最近，雷軍在宣傳時變得小心謹慎多了，反覆提醒輔助駕駛需保持專注。有網友指出，這或許和最近小米陷入輿論爭議有關係。近日，新華社刊發題為《“大字吸睛、小字免責”，這樣的小把戲該退場了》的評論文章，向某些廠商的慣用行銷套路開炮。這讓不少網友聯想到之前小米的“小字爭議”。比如，小米17 Pro的宣傳海報用加粗大字喊出“逆光之王”，右下角卻藏著一行幾乎看不清的淺色小字：“逆光之王是產品設計目標”。雖然有人表示這種方式並非小米獨有，但是“網紅體質”的小米依舊是網友們吐槽的主要對象。或許是輿情太激烈。很快就有網友發現，小米行銷風格大變，海報上的小字也消失不見了。例如之前小米汽車在介紹“AEB防碰撞輔助升級”的相關內容時，發佈的系列海報特別標註了“輔助駕駛不是自動駕駛，駕駛仍需時刻保持專注”，也沒有和以前一樣使用小字。小米汽車還在回答網友問題時特別強調：“不要相信‘怎麼開都撞不了’的誇大宣傳，駕駛時仍需時刻保持專注。”如今，雷軍的微博宣傳似乎也謹慎多了。甚至顯得有些小心翼翼。對此，你怎麼看？ (首席電商觀察)

今天，輝達開源了一款名為 Llama-3.1-Nemotron-Ultra-253B-v1 的新模型。該模型基於 Meta 早期的 Llama-3.1-405B-Instruct 模型開發，擁有 2530 億個參數，在多項第三方基準測試中表現出色。🥊 輝達新模型的性能逼近擁有 6710 億參數的 DeepSeek R1，但只用了不到一半的參數量。測試結果顯示，GPQA（76 vs. 71.5）、IFEval 指令遵循（89.5 vs. 88.8）和 LiveCodeBench 編碼任務（66.3 vs. 65.9）。並且，Llama-3.1-Nemotron-Ultra-253B 推理吞吐量也比 DeepSeek R1 671B 高 4 倍。不過，在 MATH500 和 Arena Hard 基準測試中，DeepSeek R1 仍略佔優勢。據悉，Llama-3.1-Nemotron-Ultra-253B 的設計目標是支援高級推理、指令遵循以及 AI 助手工作流程。技術特點如下：1️⃣ 採用神經架構搜尋(NAS)最佳化架構2️⃣ 引入跳躍注意力層、融合前饋網路(FFN)和可變 FFN 壓縮率3️⃣ 降低記憶體佔用和計算需求，保持輸出質量4️⃣ 可在單個 8x H100 GPU 節點高效部署5️⃣ 部署支援 B100 和 Hopper 微架構硬體6️⃣ 在 BF16 和 FP8 精度模式下均驗證通過目前，該模型的程式碼已在 Hugging Face 平台上公開，包含開放的權重和訓練後資料。🤖 Llama-3.1-Nemotron-Ultra-253B 可用於聊天機器人開發、AI Agent 工作流、檢索增強生成（RAG）和程式碼生成等場景。根據輝達開放模型許可證及 Llama 3.1 社區許可協議，該模型已獲准用於商業用途。