xAI 祭出“殺手鐗”：1.5 萬億參數 Grok V9-Medium 訓練完成，直指編程 AI 賽道
重點摘要
全球AI算力競賽升級，馬斯克宣佈xAI旗下新模型Grok V9-Medium完成訓練。該模型擁有1.5萬億參數，是當前Grok所用v8-small版本的三倍，標誌著推理與複雜任務處理能力的重大突破。
### 重點整理
xAI 創辦人馬斯克證實，最新版模型 Grok V9-Medium 已完成訓練，參數量達 1.5 萬億，為前一代 v8-small 的三倍。該模型在推理與複雜任務處理上顯著提升，並鎖定程式設計 AI 作為主要應用方向。
### 背景脈絡
先前 xAI 推出的 v8-small 模型已展現潛力，但參數量遠不及業界巨頭如 GPT-4 或 Claude。此次 V9-Medium 以翻倍規模切入程式碼生成與除錯領域，試圖在開發者工具市場搶佔一席之地，與 GitHub Copilot、Codex 等產品正面競爭。
### 可能影響
若 Grok V9-Medium 在實際編程任務中表現優異，可能加速 AI 輔助開發工具的價格與功能迭代，迫使既有產品快速升級。對開源社群而言，xAI 的動作也預示著參數量軍備競賽將從通用對話延伸至垂直專業場景。
### 讀者可關注的後續
接下來應關注 xAI 何時開放模型測試或 API 服務，以及它在常見編程基準（如 HumanEval、SWE-bench）上的實測成績。此外，馬斯克是否會將此模型整合到 X 平台或特斯拉的開發工具中，也值得持續追蹤。
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。