließlich Auktionen, Ausschreibungen und anderer Handelsmechanismen. Darüber hinaus sind fortschrittliche Datenanalyse- und Visualisierungswerkzeuge integriert, die Forschern helfen, experimentelle Ergebnisse besser zu verstehen und zu interpretieren.
Anwendungsszenario::
- Forschung zu Marktverhalten und -dynamik
- Erprobung neuer Handelsmechanismen und Algorithmen
- Optimierung des Betriebs von E-Commerce und Online-Marktplätzen
- Aus- und Weiterbildung für den Unterricht in Marktwirtschaft und künstlicher Intelligenz
Microsoft Research hat den Magnetic Marketplace auf Azure AI Foundry Labs implementiert und lädt Forscher und Entwickler ein, ihn weiter zu erforschen und zu nutzen.
Weitere Informationen finden Sie unter:
https://t.co/gwCfDS8rkP
---
LlamaParse hat kürzlich ein wichtiges Upgrade eingeführt, eine neue experimentelle "Proxy Chart Parsing"-Funktion, die die Genauigkeit und Effizienz der OCR von Diagrammen erheblich verbessern soll. Diese innovative Technologie löst das Problem, mit dem die meisten großen Sprachmodelle bei der Umwandlung von Diagrammen in präzise numerische Daten konfrontiert sind, indem die Konturen in einem Liniendiagramm nachgezeichnet und die Werte extrahiert werden.
Während herkömmliche OCR-Methoden für Diagramme oft einen hohen manuellen Korrekturaufwand erfordern, können die neuen Funktionen von LlamaParse diesen Aufwand drastisch reduzieren und eine Automatisierung der Diagrammanalyse ermöglichen. Egal, ob Sie Finanzanalyst, Forscher oder Entscheidungsträger sind, Sie können dieses Tool nutzen, um schnell wichtige Informationen aus Diagrammen zu extrahieren und zu analysieren und Ihre Produktivität zu steigern.
Nutzer können diese neue Funktion jetzt auf der LlamaParse-Plattform erleben. Laden Sie einfach ein Diagramm hoch, und das System wird es automatisch analysieren und eine genaue Datenausgabe liefern.
---
BentoML unterstützt nun vollständig die neuesten Billionen-Parameter-Open-Source-Modelle Ling-1T und Ring-1T von AntLingAGI und läutet damit die Ära der groß angelegten Sprachmodellierung in Open Source und Produktion ein.
**Die Zeit ist reif für Billionen-Parameter-Modelle**, die nicht nur quelloffen, sondern auch effizient und für reale Produktionsumgebungen geeignet sind. Für Benutzer, die Open-Source-Modelle erforschen, sind Ling-1T und Ring-1T eine ausgezeichnete Wahl.
- **Ling-1T (nicht denkend)**:1 Billion Gesamtparameter, etwa 50 Milliarden aktive Parameter (MoE, 1/32 aktiv)Die neueste Version von YaRN unterstützt bis zu 128K Kontexte (YaRN) und bietet hocheffiziente Argumentationsfähigkeiten: hohe Genauigkeit und weniger benötigte Token, wodurch es sich besonders gut für Code, mathematische und logische Argumentationsaufgaben eignet.
- **Ring-1T (Denken) **:1 Billion Gesamtparameter, etwa 50 Milliarden aktive Parameter (RLVR)Das neue System wurde durch Icepop und Trillion Scale ASystem stabilisiert, ist in Benchmarks wie AIME/HMMT, LiveCodeBench, ARC-AGI usw. führend oder wettbewerbsfähig, hat die Silberstufe der Internationalen Mathematik-Olympiade erreicht und unterstützt ebenfalls bis zu 128K Kontexte (YaRN).
Beide Modelle stehen unter der MIT-Lizenz und sind in der offiziellen FP8-Variante erhältlich.
BentoML bietet sofort einsetzbare Unterstützung für den Einsatz und die Skalierung dieser Modelle auf Ihrem GPU-Cluster oder einer beliebigen Cloud-Plattform. So kann beispielsweise eine FP8-Variante auf 8 B200-GPUs auf einem einzigen Knoten ausgeführt werden, um den Kommunikationsaufwand zwischen den Knoten zu reduzieren.
Wenn Sie eine maßgeschneiderte Lösung benötigen, nehmen Sie bitte Kontakt mit uns auf.
---
Durch die Integration von PyTorch-basierten Kraftfeldern für maschinelles Lernen (MLIPs) in das LAMMPS-Paket für molekulare Dynamik (MD) können Wissenschaftler schnelle und skalierbare Simulationen von atomaren Systemen durchführen, die in der Chemie und der materialwissenschaftlichen Forschung wichtig sind.
Mit der ML-IAP-Kokkos-Schnittstelle können Entwickler den Prozess der Verknüpfung von Community-Modellen und MD-Simulationen in großem Maßstab vereinfachen. Diese Technologie verbessert nicht nur die Berechnungseffizienz, sondern eröffnet auch neue Möglichkeiten für die Modellierung komplexer Materialsysteme.
Zu den wichtigsten Stärken gehören:
- **Erhöhte Rechengeschwindigkeit**: Erhebliche Reduzierung der Simulationszeit durch GPU-Beschleunigung.
- **Erhöhte Skalierbarkeit**: Unterstützt massiv parallele Berechnungen für größere, komplexere Systeme.
- **Vereinfachung des Entwicklungsprozesses**: Bereitstellung einer einheitlichen Schnittstelle, um die Entwicklungsschwelle zu senken.
Weitere Details zur Vereinfachung des Modell-Dockings und zur Erweiterung der MD-Simulation finden Sie im NVIDIA Developer Blog:
🔗
https://t.co/Bw7d0QrdFO
#PyTorch #OpenSourceAI #AI #Inferenz #Innovation
---
Neben PyTorch selbst beherbergt die PyTorch Foundation mehrere wichtige Projekte wie vLLM, DeepSpeed und Ray, die zeigen, dass sich PyTorch zu einer grundlegenden Sprache im Bereich der künstlichen Intelligenz entwickelt.
Für Luca Antiga, CTO von Lightning AI, der auch den Vorsitz des neu gegründeten Technical Advisory Committee (TAC) der PyTorch Foundation innehat, ist die PyTorch Conference eine wichtige Gelegenheit, sich mit der Community auszutauschen, die PyTorch vorantreibt. Diese Gemeinschaft umfasst Millionen von Entwicklern, die mit PyTorch Lightning entwickeln.
Das Besondere an der Veranstaltung ist, dass Sie die Möglichkeit haben, Entwickler zu treffen, die erstaunliche Anwendungen auf der Grundlage von PyTorch entwickelt haben. Diese Anwendungen decken ein breites Spektrum an Bereichen ab, von der Verarbeitung natürlicher Sprache bis hin zu Computer Vision, und demonstrieren die Leistungsfähigkeit von PyTorch in realen Anwendungen.
Die Konferenz förderte nicht nur den technischen Austausch, sondern bot der Open-Source-Community auch wertvolle Gelegenheiten zur Interaktion. Durch Veranstaltungen wie diese festigt PyTorch seine zentrale Position im KI-Ökosystem weiter.
---
IBMs Granite Nano-Modell ermöglicht es Nutzern nun, KI vollständig offline auf ihren Mobiltelefonen auszuführen: Die Technologie macht komplexe KI-Aufgaben auf mobilen Geräten möglich, indem sie die Modellgröße und die Berechnungseffizienz optimiert.
Emma, Mitglied des Granite-Teams von IBM, stellte diese innovative Technologie im Detail vor. Mit dem Granite Nano-Modell können Benutzer Aufgaben wie Bilderkennung und Sprachverarbeitung auf ihren Mobiltelefonen durchführen, ohne auf eine Internetverbindung angewiesen zu sein, was die intelligenten Anwendungsmöglichkeiten mobiler Geräte erheblich verbessert.
Die wichtigsten Merkmale sind:
- **Niedriger Stromverbrauch**: Das Modell Granite Nano wurde mit Blick auf die Akkulaufzeit mobiler Geräte entwickelt, um lange Laufzeiten zu gewährleisten.
- **Hohe Leistung**: Trotz der geringen Größe des Modells wird die Leistung nicht beeinträchtigt und komplexe Aufgaben können schnell erledigt werden.
- **Einfache Integration**: Entwickler können diese Modelle problemlos in bestehende Anwendungen integrieren, um das Benutzererlebnis zu verbessern.
Der potenzielle Wert dieser Technologie zeigt sich in einem breiten Spektrum von Anwendungen, vom intelligenten Haus bis zum Gesundheitswesen.
评论功能已关闭。