惊爆！全新“专家集成”方法让LLM提速200%！Sakana AI统筹多模型增效，谷歌将定制AI嵌入Workspace。

惊爆！全新“专家集成”方法让LLM提速200%！Sakana AI统筹多模型增效，谷歌将定制AI嵌入Workspace。

动态图展示了 Sakana AI 的“专家集成”方法和 Google AI 如何让 LLM 运行速度提升 200%。

今日看点

  • 德国实验室TNG Technology Consulting GmbH推出了一款DeepSeek大模型变体，其速度提升200%，这得益于其创新的“专家组装”（AoE）方法。
  • 萨卡纳AI推出了一种名为“TreeQuest”的技术，该技术利用蒙特卡洛树搜索来编排多模型LLM团队，使其在复杂任务上的表现比单个模型高出30%。
  • 谷歌正在将其可定制的 Gemini 聊天机器人（命名为“Gems”）直接集成到其 Workspace 应用（包括文档、表格、Gmail、云端硬盘）中，从而让用户能够广泛地使用个性化人工智能代理。
  • OpenAI 的 GPT-4.1 和实时 API 正在助力快速商业成功，这体现在 Genspark 仅用 45 天时间，便利用无代码个人代理打造了一款年经常性收入达 3600 万美元的 AI 产品。
  • 新研究强调了通过可微分编程优化LLM工作流中工具选择所取得的进展，这标志着在构建更高效、更智能的AI系统方面取得了进展。

主要动态

当今人工智能领域正因其在效率、能力和广泛普及性方面的快速进步而蓬勃发展，标志着该技术演进的关键时刻。引领这一浪潮的是来自德国的一项突破性发现，TNG Technology Consulting GmbH 公司公布了一种 DeepSeek R1-0528 变体，其速度惊人地提升了 200%。这一显著飞跃归因于 TNG 独特的新型“专家组装”（AoE）方法，该技术通过选择性地合并权重张量来构建大型语言模型（LLMs）。这种显著的效率提升有望大幅减少与大型语言模型相关的计算负担和延迟，为各行业中更多实时、资源密集型的人工智能应用打开大门。其对运营成本和人工智能解决方案可扩展性的潜在影响不容小觑，标志着使强大人工智能变得更实用、更普及的重要一步。

在效率取得这一进展的同时，Sakana AI 通过复杂的协作引入了一种增强 LLM 性能的新范式。他们的“TreeQuest”推理时扩展技术协调多模型团队，使它们能够共同处理复杂任务，据报道其成功率比单个 LLM 高出 30%。该方法利用蒙特卡洛树搜索，发挥不同模型的优势，标志着迈向更强大、更多功能的人工智能系统的关键一步，这些系统能够处理单个模型可能难以应对的细致入微和多方面的挑战。其含义很明确：高性能人工智能的未来不仅仅在于更大、更强大的单个模型，而在于更智能地协调多个专业代理协同工作。

在用户可访问性和广泛集成方面，谷歌正在采取一项重大举措，将其可定制的 Gemini 聊天机器人（称为“Gems”）直接嵌入其流行的 Workspace 套件中。现在，数百万用户可以在 Google 文档、幻灯片、表格、云端硬盘和 Gmail 的侧边栏中访问他们的个性化人工智能助手，这意味着他们无需离开其核心生产力应用程序即可使用。无论是起草电子邮件、分析电子表格中的数据，还是生成演示内容，“Gems”都使用户能够根据其特定的工作流程和任务定制人工智能，从而实现日常使用中专业人工智能代理创建和部署的民主化。这一战略部署凸显了行业更广泛的趋势，即让人工智能助手成为数字工作环境中直观、无处不在的一部分，模糊了人类和人工智能驱动任务之间的界限。

现成可用的人工智能基础设施的力量也体现在 OpenAI 等平台不断涌现的商业成功案例中。他们的 GPT-4.1 和实时 API 被证明是快速产品开发的强大工具，Genspark 公司就是一个例证。该公司利用由 OpenAI 高级模型驱动的无代码个人代理，在短短 45 天内成功打造了一款年度经常性收入 (ARR) 达 3600 万美元的人工智能产品。这个引人注目的案例研究凸显了企业家和企业（即使是那些没有深厚技术专长的企业）快速构思、开发和扩展人工智能驱动解决方案的巨大潜力，大大降低了进入人工智能经济的门槛，并促进了前所未有的创新。

最后，在这些引人注目的部署和性能提升的表象之下，基础研究仍在继续完善人工智能系统的运作方式。Hacker News 上的一篇文章深入探讨了如何利用可微分编程优化 LLM 工作流的工具选择。这项技术进步的重点是使 LLM 更擅长高效选择和利用外部工具，这是构建更自主和智能代理的关键一步。这种基础性工作确保了随着 LLM 变得更快、更具协作性，其底层的决策过程也变得更加复杂和资源感知，为长期的真正自适应和多功能人工智能系统铺平了道路。

分析师视角

今天的新闻预示着人工智能发展的一个关键转折点：同时推动极致效率、精密的多模型协同以及大规模用户普及。TNG 通过其 AoE 方法实现 200% 的速度提升，这不只是一个技术细节；它彻底改变了大规模 AI 部署的经济可行性和实际延迟问题。再结合 Sakana AI 的多模型编排，我们正在看到 AI 系统的新曙光，它们不仅速度更快，而且内在能力更强、更稳健，正从单一的巨石模型转向智能集成。谷歌将定制化 AI 广泛集成到 Workspace 中，同时 OpenAI 平台也支持快速的无代码产品开发，这都强调了未来个性化 AI 不再是小众工具，而是无处不在的协同助手。如今的竞争在两个方面加速：基础性架构突破和战略性、以用户为中心的部署。预计市场将围绕同时提供这两点的平台进行整合。

内容来源

Read English Version (阅读英文版)

Comments are closed.