Mistral Small 3.1 开源发布：128K 上下文、多模态、轻量级

、Java、C、C++、JavaScript 和 Bash。 Mistral Large 2 拥有 128k 的上下文窗口，支持包括中文在内的数十种语言以及 80 多种编码语言。该模型在 MMLU 上的准确度达到了 84.0%，并在代码生成、推理和多语言支持方面有非常明显的改进。 M

督微调、拒绝采样和直接偏好优化模型。 最后模型支持上下文扩展到 128K 个，同时也针对性优化了模型的多种能力，例如摘要、重写、指令遵循、语言推理和工具使用。

lama 3.1 系列在推理能力和多语言支持方面进行了改善，其上下文长度被提升至 128K，而模型参数也被提高到了 4050 亿规模，是近年来规模最大的大语言模型之一。该模型在通用常识、可引导性、数学、工具使用和多语言翻译等广

Transformer 的模型不同，基于 Mamba 的模型推理时间更快，上下文时间更长。 包括 AI21 在内的其他公司和开发者已经发布了基于 Mamba 的新人工智能模型。 现在，Mistral 的 Codestral Mamba 7B 采用了这种新架构，即使输入文本较

法国人工智能初创公司 Mistral AI 宣布推出其首款大语言模型 Mistral 7B 是一个，号称是迄今为止同规模产品中最强大的语言模型；在 Apache-2.0 许可下开源，可完全免费使用，不受任何限制。 Mistral AI 是一个成立仅六个月的初创

gCite-glm4-9b 和 LongCite-llama3.1-8b 这两个模型，支持最大 128K 上下文。 但它更擅长生成准确的回答和精确的句子级别的内容引用，如果说其他的知识库可能会经常出现幻觉甚至胡说八道的情况，那么 LongCite 相比精确度要高很多。

本中删除，因为 Google 将在 6 个月后停止使用该机型。 Mistral AI 可重试的流式和非流式聊天客户端 函数调用 Mistral 应用程序的 Native compilation 函数调用改进 对函数调用进行了多项改进，并创建了一个示例程序。 Open

合 RWKV 机制，ChemRB 将 RNN 的线性计算效率与 Transformer 的上下文感知相结合，有效捕获 SMILES 序列中的长程依赖性。该模型引入两个预训练任务 ------ 环级特征预测和全局跨度闭合预测，以提升分子有效性，尤其针对复杂环系统。

OpenAI 刚刚宣布正式推出 GPT-4。GPT-4 是 Generative Pre-trained Transformer 4 的缩写，即生成型预训练变换模型 4。 公告写道，GPT-4 是一个多模态大型语言模型（支持接受图像和文本输入，以文本形式输出），也是 OpenAI 努力扩展深度学

像和文本序列的大规模多模态数据集。 视觉语言任务的上下文学习评估基准。 ​​ OpenFlamingo-9B 模型（基于 LLaMA ）的第一个版本 OpenFlamingo-9B 模型在 LAION-AI 自研的多模态 C4 数据集上训练，LAION-AI 称即将发布该数据集的细

了升级，数学能力提升了 36%，专业知识能力提升了 35%，上下文窗口 token 数由128k 增加到了256K。对于大型语言模型，上下文窗口的大小是一个重要的参数，它决定了模型能够处理的长序列的能力。上下文窗口越大，模型

 Anthropic 的 Claude 3.5 Sonnet。该闭源模型在短、中、长上下文场景中的表现均优于竞争模型。Anthropic 的 Claude 3.5 Sonnet 和 Claude 3 Opus 在各个类别中的得分始终接近满分，击败了去年的冠军 GPT-4o 和 GPT-3.5。在短语境中得分为 0.97（

rence，你可以轻松地 一键部署你自己的模型或内置的前沿开源模型 - https://github.com/xorbitsai/inference。无论你是研究者，开发者，或是数据科学家，都可以通过 Xorbits Inference 与最前沿的 AI 模型，发掘更多可能。   Xinference 的功

rence，你可以轻松地 一键部署你自己的模型或内置的前沿开源模型 - https://github.com/xorbitsai/inference。无论你是研究者，开发者，或是数据科学家，都可以通过 Xorbits Inference 与最前沿的 AI 模型，发掘更多可能。   Xinference 的功