Comments
Linkup Research heeft SPARSEUP uitgebracht, een open-source sparse embedding model gebaseerd op een ModernBERT backbone met 149M parameters. Het behaalt een score van 56,4 nDCG@10 op BEIR-13, wat volgens Linkup het beste resultaat is dat bekend is voor een openbare sparse encoder onder de 150M parameters. Het model maakt gebruik van logit shift, top-12 expansion per token en case folding om zijn vectoren sparse te houden. Met de Seismic index bereikt het meer dan 97% recall in ongeveer 380 microseconden per query, en het is beschikbaar onder Apache 2.0.
Meta heeft Muse voor Mac uitgebracht, de eerste versie van Muse die taken op de computer van een gebruiker kan uitvoeren. De agent werkt met lokale bestanden en native apps, waar je gegevens al opgeslagen zijn. Het voegt een desktoplaag toe aan een agent die eerder deze maand op telefoons, het web en WhatsApp is gelanceerd. Is het inzetbaar? […] Dit bericht verscheen eerst op MarkTechPost.
Comments
GGUF, GPTQ, AWQ, EXL2 en EXL3 bieden oplossingen voor hetzelfde probleem, maar op verschillende manieren. Deze gids maakt onderscheid tussen bestandscontainers en quantisatiemethoden. Het legt bits per weight, calibratie en hardwarecompatibiliteit uit. Daarna wordt aangetoond welk formaat je kiest voor Macs, consumer GPU's en productieomgevingen. Het artikel GGUF vs GPTQ vs AWQ vs EXL2: LLM-modelformaten uitgelegd (2026) verscheen eerst op MarkTechPost.
SpaceXAI heeft Grok Voice Transcribe 2.0 uitgebracht, het nieuwste speech-to-text model voor batch- en streaming audio. Het bedrijf stelt dat het tweemaal nauwkeuriger is dan versie 1.0 tegen dezelfde prijs. De word error rate voor korte zinnen in 19 talen is gedaald van 20,6% naar 6,8%. De prijzen blijven gelijk: $0,10 per uur voor batch en $0,20 voor streaming. Het model is vandaag beschikbaar via de Grok Voice API.
Comments
Comments
Jina AI heeft jina-ocr-v1 uitgebracht, een visuele documentparser die PDF's, scans, tabellen, grafieken en facturen omzet in Markdown. Het model heeft 3.4B totale parameters, met ongeveer 570M actieve per token, en bouwt voort op DeepSeek-OCR. Een ingebouwde FastMTP speculative decoding head stelt 3 tokens per stap voor, terwijl de output verliesvrij blijft. Het scoort 91.14 op OmniDocBench v1.6 en 83.4 op olmOCR-Bench, en parseert 2.57 pagina's per seconde op 1 A100. De gewichten staan op Hugging Face onder CC BY-NC 4.0, met gehoste acce
Comments