#AI 模型
LTX Studio 推出开源视频生成模型 LTXV 13B，比同类模型快30倍
LTX Studio 开源视频生成模型 LTXV 13B，生成速度达同类模型30倍，支持多关键帧控制、多尺度渲染与实时超分，低清转4K仅需数秒；无需高端显卡，普通电脑即可流畅运行，并兼容LoRA微调。
阿里通义千问3（Qwen3）：全球开源大模型的新王者
阿里发布通义千问3（Qwen3）全系列开源大模型，含235B MoE旗舰与0.6B–32B稠密模型，支持混合推理、119种语言及128K上下文。235B模型仅需4张H20即可部署，AIME25、LiveCodeBench等基准全面领先国际开源模型，Apache 2.0协议免费商用。
AI 和科学发现的未来，DeepMind 创始人哈萨比斯访谈
哈萨比斯在剑桥访谈中指出，AI正重塑科学发现范式：AlphaFold已成百万科研人员标配工具；跨学科融合、直觉与实证结合、类“现代贝尔实验室”的灵活组织，是突破关键；技术发展需同步推进伦理规范与全球协作。
FramePack：实现单图一次性生成 60 秒视频
FramePack 是斯坦福大学提出的新型视频生成方法，通过动态帧重要性分配与定制化 patchifying kernel，将计算复杂度降至常数级，显著缓解长视频生成中的质量衰减与“漂移”问题；仅需6GB显存即可在笔记本上一次性生成30fps、最长60秒的高质量视频。
微软推出 BitNet 推理框架，实现 1-bit 大模型本地部署
微软开源 BitNet 推理框架，支持 1-bit/1.58-bit 极致量化，可在单 CPU 上本地运行 100B 级大模型，x86/ARM 平台加速 1.37–6.17 倍，能耗降超 70%，兼容 Llama3、Falcon3 等主流模型，显著降低大模型部署门槛。
AI 赋能数值模拟技术，让计算从月缩短到小时
ANSYS联合英伟达与德克萨斯大学，用320个Grace Hopper 200处理器将汽车数值模拟从一个月压缩至6小时，能耗降低约17千瓦时，验证了AI与高性能芯片融合可实现“以效率换节能”的工程仿真新路径。
神经网络中的参数是什么
神经网络中的参数即权重与偏置：权重控制神经元间信号强弱，偏置调节激活阈值。它们是模型唯一可学习的部分，初始随机，经训练逐步优化。参数量决定模型容量——越多越能拟合复杂规律，但也更依赖数据与算力。
AI 与能源消耗：一个被误解的话题
AI能耗常被高估，当前计算机设备仅耗电全球约5%，且通过提升各领域能源效率带来净减排效益；其在优化数据中心制冷、推动交通与建筑电气化等方面正发挥关键作用，国际能源署指出其用电增长占比实际很小。
Llama 4 开源大模型家族：开启原生多模态 AI 创新的新时代
Meta开源Llama 4系列，含Scout（1000万Token上下文）、Maverick及训练中的Behemoth，原生支持文本、图像、视频多模态理解；采用MoE架构提升效率，多语言训练规模达Llama 3的10倍，安全与偏见控制显著优化。