Peluncuran model keempat hari 🔥 ini - memperkenalkan Hermes 4, dari @NousResearch Hermes 4 dilatih untuk kemampuan kemudi dan tingkat penolakan yang lebih rendah, memuncaki RefusalBench dan mengalahkan Grok 4

Studio AI 🤝 Nebius @NousResearch Memperkenalkan: 🔹 Hermes-4-70B 🔹 Hermes-4-405B Kami bangga mendukung Nous Chat dengan model baru ini, dan membuatnya tersedia hari ini di Nebius Playground + API. 👉 Cobalah hari ini:

Kami langsung menyelenggarakan model penalaran terbaru dan terhebat dari Nous!

Nous Research menghadirkan Hermes 4, lini model penalaran hibrida terbaru kami. Hermes 4 dibangun di atas warisan model kami yang selaras dengan pengguna dengan kemampuan komputasi waktu pengujian yang diperluas. Perhatian khusus diberikan untuk membuat model kreatif dan menarik untuk berinteraksi, tidak terbebani oleh sensor, dan selaras secara netral sambil mempertahankan kinerja matematika, pengkodean, dan penalaran tingkat canggih untuk model bobot terbuka.

1/10🧵 @nousresearch baru-baru ini menerbitkan sebuah studi menarik yang menunjukkan model terbuka menggunakan token 2-3x lebih banyak daripada model tertutup untuk tugas penalaran. Kami menguji apakah alokasi token dinamis dapat membantu mengatasi kesenjangan efisiensi ini. Inilah yang kami pelajari 👇

Mengukur Efisiensi Berpikir dalam Model Penalaran: Tolok Ukur yang Hilang Kami mengukur penggunaan token di seluruh model penalaran: model terbuka menghasilkan 1,5-4x lebih banyak token daripada model tertutup pada tugas yang identik, tetapi dengan variasi besar tergantung pada jenis tugas (hingga 10x pada pertanyaan sederhana). Biaya tersembunyi ini sering kali meniadakan keuntungan harga per token. Efisiensi token harus menjadi target utama di samping tolok ukur akurasi, terutama mengingat kasus penggunaan non-penalaran. Baca tinjauan menyeluruh tentang efisiensi penalaran di seluruh lanskap model terbuka dan tertutup di posting blog terbaru kami bekerja sama dengan peneliti kami, Tim. Lihat lebih banyak karya mereka di sini:

Hai! kainan_e mengundang Anda untuk bergabung dengan DM grup mereka. Undangan kedaluwarsa dalam 24 jam.

Lingkungan eval Arena-Hard sekarang digabungkan ke Atropos - nikmati evaluasi yang dapat diskalakan, fleksibel, dan modern dengan tolok ukur arena-hard @lmsysorg yang sangat bagus dalam menentukan berbagai kemampuan dalam model. Siap menjadi lingkungan RL jika Anda membawa set kereta sendiri juga :) Pelajari lebih lanjut di

Peneliti kami di Residensi @yaboilyrical akan membahas karyanya tentang kemudi SMC di UC Berkeley pada 3 Agustus. Lihat blog tentang karya ini di sini: Detail di bawah ini!

Jam kantor Psyche dimulai dalam 20 menit di Discord kami - Sampai jumpa di sana!