阿里巴巴发布了 Qwen3 Next 80B：一个开放权重的混合推理模型，仅用 30 亿活跃参数就达到了 DeepSeek V3.1 级别的智能 关键要点： 💡 新颖架构：首个引入 @Alibaba_Qwen 的 ‘Qwen3-Next’ 基础模型的模型，具有几个关键架构决策，如 Gated DeltaNet 和 Gated Attention 的混合注意机制，以及 3.8% 的活跃参数份额的高稀疏性，相比之下，Qwen3 235B 为 9.4% 🧠 智能：Qwen3 Next 80B（推理）在人工分析智能指数上得分 54，与 DeepSeek V3.1（推理）并列。非推理变体得分 45，与 gpt-oss-20B 和 Llama Nemotron Super 49B v1.5（推理）一致 💲 定价模型：在 @alibaba_cloud 上的每个 token 定价为推理每百万输入/输出 token 0.5 美元/6 美元，非推理变体为 0.5 美元/2 美元。这与 Qwen3 235B 2507 的更高价格 0.7 美元/8.4 美元（推理）和 0.7 美元/2.8 美元（非推理）相比，减少了 ≥25%，具体取决于工作负载 ⚙️ 模型细节：该模型具有 256k token 的原生上下文窗口，仅支持文本，且没有多模态输入或输出。在仅 80B 参数的 FP8 下，该模型适合单个 H200 GPU

启动我们的2025年生成媒体状态调查，得到@fal的支持！参与调查以获取完整的调查报告并赢得一副Meta Ray-Bans 🕶️ 我们进行这项调查是为了收集关于2025年生成媒体状态的见解。这包括组织如何使用、选择和访问图像、视频和音乐模型的观点！ 为什么要参与？ ✅ 免费获得扩展调查报告的副本（仅有有限版本会公开发布） ✅ 有机会赢得一副Ray-Ban Meta AI眼镜 🕶️ ✅ 为分享塑造生成媒体的关键趋势的见解做出贡献 链接在下面的线程中！⬇️⬇️⬇️⬇️⬇️⬇️⬇️

DeepSeek推出V3.1，将V3和R1统一为一个混合推理模型，智能水平逐步提升 智能水平逐步提升：DeepSeek V3.1的初步基准测试结果显示，推理模式下的人工分析智能指数为60，较R1的59有所上升。在非推理模式下，V3.1的得分为49，较早期的V3 0324得分44有了更大的提升。这使得V3.1（推理）落后于阿里巴巴最新的Qwen3 235B 2507（推理）——DeepSeek尚未重新夺回领先地位。 混合推理：@deepseek_ai首次采用混合推理模型，支持推理和非推理模式。DeepSeek转向统一的混合推理模型模仿了OpenAI、Anthropic和Google的做法。然而，值得注意的是，阿里巴巴最近放弃了他们之前偏好的混合方法，分别发布了Qwen3 2507推理和指令模型。 功能调用/工具使用：虽然DeepSeek声称模型的功能调用有所改善，但DeepSeek V3.1在推理模式下不支持功能调用。这可能会大大限制其支持具有智能要求的代理工作流程的能力，包括在编码代理中的应用。 令牌使用：DeepSeek V3.1在推理模式下的得分比DeepSeek R1略高，并且在我们用于人工分析智能指数的评估中使用的令牌略少。在非推理模式下，它使用的令牌比V3 0324略多——但仍然是其推理模式使用的令牌的几倍。 API：DeepSeek的第一方API现在在他们的聊天和推理端点上服务于新的DeepSeek V3.1模型——只需在聊天模板中更改是否提供结束思考</think>令牌，以控制模型是否进行推理。 架构：DeepSeek V3.1在架构上与之前的V3和R1模型完全相同，具有671B的总参数和37B的活跃参数。 影响：我们建议在对这一发布所暗示的DeepSeek在未来模型（传闻称为V4或R2）进展方面做出任何假设时保持谨慎。我们注意到，DeepSeek之前在2024年12月10日发布了基于其V2架构的最终模型，仅在发布V3的两周前。