AI领域持续快速发展,特别是自DeepSeek及其追随者推出以来。许多人得出结论,企业并不真正需要OpenAI、Meta和谷歌推广的大型昂贵AI模型,而是专注于更小的模型,如拥有24亿参数的DeepSeek V2-Lite,或拥有170亿参数的Llama 4 Scout和Maverick,这些模型能够以更低的成本提供不错的准确性。然而,对于程序员来说情况并非如此,或者更准确地说,对于那些能够并将会取代许多程序员的模型来说并非如此。"越小越好"的理念也不适用于推理或智能体AI——下一个重大发展方向。
AI代码生成器需要能够处理更大上下文窗口的大型模型,能够容纳大约10万行代码。支持智能体和推理AI的专家混合(MOE)模型也很庞大。但这些大型模型通常相当昂贵,在现代GPU上每百万输出Token的成本约为10到15美元。这为新型AI架构侵蚀GPU领域提供了机会。
Cerebras Systems推出搭载Qwen3-235B的大型AI
Cerebras Systems(寒武纪AI研究的客户)宣布支持大型Qwen3-235B,支持131K上下文长度(约200-300页文本),是之前可用长度的四倍。在巴黎的RAISE峰会上,Cerebras推广了阿里巴巴的Qwen3-235B,该模型使用高效的专家混合架构来提供出色的计算效率。但真正的新闻是,Cerebras能够以每百万输入Token和每百万输出Token仅0.60美元的价格运行该模型——不到同类闭源模型成本的十分之一。虽然许多人认为Cerebras晶圆级引擎价格昂贵,但这一数据颠覆了这种看法。
我经常被问到的一个问题是,如果Cerebras如此快速,为什么他们没有更多客户?一个原因是他们之前不支持大上下文窗口和更大的模型。例如,那些寻求开发代码的人不想将问题分解成更小的片段来适应32KB的上下文。现在,这个销售障碍已经消失。
"我们看到开发者对具有长上下文的前沿模型有巨大需求,特别是用于代码生成,"Cerebras Systems首席执行官兼创始人Andrew Feldman说。"Cerebras上的Qwen3-235B是我们第一个能与Claude 4和DeepSeek R1等前沿模型相提并论的模型。凭借完整的131K上下文,开发者现在可以在生产级编码应用中使用Cerebras,并在不到一秒钟内获得答案,而不是在GPU上等待数分钟。"
Cerebras将其上下文长度支持从32K增加到131K Token——这是Qwen3-235B支持的最大值,增长了四倍。这种扩展直接影响了模型在大型代码库和复杂文档上的推理能力。虽然32K上下文足以应对简单的代码生成用例,但131K上下文使模型能够同时处理数十个文件和数万行代码,支持生产级应用开发。
Qwen3-235B在需要深度逻辑推理、高级数学和代码生成的任务中表现出色,这得益于其在"思考模式"(用于高复杂度任务)和"非思考模式"(用于高效的通用对话)之间切换的能力。131K上下文长度允许模型摄取和推理大型代码库(数万行),支持代码重构、文档编写和错误检测等任务。
Cerebras还宣布进一步扩展其生态系统,获得了DataRobot、Docker、Cline和Notion的支持。
发展方向如何?
大型AI一直在被缩小和优化,在性能、模型大小和价格方面实现了数量级的提升和降低。这一趋势无疑会继续,但会被能力、准确性、智能水平的提升以及跨模态的全新功能不断抵消。因此,如果你想要去年的AI,你的处境很好,因为它会继续变得更便宜。
但如果你想要最新的特性和功能,你将需要最大的模型和最长的输入上下文长度。
这就是AI的阴阳两面。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。