OpenAI 将 o3 定价降低 80%，并推出更强大的 o3-pro。作者在试用 o3-pro 后发现，它比 o3 智能得多，但在评估其能力时，简单的测试无法充分体现其优势。o3-pro 的真正威力在于处理复杂任务，尤其是在提供足够上下文信息的情况下，它能生成更具体的计划和分析。作者认为，当前的模型评估方法已不足以衡量 o3-pro 的能力，未来需要关注模型与人类、外部数据和其它 AI 的整合能力。
阅读更多
本文讲述了作者Ben Hylak 如何从最初讨厌o1到每天使用它解决重要问题的转变历程。他发现o1并非传统的聊天模型，而更像一个“报告生成器”。要有效使用o1，关键在于提供海量上下文信息，明确目标，并理解其擅长和不擅长之处。o1擅长一次性生成完整文件、减少幻觉、解释复杂概念以及进行医疗诊断。但它在模仿特定写作风格、构建完整应用方面表现较弱。作者还分享了提升o1使用效率的技巧，以及针对o1类高延迟AI产品设计的建议。
阅读更多
Latent Space发布了2025年AI工程师必读清单，涵盖大型语言模型、基准测试、提示工程、检索增强生成、智能体、代码生成、视觉、语音、扩散模型和微调等十个领域，共计约50篇论文或博客文章。这份清单旨在帮助AI工程师从零开始学习，并提供实际应用的建议。文章并非简单罗列论文名称，而是对每篇论文的重要性进行了详细的解释，并提供了学习资源和社区支持。
阅读更多
文章分析了H100 GPU市场价格从每小时8美元暴跌至2美元的原因。作者认为，预留算力转售、开源模型微调以及大型模型创建公司减少是导致市场供过于求的主要原因。作者建议，除非有特殊需求，否则不要购买新的H100 GPU，租用是更经济的选择。文章还介绍了开源模型的兴起、GPU市场价格变化的影响以及作者公司Featherless.AI的商业模式。
阅读更多
这篇文章是对 Meta 发布的 Segment Anything 2 模型的深入探讨。SAM2 不仅在图像分割方面超越了前一代 SAM，更以高效的方式解决了视频分割难题，并以 Apache 2/CC by 4.0 协议开源。文章重点介绍了 SAM2 的创新之处，包括以演示为先的开发理念、全新的 SA-V 视频分割数据集、高效的模型架构以及引入的记忆机制以实现视频中目标的持续跟踪。
阅读更多
本文是对Latent Space播客节目“如何训练百万级上下文LLM”的总结，嘉宾是Gradient.ai的联合创始人Mark Huang。文章首先回顾了LLM上下文窗口大小的发展历程，然后介绍了Gradient如何利用RoPE编码、Ring Attention和课程学习将Llama3的上下文窗口扩展到100万甚至400万token。文章还讨论了长上下文模型的训练数据、评估基准以及潜在应用场景，并强调了多模态学习和持续评估对未来LLM发展的重要性。
阅读更多
Latent Space是一个AI开发者社区，为AI开发者提供从模型、数据、部署到社区的端到端工具和资源。
阅读更多