上週全球AI大模型調用量達129萬億Token，中國佔比過半且連續21周超美國；美國調用量環比降34.7%。全球前五中4款來自中國，DeepSeek V4.1-Flash以15.8萬億Token居首，環比增219%，主打編程、智能體和多模態能力。
知名人工智能企業Anthropic因Claude Max訂閱套餐遭用戶集體訴訟，被指對最高檔套餐的使用限制進行誤導性宣傳，爭議核心是限制條件表述模糊。該套餐分每月100美元和200美元兩檔，約合人民幣672.8元和1346元。用戶認爲實際權益與官方宣傳不符，要求公司澄清並承擔責任。
Anthropic的AI模型Claude在黎曼猜想證明上取得重大突破，確認67.25%的zeta零點位於臨界線且爲單零點，打破37年僅推進0.8%的停滯，將攻克這一數學聖盃的剩餘距離縮至32.75%。
OpenAI二季度營收67億美元，環比增18%，但營業虧損率擴大，IPO前盈利更遠。對手Anthropic同期營收翻倍至116億美元，首次反超並小幅盈利。OpenAI被迫重組領導層，年初以來AI競爭格局劇烈改寫，ChatGPT增長承壓。
一個旨在推動人工智能民主化的開源項目。
一款具有671B參數的Mixture-of-Experts語言模型。
用於 Node.js 應用的開源 AI，速度提升最多 67 倍。
richardyoung
這是一個高性能的4位量化版本的Kimi K2 Instruct模型，專為使用MLX框架在Apple Silicon（M1/M2/M3/M4）Mac上運行而優化。該模型擁有6710億參數，支持128K上下文窗口，在質量和效率之間實現了出色的平衡，是大多數實際部署的理想選擇。
deepcogito
Cogito v2.1是經過指令微調的6710億參數混合專家生成式模型，採用開放許可發佈，支持商業用途。該模型能有效解決複雜的推理和指令遵循問題，支持30多種語言和128k上下文長度。
Ken-Z
本模型是基於OpenAI Whisper-small在拉丁語上微調的自動語音識別模型，使用67小時拉丁語音頻數據訓練，字符錯誤率（CER）為20，支持拉丁語語音轉文本任務。
本模型是microsoft/speech-t5的微調版本，專門針對拉丁語進行了優化訓練。它使用了來自Vox Classica數據集的67小時拉丁語音頻數據進行訓練，能夠實現高質量的拉丁語文本轉語音功能。
adamo1139
DeepSeek-R1-0528 671B模型的4位AWQ量化版本，適合在高端GPU節點上使用
hoskinson-center
ProofGPT-v0.1 是一個基於 GPT-NeoX 架構、擁有 67 億參數的語言模型，訓練數據來源於 proof-pile 數據集。
TroyDoesAI
67億參數的AI模型，專注於代碼理解與敘事可視化，擅長生成Mermaid JS語法的知識圖譜和流程圖
BUT-FIT
基於英語MPT7b模型持續預訓練的大型捷克語模型，訓練語料達2720億token，使用捷克語分詞器在約670億token的捷克大型語料集上預訓練
Joy28
基於MCG-NJU/videomae-base模型在未知數據集上微調的視頻理解模型，準確率達67.13%
llama-moe
LLaMA-MoE-v1-3.5B (4/16) 是基於 LLaMA-2 架構的混合專家（MoE）模型，從16個專家網絡中激活4個，總參數量為67億，激活參數量為35億。該模型通過持續預訓練得到，未經過指令微調，不適合作為聊天機器人使用。
TheBloke
Openbuddy Deepseek 67B V15 Base的GGUF量化版本，支持多語言文本生成任務，提供多種量化級別以適應不同硬件需求。
DeepSeek LLM 67B Chat AWQ是基於DeepSeek 670億參數大語言模型的4位量化版本，採用AWQ（Activation-aware Weight Quantization）技術進行優化，在保持高質量的同時顯著提升推理速度，支持中英文對話任務。
KnutJaegersberg
基於Galactica架構的67億參數大語言模型，專注於文章寫作任務，在開放大語言模型排行榜中平均得分37.75。
Phind
Phind-CodeLlama-34B-v1是基於CodeLlama-34B微調的高性能代碼生成模型，在HumanEval數據集上達到67.6%的pass@1分數，超越了GPT-4的表現。該模型經過嚴格的數據去汙染處理，訓練高效且結果可靠。
PULI GPT-3SX 是一個擁有67億參數的匈牙利語GPT-NeoX模型，由NYTK訓練，支持匈牙利語文本生成任務。
UBC-NLP
JASMINE是一個面向小樣本學習的阿拉伯語GPT模型系列，參數量從3億至67億不等，預訓練數據規模達235GB文本。
tmoodley
這是一個用於識別稀有酒瓶品牌的圖像分類模型，準確率為67.7%。
KoboldAI
這是Artetxe等人論文《Efficient Large Scale Language Modeling with Mixtures of Experts》中原生密集67億參數模型的Hugging Face transformers適配版本。
%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)
VIP會員
