以光驱产品闻名天下的建兴(Lite-On)即将推出首款消费级固态硬盘“Zeta”,一改此前仅在OEM领域默默耕耘的局面,要在普通用户中建立新的品牌定位,并与兄弟品牌浦科特一起,形成更为完整的产品线。
Zeta系列首先推出2.5寸版本,稍后将会增加M.2、mSATA等不同规格。
2.5寸款采用了慧荣科技Silicon Motion SM2246EN主控制器,闪存是来自海力士的16nm MLC,同时搭载海力士DDR3L颗粒作为缓存。
VR-Zone刚刚公布了Zeta的官方实物照片,包括外壳和PCB,做工规整,不用担心质量问题。
闪存颗粒编号H27QFG8VEB8R,海力士文档显示它的单颗容量为512Gb(64GB),这里用了四颗那么就是256GB版本,另外还有四个空焊位,补上就是最高的512GB。
这种闪存采用FBGA-152封装,支持Toggle 2.0传输协议,区块尺寸为4MB。
PCB正面右下角就是缓存颗粒,同样来自海力士,编号H5TC2G63FFR,容量256MB。浦科特的M6 Pro里就用过它。
512GB型号的缓存容量为512MB,但这里并没有空焊位,因此用的应当是另外一种颗粒,比如说H5TC4G43BFR。
“SM”标识的那个自然就是主控了。
Zeta 128/256/512GB的国内报价为439/799/1599元,实际上市后会更便宜一些。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。