實體: Anthropic
所有提到 Anthropic 的 AI 新聞與動態。
-
Anthropic 聘請律師備戰 IPO
英國《金融時報》報導，Anthropic 正準備進行首次公開募股，時間可能早至 2026 年。公司已聘請律師事務所 Wilson Sonsini 協助啟動相關流程，並正在進行內部檢查清單以應對可能成為史上最大 IPO 之一的挑戰。據傳，Anthropic 正尋求籌資，目標估值可能超過三百億美元。此前，Anthropic 於九月宣佈籌資十三億美元，當時其估值為一千八百三十億美元。Wilson Sonsini 自 2022 年起便擔任 Anthropic 的顧問。此訊息與 OpenAI 的動態同步，該公司估值為五百億美元，據傳也在測試 IPO 可行性並進行相關準備，但尚未公佈上市日期。路透社指出，雖然 Anthropic 已與投資銀行進行洽談，但尚未選定承銷商。
-
AWS 加大對自有 LLMs 的投入，推出簡化模型創建功能
亞馬遜雲服務（AWS）在 AWS re:Invent 會議上宣佈推出更多企業級工具，旨在簡化自訂大型語言模型（LLMs）的構建與微調過程。此次更新涵蓋 Amazon Bedrock 與 Amazon SageMaker AI 的新功能，其中 SageMaker 引入了無伺服器模型自訂能力，開發者無需擔心計算資源或基礎設施即可開始構建模型。此功能支援自導式點選操作或代理導向體驗，後者允許開發者使用自然語言提示 SageMaker AI。該功能目前處於預覽階段，適用於自訂 Amazon Nova 模型及特定開源模型，包括 DeepSeek 與 Meta 的 Llama。此外，AWS 還在 Bedrock 中推出強化微調功能，開發者可選擇獎勵函式或預設工作流，由 Bedrock 自動完成整個模型自訂流程。 此前，AWS 執行長 Matt Garman 在演講中宣佈 Nova Forge 服務，提供自訂 Nova 模型，年費為 10 萬美元。針對企業客戶希望透過自訂模型建立差異化的需求，AWS 強調自訂模型能最佳化品牌與特定使用場景。儘管 AWS 目前使用者基礎尚未大規模擴張，一項由 Menlo Ventures 於七月進行的調查顯示，企業更傾向於使用 Anthropic、OpenAI 和 Gemini 等競爭對手模型。然而，隨著自訂與微調能力的提升，AWS 有望在競爭中取得優勢。此次會議重點聚焦於前沿 LLM 與模型自訂技術，展現 AWS 在企業 AI 領域的戰略佈局。
-
亞馬遜推出一款令人驚豔的新AI晶片並預告一項親 Nvidia 的發展路線圖
亞馬遜雲服務（AWS）於 2025 年 2 月 25 日在 AWS re:Invent 2025 年大會上正式推出新一代 AI 訓練晶片 Trainium3，並同步啟動 Trainium4 的開發。Trainium3 UltraServer 系統採用公司自研的 3 奈米 Trainium3 晶片及自研網路技術，相比第二代產品在 AI 訓練與推論方面效能提升超過 4 倍，記憶體容量增加 4 倍。單一 UltraServer 可搭載 144 顆晶片，數千臺聯動後可達 100 萬顆晶片規模，效能為前代 10 倍。該系統能耗降低 40%，在資料中心電力需求龐大的背景下，AWS 強調此舉能為客戶節省成本。目前包括 Anthropic、日本 LLM Karakuri、SplashMusic 及 Decart 在內的多家客戶已採用該技術並顯著降低推論費用。針對下一代 Trainium4，AWS 表示將支援 Nvidia 的 NVLink Fusion 高速晶片互連技術，使 AWS 自研伺服器架構能與 Nvidia GPU 協同運作，有助於吸引基於 Nvidia CUDA 架構開發的大型 AI 應用。若依以往節奏，Trainium4 預計將於明年大會進一步披露，但 AWS 尚未公佈具體時間表。
-
迷思特以新開放權重邊境與小模型接近大型AI競爭對手
法國人工智慧新創公司 Mistral 於週二推出了全新的 Mistral 3 系列開放權重模型，旨在證明其在讓 AI 公開可用及服務企業客戶方面能超越大型科技競爭對手。此次發布包含一個具備多模態與多語言能力的 frontier 大模型，以及九個小型離線可用且可完全自訂的模型。Mistral 由前 DeepMind 與 Meta 的研究人員創立，兩年前成立，目前籌資約 27 億美元，估值為 137 億美元，遠低於競爭對手 OpenAI（籌資 570 億美元，估值 5000 億美元）與 Anthropic（籌資 450 億美元，估值 350 億美元）。Mistral 共同創辦人兼首席科學家 Guillaume Lample 指出，許多企業客戶發現直接使用大型封閉模型成本高昂且速度緩慢，因此轉向自訂小型模型以更有效率地處理特定用例。 Mistral 的大型 frontier 模型 Mistral Large 3 在功能上追平 OpenAI 的 GPT-4o 與 Google 的 Gemini 2，並具備多模態與多語言能力，與 Meta 的 Llama 3 及阿里巴巴的 Qwen3-Omni 並駕齊驅。該模型採用「精細專家混合」架構，擁有 410 億個活躍引數與 6750 億個總引數，支援 256,000 的上下文視窗，適用於檔案分析、程式編寫、內容創作及工作流自動化。新推出的 Ministral 3 系列則包含九個不同的高效能稠密模型，涵蓋 140 億、80 億與 30 億引數三種規格，並提供 Base、Instruct 與 Reasoning 三種變體。Mistral 聲稱這些小型模型在效能、成本效率及專有能力上優於其他開放權重領導者，且能產生較少的 token。 所有變體均支援視覺功能，處理 128,000 至 256,000 的上下文視窗，並支援多種語言。Mistral 強調其小型模型可在單一 GPU 上執行，使其能部署於廉價硬體，包括本地伺服器、筆記型電腦、機器人及其他邊緣裝置。這