免費公測進入倒計時：騰訊雲兩大主力AI模型月底轉入正式商用
重點摘要
騰訊雲宣佈，其智能體開發平臺的兩款核心大模型Hy3preview和DeepSeek-V4-Pro將於2026年5月27日10:00結束免費公測，轉為商業化運營。此後，系統將根據實際模型調用量按量計費。開發者與企業用戶需及時調整策略，以應對即將到來的收費模式。
近期，騰訊雲宣佈其智能體開發平臺的兩款核心大模型Hy3preview和DeepSeek-V4-Pro將於月底結束免費公測，轉為商業化運營。這意味著開發者和企業用戶將需要為使用這些模型付費。這一變化可能會對相關產業和開發者帶來一定的影響。
這兩款模型在過去的免費公測階段，為開發者和企業提供了強大的AI能力，包括自然語言處理、圖像識別等。然而，隨著免費公測的結束，開發者和企業需要考慮如何在新的收費模式下繼續使用這些模型。這可能需要調整現有的開發策略和預算。
在新的收費模式下，系統將根據實際模型調用量按量計費。這意味著開發者和企業需要根據自己的實際需求，合理地使用這些模型，以避免不必要的費用。同時，也需要考慮如何優化模型的使用效率，降低成本。
對於開發者和企業來說，需要及時調整策略，以應對即將到來的收費模式。這可能包括評估現有的模型使用情況，預測未來的需求，和尋找合適的收費方案。同時，也需要關注騰訊雲和其他AI模型提供商的最新動態，及時掌握市場的變化。
在未來，開發者和企業可以關注騰訊雲和其他AI模型提供商的最新動態，包括新模型的推出、收費模式的變化等。同時，也需要關注相關產業的發展趨勢，包括AI技術的進步、市場的需求變化等。這將有助於開發者和企業在快速變化的AI市場中保持競爭力。
此外，開發者和企業也可以關注其他AI模型提供商的服務，包括免費和收費的選擇。這將有助於找到最合適的AI解決方案，滿足自己的需求和預算。同時，也需要關注AI模型的安全性和合規性，確保在使用AI模型的過程中，能夠保護用戶的隱私和資料安全。
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。