李开复发布90亿参数Yi模型，并开源代码，为普通用户提供强大的数学能力
李开复旗下AI公司零一万物，又一位大模型选手登场：90亿参数Yi-9B。它号称Yi系列中的“理科状元”，“恶补”了代码数学，同时综合能力也没落下。在一系列类似规模的开源模型（包括Mistral-7B、SOLAR-10.7B、Gemma-7B、DeepSeek-Coder-7B-Base-v1.5等）中，表现最佳。老规矩，发布即开源，尤其对开发者友好：Yi-9B（BF16）和其量化版Yi-9B（Int8）都能在消费级显卡上部署。一块RTX4090、一块RTX3090就可以。深度扩增+多阶段增量训练而成零一万
李开复旗下AI公司零一万物，又一位大模型选手登场：
90亿参数Yi-9B。
它号称Yi系列中的“理科状元”，“恶补”了代码数学，同时综合能力也没落下。
在一系列类似规模的开源模型（包括Mistral-7B、SOLAR-10.7B、Gemma-7B、DeepSeek-Coder-7B-Base-v1.5等）中，表现最佳。
老规矩，发布即开源，尤其对开发者友好：
Yi-9B（BF 16） 和其量化版 Yi-9B（Int8）都能在消费级显卡上部署。
一块RTX 4090、一块RTX 3090就可以。
深度扩增+多阶段增量训练而成
零一万物的Yi家族此前已经发布了Yi-6B和Yi-34B系列。
这两者都是在3.1T token中英文数据上进行的预训练，Yi-9B则在此基础上，增加了0.8T token继续训练而成。
数据的截止日期是2023年6月。
开头提到，Yi-9B最大的进步在于数学和代码，那么这俩能力究竟如何提升呢？
零一万物介绍：
单靠增加数据量并没法达到预期。
靠的是先增加模型大小，在Yi-6B的基础上增至9B，再进行多阶段数据增量训练。
首先，怎么个模型大小增加法？
一个前提是，团队通过分析发现：
Yi-6B训练得已经很充分，再怎么新增更多token练效果可能也不会往上了，所以考虑扩增它的大小。(下图单位不是TB而是B)
怎么增？答案是深度扩增。
零一万物介绍：
对原模型进行宽度扩增会带来更多的性能损失，通过选择合适的layer对模型进行深度扩增后，新增layer的input/output cosine 越接近1.0，即扩增后的模型性能越能保持原有模型的性能，模型性能损失微弱。
依照此思路，零一万物选择复制Yi-6B相对靠后的16层（12-28 层)，组成了48层的Yi-9B。
实验显示，这种方法比用Solar-10.7B模型复制中间的16层（8-24层）性能更优。
其次，怎么个多阶段训练法？
答案是先增加0.4T包含文本和代码的数据，但数据配比与Yi-6B一样。
然后增加另外的0.4T数据，同样包括文本和代码，但重点增加代码和数学数据的比例。
（悟了，就和我们在大模型提问里的诀窍“think step by step”思路一样）
这两步操作完成后，还没完，团队还参考两篇论文（An Empirical Model of Large-Batch Training和Don’t Decay the Learning Rate, Increase the Batch Size）的思路，优化了调参方法。
即从固定的学习率开始，每当模型loss停止下降时就增加batch size，使其下降不中断，让模型学习得更加充分。
最终，Yi-9B实际共包含88亿参数，达成4k上下文长度。
Yi系列中代码和数学能力最强
实测中，零一万物使用greedy decoding的生成方式（即每次选择概率值最大的单词）来进行测试。
参评模型为DeepSeek-Coder、DeepSeek-Math、Mistral-7B、SOLAR-10.7B和Gemma-7B：
（1）DeepSeek-Coder，来自国内的深度求索公司，其33B的指令调优版本人类评估超越GPT-3.5-turbo，7B版本性能则能达到CodeLlama-34B的性能。
DeepSeek-Math则靠7B参数干翻GPT-4，震撼整个开源社区。
（2）SOLAR-10.7B来自韩国的Upstage AI，2023年12月诞生，性能超越Mixtral-8x7B-Instruct。
（3）Mistral-7B则是首个开源MoE大模型，达到甚至超越了Llama 2 70B和GPT-3.5的水平。
（4）Gemma-7B来自谷歌，零一万物指出：
其有效参数量其实和Yi-9B一个等级。
（两者命名准则不一样，前者只用了Non-Embedding参数，后者用的是全部参数量并向上取整）
结果如下。
首先在代码任务上，Yi-9B性能仅次于DeepSeek-Coder-7B，其余四位全部被KO。
在数学能力上，Yi-9B性能仅次于DeepSeek-Math-7B，超越其余四位。
综合能力也不赖。
其性能在尺寸相近的开源模型中最好，超越了其余全部五位选手。
最后，还测了常识和推理能力：
结果是Yi-9B与Mistral-7B、SOLAR-10.7B和Gemma-7B不相上下。
以及语言能力，不仅英文不错，中文也是广受好评：
最最后，看完这些，有网友表示：已经迫不及待想试试了。
还有人则替DeepSeek捏了一把汗：
赶紧加强你们的“比赛”吧。全面主导地位已经没有了==
传送门在此：https://huggingface.co/01-ai/Yi-9B
在开始之前，先确认硬件已经就位：关机，把新硬盘装上，再重新开机。开机后第一件事，就是检查系统是否识别到了新设备。用 dmesg | grep ad2 看一眼，如果输出类似 ad2: 9765MB [19841/16/63] at ata1-master UDMA33 这样的信息，说明新硬盘已经被成功
7月25日消息 天文学界最近有一项挺有意思的发现。根据中国科学院发布的信息，由南京天文光学技术研究所研究员王靓团队，联合国家天文台研究员罗阿理等人，利用LAMOST望远镜第十次公开的海量光谱数据，再结合多种测光数据，成功揪出了两颗全新的共生星，同时还锁定了12颗“仅吸积共生星”的候选体。这成果可不只
5月30日，华为推出了全新的AI模型——盘古UltraMoE，该模型的参数量达到了7180亿。作为一款接近万亿参数的MoE(MixtureofExperts)模型，它在整个训练过程中完全基于华为的昇腾AI平台完成，标志着华为在超大规模模型训练方面取得了重要进展。盘古UltraMoE的成功训练离不开盘古团队研发的一系列创新技术。例如，Depth-ScaledSandwich-Norm(DSSN)稳定架构的引入，显著改善了超大规模模型训练期间出现的梯度异常及
AI视频生成正迎来属于“通义”的高光时刻！就在昨晚，阿里巴巴悄然推出了一款由音频驱动的14B视频大模型——Wan2.2-S2V。只需上传一张静态图片和一段音频，就能生成出面部表情生动、口型精准匹配、肢体动作流畅自然的电影级数字人视频，效果惊艳。实际效果展示如下：△来自@AIMIRAI46487更令人振奋的是，这款新模型一经发布便全面开源，现在所有人都可以免费在通义万相官网体验使用。据官方介绍，Wan2.2-S2V的核心优势包括：支持最长分钟级的单次视频生成，画面稳定且具有一致性；具备影院级别的音
近日，有汽车领域博主爆料，特斯拉的FSD（完全自动驾驶）辅助系统将迎来一次重要升级，或将实现更真实的环境场景还原。在最新曝光的软件代码中，发现了大量新增的渲染模型，涵盖多种车辆与行人类型。这些新增模型包括救护车、消防车、垃圾清运车、校车、半挂式卡车、高尔夫球车、骑电动滑板车的行人、使用轮椅的行人、玩滑板的行人、推婴儿车的行人，以及道路清扫车、三轮车、拖车、火车和有轨电车等。这一系列高精度建模意味着FSD系统将能更准确识别并响应复杂交通参与者的行为。据CNMO掌握的消息，日本方面已为特斯拉FSD系统的落地扫
在千兆宽带、5G通信与云服务深度普及的2026年，大众普遍以为超大文件传输已步入“秒级时代”，但现实远未达到这般畅快。当面对数TB乃至数十TB级别的庞大数据集时，当下最可靠、最迅捷且兼顾安全性的传输方案，依然是“物理位移”——依靠人工携带存储介质完成跨地域交付。一位来自河南信阳的用户讲述了真实经历：他曾需将4TB资料从信阳送往郑州，首次尝试纯网络传输，系统预估总耗时近72小时；最终改用专人驱车运送，单程仅需约2.5小时，当天即完成取件与送达，整体效率显著超越线上方式。该实例迅速引发热议，多位资深IT博主随
大语言模型面对加密数据，即便最新的Qwen3也会感到压力！尽管当下各类推理模型在多种基准测试中表现优异，但在密码学这样对逻辑严谨性和细节准确性要求极高的专业领域，模型的推理能力还有待深入挖掘。密码学不仅要求模型具备高级数学运算能力和严密的逻辑推理链，还需要其能够精准辨识复杂加密模式中的潜在规律；成功解密要求模型拥有极强的综合推理能力。上海AILab等联合推出的CipherBank测评，使用大量真实隐私场景数据和多种密码算法，严苛挑战当前最先进的大模型。CipherBank的测评结果显示，目前的大语言模型
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
