零犀科技通過自研因果大模型,在保險、金融等高門檻銷售領域實現技術到業績的閉環,2025年達成規模化盈利和正現金流。這解決了B端企業此前對大模型落地獲得感低的問題,克服了通用模型在專業銷售場景中的“幻覺”缺陷,提供了大模型應用的新範式。
騰訊微信AI團隊推出新型擴散語言模型WeDLM,旨在提升文本生成效率。該模型結合擴散模型與因果注意力機制,通過拓撲重排技術兼容KV緩存,解決了傳統擴散模型因雙向注意力導致的推理效率問題,突破了GPT等大模型在並行推理上的限制。
北京智源人工智能研究院發佈新一代多模態大模型Emu3.5,實現“世界級統一建模”,突破傳統AI在物理理解和因果推理上的短板,讓AI從單純生成圖像、文本進化到真正理解物理世界。
Meta首席AI科學家Yann LeCun計劃離職創業,專注世界模型研究。這位圖靈獎得主、紐約大學教授旨在開發能理解環境、模擬因果關係的AI系統。當前谷歌DeepMind等機構也在推進同類研究,預示該領域競爭加劇。
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$6
$24
256
$4
$16
Baidu
128
Bytedance
$1.2
$3.6
4
$2
$3.9
$15.2
64
$0.8
Moonshot
JunHowie
Qwen3-8B 是 Qwen3 系列中的一款大語言模型,具備因果語言模型的特性,在推理、多語言支持、智能體能力等方面表現出色,能為用戶帶來自然、流暢的對話體驗。
BanglaLLM
基於LLaMA-2架構優化的13B參數孟加拉語大語言模型,支持孟加拉語和英語的因果語言建模
abhinand
基於LLaMA-2架構的70億參數泰米爾語大語言模型,支持泰米爾語和英語的因果語言建模
CausalLM
CausalLM/14B-DPO-α是一個基於因果語言模型的大規模語言模型,支持中英文文本生成任務,在MT-Bench評測中表現優異。
Writer
Palmyra Base 5B是一個基於Transformer解碼器的英文文本生成模型,具有50億參數規模。該模型通過因果語言建模目標進行預訓練,在情感分類和文本摘要等任務中表現出色,具備強大的生成能力和高效的推理速度。
Auto Causal Inference是一個利用大型語言模型(LLM)自動進行因果推斷的項目,用戶只需指定處理變量和結果變量,系統就能自動完成變量角色識別、因果圖構建、效應估計和模型驗證等全流程分析。項目提供兩種代理架構(LangGraph和MCP)來實現這一功能,特別適用於銀行場景下的因果問題分析。