Kopy AI Blog

Exelixis, Inc. (NASDAQ: EXEL ) 是納斯達克目前最值得買入的被低估股票之一。 9月17日，巴克萊銀行開始關注 Exelixis, Inc. (NASDAQ: EXEL)，給予其「持股」評級，並設定其目標價為 40 美元。 巴克萊銀行預測，Exelixis 的主要價值驅動因素卡博替尼的股價將 在2029 年專利到期前維持中等個位數成長。 巴克萊預測，2029 年公司整體營收將比市場普遍預期低約8%，主要原因是 Exelixis, Inc. (NASDAQ: EXEL) 旗下產品線的銷售貢獻預期下降。根據卡博替尼目前的銷售走勢，該公司認為其自身預期和市場普遍預期都可能面臨下行風險。 同時，Exelixis 的關鍵候選藥物 Zanzalintinib 預計將在不久的將來改善大腸直腸癌和非透明細胞腎癌的治療。然而，巴克萊認為，由於競爭格局，Zanzalintinib 將難以進入大腸直腸癌的早期治療領域。 https://kopyai.com/markets/view/type.stock.us/0/86 Picture Source exelixismedicalaffairs.com

Google DeepMind 團隊發布了 Gemini Robotics 1.5 模型，使機器人能夠感知、計劃、思考、使用工具並採取行動，以更好地解決複雜的多步驟任務。 大多數日常任務都需要上下文資訊和多個步驟才能完成，這對於當今的機器人來說極具挑戰性。Gemini Robotics-ER 1.5 能夠像高階大腦一樣協調機器人的活動。此模型擅長在物理環境中進行規劃和做出邏輯決策。它擁有先進的空間理解能力，能夠以自然語言進行交互，預估機器人的成功率和進度，並且能夠原生調用 Google 搜尋等工具來查找資訊或使用任何第三方用戶定義的函數。 Gemini Robotics-ER 1.5 會為每個步驟提供自然語言指令，Gemini Robotics 1.5 會利用其視覺和語言理解能力直接執行具體操作。 Gemini Robotics 1.5 也能幫助機器人思考其動作，以便更好地解決語義複雜的任務，甚至可以用自然語言解釋其思考過程，使其決策更加透明。 這兩個模型均基於核心 Gemini 模型系列構建，並已使用不同的資料集進行微調，以專注於各自的任務。結合使用時，它們可以提升機器人泛化能力，使其能夠處理更長的任務和更多樣化的環境。 傳統上，視覺-語言-動作模型將指令或語言計畫直接轉化為機器人的動作。 Gemini Robotics 1.5 不僅可以簡單地翻譯指令或計劃，現在還可以在採取行動之前進行思考。這意味著它可以產生自然語言的內部推理和分析序列，以執行需要多個步驟或更深入的語義理解的任務。 Gemini Robotics 1.5 展現出卓越的跨實例學習能力。它能夠將從一個機器人學到的動作遷移到另一個機器人，而無需針對每個新實例專門自訂模型。這項突破加速了新行為的學習，幫助機器人變得更聰明、更實用。 https://kopyai.com/zh-tw/latest/view/type.news/0/51 Picture Source: Google

Web3 消費公司 Rekt Brands 週五售出了第 100 萬罐 Rekt Drinks 蘇打水，其「Moon Crush」口味蘇打水一售而空，超越了其第一個重要里程碑——這是與支付基礎設施公司 MoonPay 合作推出的桃子覆盆子口味蘇打水。  此次出售是 Rekt 先前與領先的 Web3 品牌合作的成果，例如 Solana DeFi 協議 Jupiter、以太坊二層網路 Abstract 以及 Coinbase 的二層網路 Base。 Rekt已經與許多加密原生品牌合作，但表示在選擇合作夥伴時非常謹慎。 https://kopyai.com/zh-tw/markets/view/type.stock.us/0/84 Picture Source moonpay

本週，小米宣布了一項大膽舉措：開源其旗艦端對端 AI 語音模型 Xiaomi-MiMo-Audio。這意義非凡？ Xiaomi-MiMo-Audio 專為真正的語音情境學習而設計——這項突破有望徹底改變 AI 在語音驅動平台上的理解和互動方式。 Xiaomi-MiMo-Audio 摒棄了以往那種需要淹沒在標記資料中才能得出結果的方法，只需少量樣本即可泛化並適應新任務。這與我們在語言領域看到的 GPT-3 等模型的轉變非常相似——只不過現在，這種轉變發生在語音領域。該模型經過數億小時音訊資料的精心訓練，不僅具備解析內容的 IQ（智慧），還具備理解語氣和意圖的 EQ（情緒智商），這對於商業應用和麵向客戶的產品來說是一個重大進步。 MiMo-Audio 與其他競爭解決方案的不同之處在於其在無損壓縮預訓練方面的技術飛躍，這使得模型能夠實現大規模跨任務泛化。實際上，這使得企業能夠部署 AI 語音應用程序，大幅降低數據需求，並更快地適應新任務和新行業。 小米不僅在創新，還在分享策略。該公司不僅開放了模型本身，還開放了其分詞器、全新開發的模型結構、先進的訓練工具和評估套件。此舉將加速整個 AI 語音生態系統的進步，讓開發者和企業能夠獲得成熟、久經考驗且可靈活調整以適應客製化用例的技術。 在實現方面，小米 MiMo 音訊的預訓練和微調模型可在 Huggingface 平台上訪問，其分詞器已發佈在GitHub上。該模型基於一個擁有 12 億參數的 Transformer 架構構建，使其在音訊重建和音訊轉文字任務中都具有強大的穩健性。 MiMo-Audio-Tokenizer MiMo-Audio-Tokenizer 是一款擁有 12 億參數、工作頻率為 25 Hz 的 Transformer。它採用八層 RVQ 堆棧，每秒產生 200 個 token。透過聯合優化語義和重構目標，我們在 1000 萬小時的語料庫上從頭開始訓練 MiMo-Audio-Tokenizer，實現了卓越的重構質量，並助力下游語言建模。 MiMo-Audio 結合了區塊編碼器、LLM 和區塊解碼器，以提高高速率序列的建模效率，並彌補語音和文字之間的長度不匹配問題。塊編碼器將四個連續時間步長的 RVQ 標記聚合成一個塊，並將序列下採樣為 LLM 的 6.25 Hz 表示。區塊解碼器透過延遲產生方案自回歸產生完整的...

阿里巴巴 Qwen 團隊發布了下一代模型架構 Qwen3-Next，並引入了多項關鍵改進，如混合注意力機制、高度稀疏的混合專家 (MoE) 結構等技術，有利於訓練穩定性的優化，以及用於更快推理的多 token 預測機制。 基於這項全新架構，Qwen 團隊訓練了 Qwen3-Next-80B-A3B-Base 模型－一個擁有 800 億個參數的模型，但在推理過程中僅啟動 30 億個參數。 此基礎模型的表現與密集的 Qwen3-32B 模型相當（甚至略勝一籌），但訓練成本（GPU 小時）卻不到後者的 10%。在推理過程中，尤其是在上下文長度超過 32K 個 token 的情況下，它實現了 10 倍以上的吞吐量提升，在訓練和推理方面均實現了極致的效率。 Qwen3 -Next-80B-A3B-Instruct 的性能與旗艦模型 Qwen3-235B-A22B-Instruct-2507 相當，並且在需要超長上下文（最多 256K 個 token）的任務中顯示出明顯的優勢。  Qwen3 -Next-80B-A3B-Thinking 在複雜的推理任務中表現出色——優於 Qwen3-30B-A3B-Thinking-2507 和 Qwen3-32B-Thinking 等成本更高的模型，在多個基準測試中優於閉源的 Gemini-2.5-Flash-Thinking，並接近頂級模型 Qwen3-235B-A22B-Thinking-2507 的性能。 主要特點: 混合架構：門控 DeltaNet + 門控注意力 超稀疏 MoE：僅啟動 3.7% 的參數 有利於訓練穩定性的設計 多標記預測 https://kopyai.com/zh-tw/latest/view/type.news/0/49 Picture Source: Alibaba

Solana 的 SOL週五上漲至 239 美元以上，延續了 9 月的大幅漲勢，Galaxy Digital 執行長 Mike Novogratz 稱該區塊鏈是為全球金融市場「量身定制」的，分析師 Ali Martinez 則預測其可能上漲至 1,314 美元。 著名加密貨幣分析師馬丁內斯強調，索拉納突破了圖表技術人員所稱的杯柄形態，這種形態通常預示著長期反彈的開始。 馬丁內斯在他的圖表中將 1314.41 美元標記為主要技術目標，並利用斐波那契回撤位來預測索拉納的上漲空間。該形態反映了多年的底部結構：索拉納在 2022 年和 2023 年的深度下跌形成了“杯形”，而 2024 年和 2025 年初的橫向盤整形成了“柄形”。 馬丁內斯表示，突破 220 美元附近的阻力位驗證了這一結構，如果勢頭持續下去，將打開通往更高水平的道路。 https://kopyai.com/zh-tw/markets/view/type.stock.us/0/82 Picture Source: fintechbranding.studio

NASA、IBM 及其合作夥伴推出了Surya ，這是第一個用於太陽物理學的開源 AI基礎模型。Surya 是一個擁有 366M 參數的變換模型，基於 NASA太陽動力學觀測站 (SDO) 9 年（約 218 TB）的多儀器資料進行預訓練，其中包括 8 個大氣成像組件 (AIA) 通道和 5 個日震和磁成像儀 (HMI) 產品。 Surya 利用人工智慧和開放科學的進步，提供了一個強大的工具來理解太陽動力學和預測太空天氣——這對於保護衛星、電網、通訊系統和太空人至關重要。該模型可在 Hugging Face 上訪問，使世界各地的科學家、新創公司和機構能夠進行實驗、微調和建立新的應用程式。 亮點 通用太陽物理學基礎模型，以 SDO 的原始解析度（4096×4096）進行訓練。 預訓練目標：提早一小時預測+自回歸推出調整長達 12 小時。 資料規模：13 通道、協調、ML 就緒資料集，涵蓋近整個太陽週期（2010-2019 年）。 開放科學：共享完整的權重、配置和預處理管道以實現可重複性。 應用 Surya 可以針對各種太陽物理學和太空天氣任務進行微調： 太陽耀斑預測－在初步測試中超出現有基準15%，並進行 24 小時二元分類（M/X 級耀斑）。 太陽風速預測－與基於物理的模型相比，下游微調實現了強勁的性能。 活動區域分割－優於基線 UNet，IoU 為 0.768，Dice 為 0.853。 EUV 光譜預測－準確預測太陽光譜。 IBM 歐洲、英國和愛爾蘭 研究院院長 Juan Bernabe-Moreno 表示：「可以將其視為太空天氣預報。正如我們努力應對惡劣天氣事件一樣，我們也需要做好應對太陽風暴的準備。Surya 賦予我們前所未有的能力來預測未來，這不僅僅是一項技術成就，更是朝著保護我們的科技文明免受維持我們生存的恆星影響邁出的關鍵一步。」 https://kopyai.com/zh-tw/latest/view/type.news/0/48 Picture Source: IBM