Suchen Sie nach globalen KI-Produktdynamiken

Chinas DeepSeek-Modell erzielte 10,61 % Jahresrendite in HKU-Experiment, übertraf GPT und Nasdaq 100, demonstriert KI-Potenzial im autonomen Aktienhandel.....

KI-Lab Nof1 testet GPT-5 und Gemini2.5Pro mit je 10.000$ im Echtgeld-Handel auf Hyperliquid, um Handelsstrategien und Risikomanagement zu bewerten.....

Ex-Tesla-Manager Karpathy: Bilder könnten effizientere Eingabe für Sprachmodelle sein als Text, laut Diskussion über OCR-Studie.....

DeepSeek-OCR, ein neues OCR-Modell mit visuell-sprachlicher Architektur, komprimiert lange Texte zu wenigen visuellen Tokens für effiziente Dokumentenanalyse. Erreicht 97% Genauigkeit im Fox-Benchmark, bleibt bei 10-facher Kompression stabil und gut bei 20-facher.....

DeepSeek-OCR nutzt visuelle Gedächtniskompression, um lange Texte in Bildern zu verarbeiten. Dies reduziert den Rechenaufwand und erreicht Spitzenleistung bei der Dokumentenanalyse.....

KI-Modelle führen praktische Testkäufe von Kryptowährungen auf der Plattform Hyperliquid durch. Mehrere führende Modelle wie DeepSeek, Grok und Claude erhalten jeweils 10.000 Dollar Startkapital und entscheiden sich eigenständig für Handelsentscheidungen unter einheitlichen Anweisungen. Dieses faire Wettbewerbsformat dient dazu, die Anwendbarkeit von KI in echten Finanzmärkten zu überprüfen.

Im Jahr 2025 verbreiten sich KI-Musikkompositions-Tools und verändern die Branchenstruktur. Im Januar schuf ein Spieler von Genshin Impact mit Suno ein Lied, das 6,4 Millionen Mal abgespielt wurde, was zu Diskussionen über die Fähigkeiten der KI-Kreation führte. Programmierer sind eine aktive Gruppe, im März erstellte Yapie mit verschiedenen Tools innerhalb weniger Stunden einen thematischen Song.

Die Top 10 globalen Ingenieursleistungen 2025 wurden vom 'Engineering'-Journal der Chinesischen Akademie der Ingenieurwissenschaften ausgezeichnet, darunter Projekte wie 'Perseverance'.....

Silicon Flow veröffentlicht experimentelles Modell DeepSeek-V3.2-Exp mit 160K Kontextlänge und über 50% Preisreduktion. Basierend auf V3.1-Terminus optimiert, mit neuer Sparse-Attention für effizienteres Training.....

Reflection AI, gegründet von Ex-Google-Mitarbeitern, sammelte in einem Jahr 20 Mrd. USD ein. Die Bewertung stieg auf 80 Mrd. USD, ein Anstieg um das 15-fache in sieben Monaten. Das Startup positioniert sich als Open-Source-Alternative zu OpenAI und konkurriert mit Chinas DeepSeek.....

Das Magazin „Time“ hat die Liste der besten Erfindungen des Jahres 2025 veröffentlicht, wobei 300 innovative Produkte ausgewählt wurden. Der humanoider Doppelfuß-Roboter R1 von Unitree Technology wurde aufgrund seiner revolutionären Form in die Liste aufgenommen und zeigt mit Produkten von Unternehmen wie Huawei, BYD und Apple bahnbrechende technologische Fortschritte.

Die Start-up-Firma Reflection AI hat im Alter von nur einem Jahr 2 Milliarden US-Dollar finanziert und eine Bewertung von 8 Milliarden US-Dollar erreicht, was eine 15-fache Steigerung gegenüber sieben Monaten zuvor darstellt. Das Unternehmen wurde von ehemaligen Forschern der Google DeepMind gegründet und hat sich vom selbstständigen Code-Agenten auf die Entwicklung offener KI verlagert, mit dem Ziel,封闭实验室 wie OpenAI herauszufordern und ein westliches Pendant zur chinesischen KI-Firma DeepSeek zu werden.

Die Chatbot-Anwendung des chinesischen KI-Laboratoriums DeepSeek stieg diese Woche auf den ersten Platz der Download-Liste in den Apple- und Google-App-Stores, was Aufmerksamkeit von Wall Street und der Technologiebranche auslöst und Zweifel an der nachhaltigen Vormachtstellung der USA im Bereich KI sowie an der Nachfrage nach Chips weckt. Das Unternehmen wird von dem quantitativen Hedgefonds Huanfang Quantitative unterstützt und setzt effiziente Rechentechniken ein, um KI-Modelle zu trainieren. Sein Gründungsdirektor Liang Wenfeng gründete diesen Fonds 2015 und verwendete KI, um Handelsentscheidungen zu unterstützen.

Cambric hat erfolgreich das experimentelle Modell DeepSeek-V3.2-Exp angepasst und die Open-Source-Inferenzinfrastruktur vLLM-MLU veröffentlicht, was den Fortschritt der KI-Technologie fördert. Das Modell bringt innovative Durchbrüche in Bezug auf Funktionalität und Effizienz mit sich und markiert einen wichtigen Schritt im Aufbau der Software-Ökosysteme für große Modelle von Cambric. Es bietet Entwicklern neue Werkzeuge und stärkt das Vertrauen in die Branche.

DeepSeek hat den experimentellen Modell V3.2-exp veröffentlicht und verwendet eine innovative "seltene Aufmerksamkeit"-Mechanik, um die Kosten für langfristige Abfragen in der KI erheblich zu reduzieren. Der Modell ist nun auf Hugging Face und GitHub synchronisiert. Das Kernstück besteht darin, die Verarbeitungseffizienz durch einen "Blitz-Indexer" und die Optimierung der Aufmerksamkeitsmechanik zu verbessern. Diese wegweisende Technologie könnte die Entwicklung der KI im Bereich der Verarbeitung langer Texte vorantreiben.

DeepSeek veröffentlicht heimlich ein neues Modell, vermutlich Version V3.2. Trotz fehlender offizieller Bestätigung tauchte es kurz auf Hugging Face auf, wurde dann aber entfernt. Die V3-Serie beeindruckt durch Leistung und Open-Source-Strategie, ihr mysteriöses Erscheinen und Verschwinden erhöht die Spannung.....

DeepSeek veröffentlicht V3.1-Terminus, was das Ende der V3-Serie andeutet. Die Aktualisierung verbessert die Modellstabilität und behebt Ausgabeprobleme. Der Name markiert eine wichtige Wende.....

DeepSeek veröffentlicht Open-Source-Modell DeepSeek-V3.1-Terminus mit verbesserter Leistung für Programmierung und Suche, behebt Sprachinkonsistenzen und Sonderzeichenprobleme. Benchmark-Tests zeigen exzellente Ergebnisse in Nicht-Agenten-Aufgaben.....

Huawei und die Zhejiang Universität stellten auf der Huawei Connect das DeepSeek-R1-Safe-Modell vor, das erste chinesische Basismodell auf der Ascend-Plattform. Es zielt auf Sicherheit und Leistung in der KI ab und nutzt ein innovatives Sicherheitstraining.....

Kürzlich hat eine neue Fachartikel-Ausgabe von Nature Aufmerksamkeit erregt, wobei das Thema die DeepSeek-R1 war. Die Forschung wurde von Professor Liang Wenfeng geleitet und konzentrierte sich darauf, wie durch verstärkendes Lernen die Reasoning-Fähigkeiten großer Sprachmodelle (LLM) verbessert werden können. Bereits im Januar dieses Jahres wurde die Studie auf arXiv veröffentlicht und erhielt hohe Anerkennung in der akademischen Welt. In der Titelgeschichte betonte Nature, dass wenn große Modelle Schritte zur Lösungsfindung planen, sie oft bessere Ergebnisse erzielen. Dieser