A | 华力创通：公司冲回各项资产减值准备共计约1435万元 每经AI快讯，华力创通（SZ300045，收盘价：12.6元）8月25日晚间发布公告称，2026年半年度，公司冲回各项资产减值准备共计约1435万元，合计增加2026年半年度净利润约1435万元，相应增加公司2026年半年度所有者权益约1435万元。 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。本次计提资产减值准备未经审计。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）。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。 每经头条（nbdtoutiao）——冲刺“全球视频大模型第一股”！每经独家透视可灵AI：客户都在哪？运营状况如何？ （记者陈鹏程） 免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
B | 每日经济新闻 。
C | 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。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”。
D | “Nanbeige4.2-3B”的基准测试得分与“LFM2.5-2.6B”相当。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。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：。
Current article:http://dc03h6.wenwancaomohenenqiongpangshun.bond/i0clgtb/ov606.html
Published on:02:51:56
