Gemma 3n开源！ | 混元-A13B仅需1卡 | SPACE准确率83.7%

本期看点：

🚀 谷歌开源Gemma 3n多模态模型：端侧设备首次实现云端级多模态能力，仅需2GB内存！
💡 腾讯开源轻量级混元-A13B模型：800亿参数，仅需1张中低端GPU卡即可部署！
🧬 中国人民大学团队开发SPACE：基于MoE的DNA基础模型，基因组分析准确率达83.7%！
⚡ ICML 2025彩云科技&北邮提出MUDDFormer：Transformer推理速度提升2.3倍！
🔍 OpenAI发布Deep Research API：自动化网页搜索、数据分析，复杂研究任务一键完成！
🍎 苹果改进GRPO技术：轻量化大模型训练速度提升4.8倍，能耗降低62%！
🧠 清华大学NLP实验室强化学习新研究RLPR：突破通用领域推理瓶颈，GSM8K准确率达91.2%！

谷歌开源Gemma 3n多模态模型：端侧设备迎来云端级多模态能力

图为Gemma 3n多模态模型的标志 | 图源：Chinaz

谷歌近日开源了其多模态大模型Gemma 3n，该模型以极低的内存需求（E2B/E4B版本仅需2GB/3GB内存）在端侧设备上实现了云端级的多模态处理能力，支持图像、音频、视频和文本的联合处理。

技术突破

Gemma 3n通过算法优化和硬件适配，将多模态任务的运行效率提升至云端水平。例如，在机器人应用中，Gemma 3n可实时完成视频分析和语音识别任务，而无需依赖云端计算。

应用场景

该模型已成功应用于自主机器人任务，如衣物折叠和零件组装。开发者可通过官方SDK快速适配新任务，仅需50至100次演示即可完成训练。

腾讯开源轻量级混元-A13B模型：800亿参数，仅需1张中低端GPU卡部署

图为腾讯全球数字生态峰会上展示的混元-A13B模型 | 图源：Leiphone

腾讯开源了混元-A13B模型，采用MoE架构，总参数量800亿，激活参数130亿，极端条件下仅需1张中低端GPU卡即可完成推理任务，推理延迟降低至传统模型的1/5。

技术亮点

MoE架构的动态路由技术显著减少了计算资源消耗，为中小企业和个人开发者提供了低成本、高性能的AI工具。

开源生态

开发者可通过腾讯云平台获取模型代码及预训练权重，快速集成到自身业务中，加速AI在医疗、金融等领域的落地。

中国人民大学团队开发SPACE：基于MoE的DNA基础模型新范式

图为DNA序列分析示意图 | 图源：Nature

中国人民大学研究团队提出SPACE框架，采用MoE架构处理DNA序列数据，在基因组分析任务中实现了83.7%的准确率。

技术突破

MoE的动态路由机制提升了模型对复杂基因组数据的解析能力，为精准医疗和药物开发提供了新工具。

未来展望

团队将进一步优化SPACE，支持更广泛的生物医学应用。

ICML 2025：彩云科技与北邮联合发布MUDDFormer，Transformer推理速度提升2.3倍

图为ICML 2025会议标志 | 图源：ICML

彩云科技与北京邮电大学联合发布MUDDFormer，通过改进残差连接机制，显存占用降低37%，推理速度提升2.3倍。

技术突破

MUDDFormer在长序列任务中表现突出，如基因组分析和金融时间序列预测。

OpenAI发布Deep Research API新模型：自动化研究任务迎来革命性突破

OpenAI推出o3/o4-mini-deep-research模型，支持自动化网页搜索、数据分析和代码执行，为复杂研究任务提供API级解决方案。

性能表现

在复杂推理任务中准确率达85%，超越同类竞品（如DeepSeek R1的78%）。

苹果改进GRPO技术：轻量化大模型训练速度提升4.8倍，能耗降低62%

图为GRPO技术优化示意图 | 图源：Hubwiz

苹果优化GRPO算法，在A16芯片上训练速度提升4.8倍，能耗降低62%，推动轻量化大模型在边缘设备的应用。

清华大学NLP实验室强化学习新研究RLPR：突破通用领域推理瓶颈

图为清华大学NLP实验室的RLPR研究团队 | 图源：TechCrunch

RLPR框架在GSM8K和MATH数据集上分别取得91.2%和89.7%的SOTA成绩，为智能客服和教育辅助等领域提供新可能。

这里是程序员Left，后端工程师，专注分析AI前沿技术和产业动态。全网同名，持续为开发者提供深度行业洞察！

本期讨论： 你认为多模态模型在端侧设备的普及将如何改变未来的AI应用场景？欢迎分享你的思考！