社区讨论：多数用户认为本次生成的AI音乐视频质量很差，存在过度贴合歌词、画面与音乐不同步、细节破绽多等问题，目前仅百元成本的效果还远达不到取代独立创作者的程度。有用户认为基于代码的运动AI视频比提示词生成的叙事视频效果更好，也有一名用户认为当前效果已经比普通音乐视频更有意思，还有用户提到仍需要创作者对AI生成内容进行剪辑筛选。

社区讨论：多数用户不满Google产品表现，有人称Google坐拥技术和基建优势，AI产品却落后于Anthropic和OpenAI，因此降级Gemini订阅转用Claude。不少人吐槽Google内部常因团队内耗整合产品，改名往往是产品变糟乃至被砍的前兆，有人直接调侃这个新产品很快会进入killedbygoogle.com名单。也有人认为此次改名符合品牌统一逻辑，更利于大众识别。

部分用户分享了使用需求，有人想要能正确发音数学公式的科学论文语音概览工具，不满当前双人口播格式。

我认为 Google 避开了这个陷阱，但这就是 Meta 和 Llama 4、xAI 在 Grok 4 之后遭遇的情况。

迄今为止，唯一一家避开了「下一个巨型模型令人失望陷阱」、且领先地位没有遭遇重大挫折的公司是 OpenAI，就是推出 Orion/GPT-4.5 的那次。

社区讨论：有用户提醒，这款Bionic应用和LM Studio本身都是闭源软件，多数人并不了解这一点。有用户质疑，相比其他开源大模型适配框架，这款产品没有明显优势。也有用户点出，它面向企业打包了全套服务，能满足企业对成本和数据安全的管控需求，还有用户提出隐私疑问，担心连接前沿云端模型时，产品承诺的不保留数据政策不适用。

社区讨论：多数评论认为，检测AI生成文本本质是军备竞赛，当前方法只能抓住大模型的临时特征，无法长期稳定检测，本质和塔罗牌占卜一样不可靠。有人提出，检测论文这类文本时，哪怕只有少量假阳性，也会给原创作者造成难以挽回的伤害。也有人提到，对个人筛选垃圾文本来说， imperfect的低成本工具就够用，还提出可以做成类似广告拦截的浏览器扩展。

今天我们要为 managed agents 推出全新成本控制功能，一个可供所有人体验的免费层级，还有我们的第一批触发器，让你可以按计划启动代理任务！

看到 Gemini API 里的 managed agents 每周都在持续进步，真的太赞了。

社区讨论：多数使用者认可大模型提升工作效率与质量的实际价值，同时认可批评者指出的部分问题。有人担忧长期使用大模型会造成大脑与专业能力退化，也有人指出作者一边批评大模型的环境成本与立场偏向，一边花费一万美元月费使用大模型前后矛盾，还有开发者疑惑普通开发用不了这么多token，另有观点提到现在大模型降低了内容生成门槛，让低质量垃圾内容更容易传播。

过去12个月我们没能做到最好，这主要是我的错，但我们即将迎来有史以来最好的12个月。

团队正在做出色的工作，我认为你们会对他们正在为你们筹备的成果感到非常满意。

我为此感到高兴有很多原因，但最主要的原因是我在乎我们的用户取得成功。

AI必须要给更多人带来更多自由、自主权和财富。

我们想做正确的事，但我们不想通过吓唬人来让别人追随我们的做法。

https://www.kimi.com/en
Kimi K3 智能、性能与价格分析：https://artificialanalysis.ai/models/kimi-k3

社区讨论：用户分享了K3的定价信息，1M tokens输入价格3美元输出15美元缓存0.3美元，和Anthropic Sonnet定价一致，虽然对国产开放权重模型来说价格极高，但如果性能能对标当前前沿模型，定价是合理的。有开发者实测调用生成内容，称这是自己用过最贵的国产模型推理。有人担忧原定开放权重的承诺生变，目前官方已经删掉了相关描述，也未公布激活参数量，按这个定价来看未必会真的开放权重。还有用户提醒，月之暗面的服务条款允许用用户API调用内容训练模型。

到这个地步，我和 ChatGPT 说话比打字还多了。新语音模型真的跨过了一个临界点。

在赛车运动中，微小的差距决定成败。AI可以帮助车队找到这些差距。

OpenAI 的 Joyce Ruffell 和 @RaceTekSystems 联合创始人 @GarageGuyChase 和 @AndrewMayne 讨论了，赛车车队如何利用 AI 将赛道数据转化为更快的决策——内容涵盖我们与 Chip Ganassi Racing 的研究合作，以及我们用 ChatGPT 和 Codex 构建新工具的过程。

收听 OpenAI Podcast：Spotify Apple YouTube

@Kimi_Moonshot 推出的 Kimi K3 是一个真正的前沿开源模型！恭喜！

我们目前还没有拿到全部细节（训练 token 数等），但可以估算：用 muon 做 fp16 预训练，SFT 阶段转为 MXFP4/MXFP8，总 FLOPs 约为 1e25（和 Inkling 差不多！）。总成本在 1500 万到 2500 万美元之间。

原来不只有规模才有用！

顺便一提，Kimi K3 是约 3T 参数、支持 1M 上下文窗口的模型。

我确实认为，对于任何给定任务，你都总能把通用模型/智能体框架提炼成专用模型/框架/工作流，来获得更高准确率和更低成本。

数据和任务领域越窄，优化性能的空间就越大（更不用说对比聊天界面，它能提供更有针对性的用户体验）。随着智能体的自我改进能力越来越强，我认为你可以开始自动完成这种提炼——只需要定义顶层目标和评估标准，而不需要通过代码或自然语言把工作流编纂出来。

从闭源模型切换到开源模型可将成本降低 60 倍。这就是 AI 经济学的核心逻辑。

美国实验室最终会蒸馏出中国模型。

Kimi K3 基准测试结果已发布，它的性能处于 Fable/Sol 层级。
这是首个达到前沿水平的开源 3T 量级模型，在编码、推理、智能体工作流和视觉能力上均表现出色。

• 2.8T 参数 MoE 模型
• 1M token 上下文窗口
• 原生视觉支持
• 强大的智能体编码与终端工作流
• 长周期软件工程能力
• 基于浏览器的研究与知识工作
• 全新 Kimi Delta Attention (KDA) + Attention Residuals 架构
• 预计本月晚些时候开放权重

完整模型权重预计将于 2026 年 7 月 27 日前发布。

很荣幸能为 @cursor_ai 的生产环境提供推理能力支持。

祝贺团队达成又一个里程碑，我们十分期待在合作不断推进的过程中，继续与你们共同开发。

Frontendmaxxing 将会成为新的迎合追捧：让你的模型在网上收获大量喜爱的最简单方法，就是用它构建出好看的网站、出色的 SVG，还有很棒的 3js 场景。

这些内容比后端代码或是复杂分析分享性强太多了。

OpenAI 刚刚推出了一款售价 230 美元的 AI 智能体指挥中心。

智能体状态灯，工作流程操纵杆，推理强度调节旋钮。它叫做 Codex Micro。

每个 Agent Key 都用实时 RGB 灯光显示你的智能体处于哪种状态：思考中、运行中、等待中、已完成。你不用切换聊天界面就能监控整支智能体团队。

拨一下操纵杆就能立刻触发 Codex 工作流：
- 评审 PR
- 调试错误
- 重构代码
不用再翻找菜单。

它还给 Codex 的核心操作提供了实体按键：接受、拒绝、按下通话、开启新聊天。更少切换，更多产出。

最疯狂的设计在这里……你可以转动实体旋钮来调节智能体的推理水平。简单任务就保持快速模式，复杂工作就拉满脑力。

由 OpenAI 与 Work Louder 合作打造。支持蓝牙 + USB-C，兼容 Mac + Windows，配定制 Codex 键帽。售价 230 美元。

AI 智能体正式走出屏幕，来到你的桌面上了。

“专用智能会成为护城河。”

这是一个非常明确的信号：更多公司和开发者想要拥有自己的智能。

这是面向未来的正确AI战略。

借助自我进化的AI，构建专用模型正在快速普及化。

我们听到了大家的呼声，很高兴宣布，Muse Spark 1.1现已在@OpenRouter向位于美国的开发者开放。

我们期待看到社区构建出什么样的作品。

在Kimi K3之后，开源权重模型再次拉近了和前沿模型的距离，我很好奇政府是否会允许Anthropic和OpenAI加快他们的发布节奏。

Mythos在4月发布（早于Opus 4.7），这意味着Fable 5已经是一款「更旧」的模型了。

生物安全领域正在快速发展。为了在未来疫情暴发中保持领先，我们正与@IsomorphicLabs合作，阐述我们的生物弹性建设方案。

以下是我们如何部署前沿人工智能，为全球健康构建主动防御体系→

这是我关于 Kimi K3 的笔记，以及我对 pelican benchmark 的一些思考：即使它和模型在真正重要的事情上的表现进一步脱节（比如长对话中的智能体工具调用），我们依然能从中学到东西。

我们需要一个开放的记忆标准。OKF（Open Knowledge Format）就是这样一种标准。

我很高兴地宣布，我们现在已经在 OpenWiki 中使用它了。

我看好开放模型。按照这个速度，直接对比不同模型甚至都没有意义了。而我的看法似乎是对的。到年底我们可能就会有一个权重开放的 Fable/Mythos 5 级模型。

但不要分心，过度依赖单一模型是糟糕的策略。正确的做法是组合使用多个模型。

我现在选择使用哪些模型，依据的是它们能解决什么问题，以及它们的效果和效率。没有任何单一基准能衡量这个。

因此，在你自己的测试框架和工作流中进行私人评估，才是唯一靠谱的方法，能帮你弄清楚，如果你排除了榜单前十名外的模型，会损失多少潜力。

当你开始融合不同模型的能力后，真正重要的结果差异其实不会有多大变化。很少有人知道这一点。

我这么说是因为，如果你只依赖一个模型，或者只依赖这个榜单上的第一名，你就大错特错了。

不同模型之间的能力差距已经大幅缩小，而这个趋势在未来几个月还会加速。

这是一份非常值得推荐的自我改进智能体系统综述。（建议收藏）

自我改进智能体正从研究演示阶段步入落地部署的系统。

这份综述将现代智能体定义为「基础模型搭配运营框架」，然后将自我改进形式化为一个自诱导的更新算子，可对二者中的任意部分提交修改。

论文链接：

来我们的学院学习如何构建有效的 AI 智能体：

@Box 如何为 Box Agent 使用 Deep Agents 中间件：

1️⃣引用生成：答案流式输出与引用生成并行进行，避免打断用户体验

2️⃣Prompt 缓存：在多轮对话中注入缓存，降低成本与延迟

3️⃣上下文管理：对话历史超过 170k tokens 后自动总结，防止上下文溢出

Kimi K3 是目前表现最好的模型，领先于 Fable，能在更短时间内达到与之相当的成功率。

这是开源模型首次在这项综合性网络工程基准测试中领先所有闭源模型。

备注：
▪️ 基准测试并不总能说明全部情况，尽管这是一个重要信号，它进一步证明，对开源模型而言，这可能是一个突破性时刻。
▪️ 目前还没有模型在这套测评上达到100%完成率。表现最佳的模型峰值为92%，“在获得帮助的情况下”为96%。

这是一份非常值得推荐的自我改进智能体系统综述。（建议收藏）

自我改进智能体正从研究演示阶段步入落地部署的系统。

这份综述将现代智能体定义为「基础模型搭配运营框架」，然后将自我改进形式化为一个自诱导的更新算子，可对二者中的任意部分提交修改。

论文链接：

来我们的学院学习如何构建有效的 AI 智能体：

这是我关于 Kimi K3 的笔记，以及我对 pelican benchmark 的一些思考：即使它和模型在真正重要的事情上的表现进一步脱节（比如长对话中的智能体工具调用），我们依然能从中学到东西。

Kimi K3 基准测试结果已发布，它的性能处于 Fable/Sol 层级。
这是首个达到前沿水平的开源 3T 量级模型，在编码、推理、智能体工作流和视觉能力上均表现出色。

• 2.8T 参数 MoE 模型
• 1M token 上下文窗口
• 原生视觉支持
• 强大的智能体编码与终端工作流
• 长周期软件工程能力
• 基于浏览器的研究与知识工作
• 全新 Kimi Delta Attention (KDA) + Attention Residuals 架构
• 预计本月晚些时候开放权重

完整模型权重预计将于 2026 年 7 月 27 日前发布。

今天我们要为 managed agents 推出全新成本控制功能，一个可供所有人体验的免费层级，还有我们的第一批触发器，让你可以按计划启动代理任务！

看到 Gemini API 里的 managed agents 每周都在持续进步，真的太赞了。

我们需要一个开放的记忆标准。OKF（Open Knowledge Format）就是这样一种标准。

我很高兴地宣布，我们现在已经在 OpenWiki 中使用它了。

我们听到了大家的呼声，很高兴宣布，Muse Spark 1.1现已在@OpenRouter向位于美国的开发者开放。

我们期待看到社区构建出什么样的作品。

OpenAI 刚刚推出了一款售价 230 美元的 AI 智能体指挥中心。

智能体状态灯，工作流程操纵杆，推理强度调节旋钮。它叫做 Codex Micro。

每个 Agent Key 都用实时 RGB 灯光显示你的智能体处于哪种状态：思考中、运行中、等待中、已完成。你不用切换聊天界面就能监控整支智能体团队。

拨一下操纵杆就能立刻触发 Codex 工作流：
- 评审 PR
- 调试错误
- 重构代码
不用再翻找菜单。

它还给 Codex 的核心操作提供了实体按键：接受、拒绝、按下通话、开启新聊天。更少切换，更多产出。

最疯狂的设计在这里……你可以转动实体旋钮来调节智能体的推理水平。简单任务就保持快速模式，复杂工作就拉满脑力。

由 OpenAI 与 Work Louder 合作打造。支持蓝牙 + USB-C，兼容 Mac + Windows，配定制 Codex 键帽。售价 230 美元。

AI 智能体正式走出屏幕，来到你的桌面上了。

生物安全领域正在快速发展。为了在未来疫情暴发中保持领先，我们正与@IsomorphicLabs合作，阐述我们的生物弹性建设方案。

以下是我们如何部署前沿人工智能，为全球健康构建主动防御体系→

很荣幸能为 @cursor_ai 的生产环境提供推理能力支持。

祝贺团队达成又一个里程碑，我们十分期待在合作不断推进的过程中，继续与你们共同开发。

@Kimi_Moonshot 推出的 Kimi K3 是一个真正的前沿开源模型！恭喜！

我们目前还没有拿到全部细节（训练 token 数等），但可以估算：用 muon 做 fp16 预训练，SFT 阶段转为 MXFP4/MXFP8，总 FLOPs 约为 1e25（和 Inkling 差不多！）。总成本在 1500 万到 2500 万美元之间。

原来不只有规模才有用！

顺便一提，Kimi K3 是约 3T 参数、支持 1M 上下文窗口的模型。

我确实认为，对于任何给定任务，你都总能把通用模型/智能体框架提炼成专用模型/框架/工作流，来获得更高准确率和更低成本。

数据和任务领域越窄，优化性能的空间就越大（更不用说对比聊天界面，它能提供更有针对性的用户体验）。随着智能体的自我改进能力越来越强，我认为你可以开始自动完成这种提炼——只需要定义顶层目标和评估标准，而不需要通过代码或自然语言把工作流编纂出来。

从闭源模型切换到开源模型可将成本降低 60 倍。这就是 AI 经济学的核心逻辑。

我认为 Google 避开了这个陷阱，但这就是 Meta 和 Llama 4、xAI 在 Grok 4 之后遭遇的情况。

迄今为止，唯一一家避开了「下一个巨型模型令人失望陷阱」、且领先地位没有遭遇重大挫折的公司是 OpenAI，就是推出 Orion/GPT-4.5 的那次。

美国实验室最终会蒸馏出中国模型。

https://www.kimi.com/en
Kimi K3 智能、性能与价格分析：https://artificialanalysis.ai/models/kimi-k3

社区讨论：用户分享了K3的定价信息，1M tokens输入价格3美元输出15美元缓存0.3美元，和Anthropic Sonnet定价一致，虽然对国产开放权重模型来说价格极高，但如果性能能对标当前前沿模型，定价是合理的。有开发者实测调用生成内容，称这是自己用过最贵的国产模型推理。有人担忧原定开放权重的承诺生变，目前官方已经删掉了相关描述，也未公布激活参数量，按这个定价来看未必会真的开放权重。还有用户提醒，月之暗面的服务条款允许用用户API调用内容训练模型。

社区讨论：多数使用者认可大模型提升工作效率与质量的实际价值，同时认可批评者指出的部分问题。有人担忧长期使用大模型会造成大脑与专业能力退化，也有人指出作者一边批评大模型的环境成本与立场偏向，一边花费一万美元月费使用大模型前后矛盾，还有开发者疑惑普通开发用不了这么多token，另有观点提到现在大模型降低了内容生成门槛，让低质量垃圾内容更容易传播。

社区讨论：多数评论认为，检测AI生成文本本质是军备竞赛，当前方法只能抓住大模型的临时特征，无法长期稳定检测，本质和塔罗牌占卜一样不可靠。有人提出，检测论文这类文本时，哪怕只有少量假阳性，也会给原创作者造成难以挽回的伤害。也有人提到，对个人筛选垃圾文本来说， imperfect的低成本工具就够用，还提出可以做成类似广告拦截的浏览器扩展。

社区讨论：有用户提醒，这款Bionic应用和LM Studio本身都是闭源软件，多数人并不了解这一点。有用户质疑，相比其他开源大模型适配框架，这款产品没有明显优势。也有用户点出，它面向企业打包了全套服务，能满足企业对成本和数据安全的管控需求，还有用户提出隐私疑问，担心连接前沿云端模型时，产品承诺的不保留数据政策不适用。

社区讨论：多数用户不满Google产品表现，有人称Google坐拥技术和基建优势，AI产品却落后于Anthropic和OpenAI，因此降级Gemini订阅转用Claude。不少人吐槽Google内部常因团队内耗整合产品，改名往往是产品变糟乃至被砍的前兆，有人直接调侃这个新产品很快会进入killedbygoogle.com名单。也有人认为此次改名符合品牌统一逻辑，更利于大众识别。

部分用户分享了使用需求，有人想要能正确发音数学公式的科学论文语音概览工具，不满当前双人口播格式。

社区讨论：多数用户认为本次生成的AI音乐视频质量很差，存在过度贴合歌词、画面与音乐不同步、细节破绽多等问题，目前仅百元成本的效果还远达不到取代独立创作者的程度。有用户认为基于代码的运动AI视频比提示词生成的叙事视频效果更好，也有一名用户认为当前效果已经比普通音乐视频更有意思，还有用户提到仍需要创作者对AI生成内容进行剪辑筛选。

过去12个月我们没能做到最好，这主要是我的错，但我们即将迎来有史以来最好的12个月。

团队正在做出色的工作，我认为你们会对他们正在为你们筹备的成果感到非常满意。

我为此感到高兴有很多原因，但最主要的原因是我在乎我们的用户取得成功。

AI必须要给更多人带来更多自由、自主权和财富。

我们想做正确的事，但我们不想通过吓唬人来让别人追随我们的做法。

我看好开放模型。按照这个速度，直接对比不同模型甚至都没有意义了。而我的看法似乎是对的。到年底我们可能就会有一个权重开放的 Fable/Mythos 5 级模型。

但不要分心，过度依赖单一模型是糟糕的策略。正确的做法是组合使用多个模型。

我现在选择使用哪些模型，依据的是它们能解决什么问题，以及它们的效果和效率。没有任何单一基准能衡量这个。

因此，在你自己的测试框架和工作流中进行私人评估，才是唯一靠谱的方法，能帮你弄清楚，如果你排除了榜单前十名外的模型，会损失多少潜力。

当你开始融合不同模型的能力后，真正重要的结果差异其实不会有多大变化。很少有人知道这一点。

我这么说是因为，如果你只依赖一个模型，或者只依赖这个榜单上的第一名，你就大错特错了。

不同模型之间的能力差距已经大幅缩小，而这个趋势在未来几个月还会加速。

在Kimi K3之后，开源权重模型再次拉近了和前沿模型的距离，我很好奇政府是否会允许Anthropic和OpenAI加快他们的发布节奏。

Mythos在4月发布（早于Opus 4.7），这意味着Fable 5已经是一款「更旧」的模型了。

“专用智能会成为护城河。”

这是一个非常明确的信号：更多公司和开发者想要拥有自己的智能。

这是面向未来的正确AI战略。

借助自我进化的AI，构建专用模型正在快速普及化。

Frontendmaxxing 将会成为新的迎合追捧：让你的模型在网上收获大量喜爱的最简单方法，就是用它构建出好看的网站、出色的 SVG，还有很棒的 3js 场景。

这些内容比后端代码或是复杂分析分享性强太多了。

到这个地步，我和 ChatGPT 说话比打字还多了。新语音模型真的跨过了一个临界点。

@Box 如何为 Box Agent 使用 Deep Agents 中间件：

1️⃣引用生成：答案流式输出与引用生成并行进行，避免打断用户体验

2️⃣Prompt 缓存：在多轮对话中注入缓存，降低成本与延迟

3️⃣上下文管理：对话历史超过 170k tokens 后自动总结，防止上下文溢出

在赛车运动中，微小的差距决定成败。AI可以帮助车队找到这些差距。

OpenAI 的 Joyce Ruffell 和 @RaceTekSystems 联合创始人 @GarageGuyChase 和 @AndrewMayne 讨论了，赛车车队如何利用 AI 将赛道数据转化为更快的决策——内容涵盖我们与 Chip Ganassi Racing 的研究合作，以及我们用 ChatGPT 和 Codex 构建新工具的过程。

收听 OpenAI Podcast：Spotify Apple YouTube

Kimi K3 是目前表现最好的模型，领先于 Fable，能在更短时间内达到与之相当的成功率。

这是开源模型首次在这项综合性网络工程基准测试中领先所有闭源模型。

备注：
▪️ 基准测试并不总能说明全部情况，尽管这是一个重要信号，它进一步证明，对开源模型而言，这可能是一个突破性时刻。
▪️ 目前还没有模型在这套测评上达到100%完成率。表现最佳的模型峰值为92%，“在获得帮助的情况下”为96%。