A | 8 月 26 日消息，Artificial Analysis 于 8 月 24 日发布博文，宣布携手 Liquid AI，发布面向手机端的 AI 跑分基准，重点关注 AI 模型在苹果 iPhone 17 Pro 上的表现。
B | 1月10日晚，苹果的主要代理商制造商富士康今天公布了其12月和全年业绩。去年12月，由于电子产品市场需求疲软，富士康的收入下降了8%，拖累了整个2018年的业绩。其中 Artificial Analysis 负责智能水平测试系统，Liquid AI 负责推理性能测试系统，双方选用 5 项基准测试：BFCL（Berkeley 函数调用排行榜）IFBench（指令遵循测试）AA-Omniscience（知识与认知相关测试）GPQA Diamond（高难度问答测试）MATH-500（数学问题测试）。
C | 根据今天向监管机构提交的文件，富士康12月份的收入为6193亿新台币（合201.2亿美元），比去年同期下降了8.3%。这是自去年2月以来富士康的月收入首次同比下降。测试模型对象为 4 bit 量化后体积不超过 8GB 的模型，示例包括 Gemma 4 E2B 和 LFM2-2.6B-Exp。相比之下，富士康2017年12月的收入为6751亿新台币，比去年同期增长了50%。
D | 至于12月份的收入下降，富士康的一位代表解释说：“主要原因是消费者对产品的需求急剧下降。”2018年，富士康的收入同比仅增长12.5%。最近几周，消费电子市场需求下滑的迹象一直存在。当上下文长度限制为 16K tokens 后，平均基准测试得分最高的是 Nanbeige4.2-3B 和 LFM2.5-2.6B。当响应时间限制为最长 1 分钟时，LFM2.5-8B-A1B 排名第 1，随后是 LFM2-2.6B-Exp、Gemma 4 E4B（Non-reasoning）和 Granite 4.1 8B。上周，苹果将其第一季度（2018年第四季度）盈利预测调整为840亿美元，从890亿美元降至930亿美元。这是苹果近20年来首次降低收入预期。
E | Nanbeige4.2-3B 是 BOSS 直聘旗下的南北阁实验室推出，仅含 30 亿非嵌入参数（总参数约 40 亿），采用 Looped Transformer 架构，通过在不增加参数量的前提下复用 Transformer 层（循环两遍），提高模型的有效计算深度和容量。横轴表示“输出 256 个 token 所需的时间（秒）”，纵轴表示“上下文长度限制为 16K 个 token 时的平均基准测试得分”。“Nanbeige4.2-3B”的基准测试得分与“LFM2.5-2.6B”相当。苹果表示，这主要是由于iPhone在大中华区的销量下滑。
F | 受此影响，今天的主要投资者下调了苹果的目标股价或股票评级。昨日，也有报道称，苹果在未来三个月将其新iPhone生产计划削减了10%，再次显示出市场需求疲软。在上下文长度限制为 16K 个 Token 时，平均基准测试得分中得分最高的是 Nanbeige4.2-3B 和 LFM2.5-2.6B。此外，有报道称，华强北方频道已从美国收到价格调整信息，一些iPhone已开始以高达450美元的降价销售。
G | 当响应时间限制为最长 1 分钟时，LFM2.5-8B-A1B 排名第 1，随后是 LFM2-2.6B-Exp、Gemma 4 E4B（Non-reasoning）和 Granite 4.1 8B。附上相关截图如下：。
H |
Current article:http://6ti8.cengzaodengchawonin.cyou/pektn/20260826/280.html
Published on:08:28:49
