阿里 ATH-Token Foundry 联合中国人民大学高瓴人工智能学院开源科学基础模型 LOGOS。该模型采用统一科学语法与纯序列建模范式，在六大科学任务上匹配或超越传统专用方法。其中 LOGOS-1B 仅 1B 参数，即展现出极高效率，性能超越参数量达 8×7B 的微软模型。
阿里与人大联合开源多领域科学基础模型LOGOS，通过构架通用“科学语法”，统一蛋白质、小分子、复杂材料等异构数据的表征与生成，打破学科间语言鸿沟，为AI驱动科研提供跨领域基础模型支撑。
通义实验室联合人大高瓴人工智能学院，于2026年开源科学基础模型LOGOS。它首创统一“科学语法”，将蛋白质、分子、材料、化学反应等异构对象编码为离散Token序列，打破传统AI4S“一任务一专家模型”的壁垒，实现跨领域知识迁移与统一建模。
日本数据科学家本田崇人推出开源编程语言“Sui”，旨在解决大语言模型生成代码的准确性问题，宣称可实现100%准确率。其设计理念源于日本美学“粋”，强调精炼与去除冗余，核心原则包括保证零语法错误率，并使用数字作为变量。
Openai
$7.7
Input tokens/M
$30.8
Output tokens/M
200
Context Length
Tencent
$1
$4
32
Deepseek
$16
Google
$8.75
$70
1k
$14
$56
Xai
$21
$105
128
-
$420
Baidu
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
