黑森林实验室（BFL）发布了FLUX.1 Kontext [dev]，这是一个突破性的开放权重图像编辑模型，挑战了专有工具的主导地位。这个拥有120亿参数的模型提供了此前仅在闭源系统中才能获得的高性能，并且可以在消费级硬件上运行。它采用非商业许可证，可免费用于研究和开发。 FLUX.1 Kontext [dev]擅长迭代编辑、字符保留以及局部和全局编辑。在新的KontextBench基准测试中，它超越了包括谷歌的Gemini-Flash Image在内的领先的开放和闭源模型。针对NVIDIA Blackwell架构优化的TensorRT权重提供了更高的速度和效率。 BFL通过FAL和Replicate等合作伙伴提供现成的API端点。他们还启动了一个自助服务许可门户，以便透明且简化FLUX.1模型的商业用途。 此外，BFL更新了FLUX.1 [dev]非商业许可证，以明确非商业用途，要求内容过滤器，强制遵守内容来源，并改进使用限制。他们正在积极招聘，并邀请人才加入他们的使命。

火箭喷管设计依赖于对高温燃烧气体热力学性质的理解。关键参数如排气速度 (v_e) 和比冲 (I_sp) 由气体成分、温度和压力决定，需要精确的建模。化学平衡代码如CEA可以预测气体特性，但无法解释现实世界的现象。 计算流体动力学 (CFD) 模拟复杂的流动物理现象，包括激波和非平衡反应。将CFD与特征线法 (MOCs)——一种设计无激波喷管轮廓的分析技术——结合起来，可以优化喷管几何形状以实现高效的气体膨胀。至关重要的是，需要根据实验数据进行验证。这种将CEA、CFD和MOCs结合起来的集成方法，提供了一个强大的设计框架，将理想化条件与实际火箭发动机运行的复杂性联系起来，从而最大限度地提高发动机性能。

神经嵌入模型是信息检索 (IR) 的基础，它通过将数据表示为向量并使用内积相似度来实现高效搜索。多向量模型，例如 ColBERT，通过使用多个嵌入表示数据并采用更复杂的相似度度量（如Chamfer相似度）来提高精度。然而，这种性能提升是以显著增加计算复杂度为代价的。 “MUVERA：基于固定维度编码的多向量检索” 解决了这一挑战，它将多向量检索转化为一个更易于管理的问题。它为查询和文档构建固定维度编码 (FDE)——单个向量，通过简单的内积来逼近多向量相似度。这允许利用优化的最大内积搜索 (MIPS) 算法进行初始候选检索，然后使用精确的多向量相似度进行重新排序。MUVERA 有效地弥合了单向量检索和多向量检索之间的效率差距，在不牺牲速度的情况下实现了高精度，并且已在 GitHub 上开源。