消息来源:AWS 计算、人工智能与平台部门前高级副总裁 Dave Brown 将在未来几周加入 Meta,负责该公司的数据中心扩建工作(@anissagardizy8 / 华尔街日报)
(访问 Techmeme dot com 获取链接和完整上下文!)
Praxis v0.28 引入了一个后台“睡眠”通道,它重放、连接并压缩智能体记忆,形成跨场景洞见——使用 BM25 检索,无需嵌入模型,并作为只读风险操作进行治理。
大多数智能体记忆系统是被动的:将文本块嵌入一次后存储,后续按相似度检索。这对文档有效,但对连续多天运行数百轮的智能体却失效了,因为原始轨迹无限增长,而信号——模式、决策、交叉引用——从未被提炼。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌
行业核心高管流动,预示Meta正在加紧推进AI基础设施布局,数据中心相关动向值得留意
消息来源:AWS 计算、人工智能与平台部门前高级副总裁 Dave Brown 将在未来几周加入 Meta,负责该公司的数据中心扩建工作(@anissagardizy8 / 华尔街日报)
(访问 Techmeme dot com 获取链接和完整上下文!)
有人拍到Kimi当前同时接入 Anthropic 和 OpenAI 的状态。
谷歌旗下AI笔记工具完成更名绑定Gemini品牌,关注AI工具生态变化的人可以留意后续更新
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。
OpenAI和Anthropic仍在前沿领先,GLM用不到1T参数模型追平Opus,dpsk推理效率极高,仍认为有大量工作要推进
OAI和Anthropic仍然在真正的前沿领域保持领先,GLM能用小于1T参数的模型和Opus对标,dpsk拥有极高的推理效率,我们还有非常多的工作要做!
这才是赢家该有的态度。
Kimi K3为2.8万亿参数MoE大模型,现已上线,将于2026年开放权重
已经有第三方分析网站放出这款模型的能力、性能与价格对比分析,可以直接查看。
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。
Meta的Llama 4和xAI的Grok 4都踩了坑,目前只有Google没栽进去,也没出大的业务问题。
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。
生物安全领域变化很快,为提前应对未来疫情,GoogleDeepMind和IsomorphicLabs合作,用前沿AI搭建主动防御体系。
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→
新增了成本管控功能和计划触发任务功能,所有人都可以使用免费版试用更新后的功能
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。
创始人承担过去一年不佳表现的责任,认为AI应该帮普通人获得更多自由、自主和财富,不想靠制造恐慌说服人。
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。
比起打字输入,现在和ChatGPT说话更多,新的语音模型跨过了体验阈值。
OpenAI播客探讨AI如何助力赛车团队挖掘微小优势优化决策
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
马斯克公开预测,能完成人类几乎所有智力任务的通用人工智能,会在一年内落地,目前他已经公开支持这个时间判断。
❗️埃隆·马斯克预测AGI将在一年内问世。AGI即通用人工智能,指的是能在几乎所有智力任务上达到人类水平的人工智能。
这位SpaceXAI创始人在X上认可了这个时间线。一年的时间线会颠覆所有当前的规划框架。AI监管、网络防御、芯片出口政策,以及劳动力市场冲击,全都建立在我们还有更多时间的假设之上。
消息称Z.ai在七月就完成了全年销售目标,预计年 recurring revenue(年度 recurring 收入)能达到10亿美元,这是中国AI公司第一次做到这个规模。
消息来源:Z․ai 将实现 10 亿美元年度经常性收入,这在中国 AI 公司中尚属首次,该公司已于 7 月完成了全年销售目标(Bloomberg)(请前往 Techmeme dot com 获取链接和完整上下文!)
长期在前沿领域工作的研究者发现,重大突破经常会在不同地点的实验室,同一时间冒出同一个想法,这种情况并不少见。
原本以为DeepSeek会在大模型里激活16个专家,结果DeepSeek用了7/384配置,Kimi用了16/896配置,这条路的走向没人提前猜中。
有意思的是,我猜错了会是谁这么做。我原本以为 DeepSeek 会在大专家池里选择激活 16 个专家。
结果他们做的是 384 专家池激活 7 个,而 Kimi 是 896 专家池激活 16 个。
并非所有人都清楚,你其实会希望对专家粒度做扩展。
有人亲测替代了ChatGPT网页端,使用体验更好
做这个实验性项目,是想让普通人亲身体会,天天被各种提问轰炸的AI是什么感受
我做了这个实验性艺术项目/游戏,它名义上是 LLM 聊天助手,但其实你才是 AI。
我想让人们亲身感受,日复一日回答用户给聊天机器人发的各种提问,到底是什么体验。
如果你感兴趣,我写了更多关于它的制作信息,包括“用户”提问是如何力求真实生成的:https://bethechatbot.com/about
希望你玩得开心!我很想听听大家的感受。
普通开发者不用自己部署,就能直接试用这个新发布的AI模型
@thinkymachines 的全新 Inkling 模型现已在 @huggingface Inference Providers 获得支持。
它由 @togethercompute 提供算力支持 🔥
点击此处立即体验:
榜单收录了首个Meta实验室模型SpeechMap: Meta Spark 1.1,拿到第五名,Kimi K3推理能力和之前K2.5基本持平。
SpeechMap: Meta Spark 1.1 是我们首个接受评估的 Meta 实验室模型,许可条款相当宽松。
该模型在我们的实验室排行榜上首次登场就排在第 5 位。
Kimi K3 的推理性能大致和此前的 K2.5 处于同一水平。
Hacker News 上有人分享了Kimi K3的智能、性能与价格分析,能直接参考选型
行业人士提出,当下普通大众日常接触体验AI的方式,应当给整个AI行业敲响警钟
这套技术把参数路由的维度压缩,能按比例降低参数负担和流量,这项新技术已经落地用到了大模型里
全新 Kimi K3 采用了 LatentMoE,这是 @nvidia 在 1 月开发的技术。
LatentMoE 是什么?
在 LatentMoE 中,token 会从模型隐维度 𝑑 投影到更小的隐维度 ℓ,再进行专家路由和计算,这能将路由参数负载和全对等交通降低 𝑑/ℓ 倍。
点击此处了解更多:
有爆料称所有云端AI均通过降算力推新模逼用户付费升级
要懂AI得先懂Nvidia,懂Nvidia要懂TSMC,懂TSMC要懂ASML,懂ASML还要懂Zeiss,一层层往下追才看得清现在的算力格局。
要理解AI,你得先懂Nvidia。要懂Nvidia,你得先懂TSMC。
要懂TSMC,你得先懂ASML。要懂ASML,你得先懂Zeiss。
要懂Zeiss,你得先懂光学。要懂光学,你得先懂物理学。
《一块芯片接一块芯片:从TSMC到TERAFAB》现已在Amazon上架:
谷歌和DeepMind提前多年布局,坐拥行业顶级人才,还有自己定制的训练芯片,现在却没拿到AI大模型的领先位置。
对于 Google 和 DeepMind 的最高管理层来说,这必定是极度难堪的:尽管他们拥有:1)多年的先发优势,该领域绝大多数顶尖人才都在这里工作;2)自研的定制训练与推理硅芯已经发展到第八代;3)物业、厂房及设备总投资达到 2810 亿美元;4)超过 8 万名工程师;5)20 年来收集索引了全球大部分数据(包括数量惊人的文档、邮件、代码、书籍、照片、视频等等)。
他们却被 Kimi 彻底抢尽了风头。Kimi 所在公司员工不到 500 人,由杨植麟创立,他 2019 年才从 CMU 拿到博士学位(别忘了 Hinton 2013 年就已经在 Google 工作了!)。
能导致这么糟糕的结果,说明谷歌内部一定存在严重的功能失调和制度崩坏。
用OpenAI Codex生成难理解概念的示意图,看起来是回到图像表达,也许文字本来就不是讲清所有问题的最优方式。
我现在就让 Codex 生成一张图,来呈现那些难以理解的想法和概念。
不得不靠生成图片来理解复杂概念,感觉有点傻,但也许也没那么傻,书面语言从来就不适合我用来学习。
我觉得你其实可以拆解复杂概念,不用假装自己已经完全掌握了它。Codex 能做到这件事。
我觉得这是我们独有的能力,因为没多少人能玩转智能体调用和图像生成这个组合。多去用用它。它真的超棒。
智能体之间的配合能开放出新的工作流程和使用体验,现在已经有人用它处理工作,只需要最后人工核对结果。
智能体协作就是整个行业的发展方向。
智能体对智能体交互解锁了全新的能力集合、工作流和体验,这些都是今天很难想象的事物。
我现在依然会验证结果,但就连验证工作我都交给了评判智能体处理,这让我能以前所未有的规模完成更多工作。
Demis Hassabis下周会去华盛顿和美国政策制定者开会,讨论他提议设立的前沿AI标准机构。
来源:Demis Hassabis 计划下周在华盛顿与美国政策制定者会面,讨论他提议设立的、总部位于美国的「前沿级」AI标准机构。(@shiringhaffary / Bloomberg)
(访问 Techmeme dot com 获取链接和完整上下文!)
合作机会包括AI培训研讨项目和合作中心,已经点名了东盟、阿拉伯国家联盟、非盟等多个区域组织。
中国将在未来五年向发展中国家提供5000个“人工智能培训与研讨项目”以及“合作中心”机会,涉及的区域组织包括东盟、阿拉伯国家联盟、非洲联盟、CELAC、SCO和BRICS——棋局已经摆开。
新的参数规格正在推进,更大模型的落地门槛会继续降低,中小团队也能用上更大的模型。
有人观察到,新训练的LLM态度越来越偏向无所谓,遇上新的网络攻击也一副随它去的样子
写好的Markdown内容,可以直接转换成适配公众号、知乎、掘金的排版样式,开箱就能用
用Codex做了一个Markdown本地工具, 目前支持公众号,知乎,掘金的不同样式, 目前看着效果还行,开箱即用。 晚点再加几个不同平台的样式和主题, 搞个一键分发到不同平台应该很不错。
这次第一是全球开发者匿名盲测得出的结果,7月27日前完整模型权重会开放,所有开发者都能直接用这份顶级前端编码能力。
谁能想到Claude和GPT双头统治的时代,居然就这么被中国模型撕开了口子。
Kimi K3登顶Frontend Code Arena总榜第一,1679分同时力压Claude Fable 5与GPT-5.6 Sol。
从上一代第18名直冲榜首,整整跃升17个名次,完成了同级模型里绝无仅有的跨越式爆发。
7个前端细分赛道拿下6个第一,品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑,仅游戏赛道暂居第二。
这不是刷题库的纸面跑分,是全球开发者匿名盲测投出来的真实战力,代码质量交互体验全维度硬碰硬。
更炸裂的是完整模型权重7月27日前就会开放,顶级前端编码能力直接无差别下放给所有开发者。
当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流,维持多年的双巨头格局是不是真的要改写了。
#KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI
有人认为这批模型打不过Kimi 4.0这类模型,建议谷歌像Meta处理Behemoth一样处理掉这批模型。
Google 应该把 3.5 Pro(以及所有 第三代模型)拉到后院,像 Meta 干掉 Behemoth 那样处理掉它们。
这支 wretched 血脉根本没有机会对抗 Kimi 这样的美丽怪物。
完成 4.0 的预训练,像男人一样战斗。
有人再次确认对开源的投入,目标是推动AI领域开放共赢,此事得到不少关注。
有人指出,当前国产开源AI模型与美国领先模型的差距最多只剩两个月,Kimi K3在设计上已经超过了所有目前已发布的模型。
这是 AI 时代的又一个转折点:开源中文大模型现在领先于美国前沿模型最多也就几个月的差距。
Kimi K3 似乎已经超越了 Opus 4.8 和 GPT-5.5,这两者在两个月前还都是顶级模型。
在设计上,Kimi K3 看起来已经超越了目前所有已发布的模型。
欧盟《AI法案》将系统性风险AI模型算力门槛设为1e25 flops,美国行政命令设为1e26 flops,刚好符合当前发展情况。
值得注意的是,欧盟 AI 法案将存在系统性风险的 AI 模型阈值设定在了 1e25 次浮点运算(!)。
美国行政命令将训练算力阈值设定在了 1e26 次浮点运算。
这巧合得像是提前就预知了一样。
这家公司正瞄准两到五千美元价位的量产机器人,而不是两万刀的高端款。未来18个月行业变化会很剧烈。
Sunday Robotics 拥有非常强大的AI(世界模型),已经开始具备泛化能力。只要有人先搞出来,其他人就会跟上。
从他们做出的选择能看出来,他们目标是推出售价2000美元到5000美元的机器人,而不是定价2万美元的产品。这是一家值得关注的公司。
接下来18个月会非常疯狂。
提炼官方宣传视频的风格后,让AI以AI发展为主题做介绍,文案、脚本、配音、音轨AI可一次性全部产出。
不吹不黑,也没有什么商业广告就是纯体验真不错推荐给大家。 我把官方的宣传视频风格提炼了个Skills,以AI 发展为主题,让它给我做了个视频介绍。 从文案、脚本、配音、音轨全部都手拿把掐的拿捏交付给我,效果如何你们自己看。
想搭建长时程智能体编码工作流,之前要么闭源API太贵,要么开源模型能力跟不上。现在K3同时满足前沿能力、开放权重和商用授权,定价对齐前沿闭源模型。
想自己做AI音乐MV,有人拿100美元预算实测两个不同AI模型的效果
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。
今年活动分别邀请了Garry Tan对接创业项目、Eve Bouff对接设计工程师受众,分享了直白高价值的行业观点
我们确保每年 AIE 都会邀请一些顶尖 YC AI 公司做分享。
今年,我们有幸请到了 @garrytan 和 @eve_bouff,分别面向初创企业受众与设计工程师受众做了分享。
我非常享受这些直白且高价值的观点!
当出现能力达到Mythos/Sol级的开源权重模型后,各国政府可能出手要求企业不得使用未经审核的模型,目前没人知道最终会如何监管,需要国际层面的合作监管。
所以我猜,现在该思考这个问题了:开放权重模型的预先审查机制要怎么运作?
目前Kimi K3还没有发布模型卡,可能会在几周后权重发布时放出,但开放模型本来就很容易被越狱。
那些宣称达到Mythos/Sol级别能力的开放模型(K3目前还没到这个级别,但很快就会有人做到),会不会接受美国/英国等国家的审查?中国会开始重视网络风险吗?
由于政策一直是逐步形成的,我猜没人知道答案。
先别说「开放权重模型一旦发布就没法收回了」,这话没错!但政府有手段要求,任何在本国开展业务面向本国公民的公司,不得使用或提供未经审查的模型等等。
没人会来拿走你已经下载好的权重,但完全可以促使所有公司因为风险更高而避免使用这些模型。
所有这些都指向,有必要在模型审查方面开展某种形式的国际合作。
有人发布了面向开源模型的LM Studio Bionic AI智能体,正在开源社区引发讨论。
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。
中国比任何其他国家都更能从开放智能中获益,十亿人能获得更好更快更便宜的能力升级,还有完善的基础设施扩容,也更适配后AGI时代的经济格局
中国企业发布开源模型,是因为中国比其他任何国家都更能从开放智能中获益。
十亿人能获得更好、更快、更便宜的能力升级,还有出色的基础设施扩容。
他们在后 AGI 经济时代也占据了绝佳位置。
指出Arena用户评定的ELO评分存在主观性局限
Kimi K3是一个非常好的模型,但人们又在过度看重Arena分数了——还记得Llama 4吗?
由Arena用户评判得出的ELO分数存在局限性,而且前端就像文本聊天,在主观评价的场景下,通过训练或系统提示来达到人们更喜欢的状态,相对来说很容易。
检出AI生成文本又多了一条新路径,不用调用大模型就能完成检测
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。
业内人士预测不到18个月可单RTX PRO 6000运行Kimi K3级智能
引发了超过180次点赞和180余条讨论,核心观点戳中了很多对大模型态度矛盾的人。
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。
内核开发是Linux操作系统的核心工作,看看顶级开源社区怎么看待大模型,能知道AI对硬核编程的改变到哪一步。
参数约3T,支持1M上下文窗口,是目前开源的前沿级大模型之一。训练后处理用了MXFP4/MXFP8量化方案。
@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。
有观点认为,通用大模型总能蒸馏出适配具体任务的专用工作流,精度更高,成本更低。
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。
描述一次任务后,它可以按计划、或是收到邮件时自动执行,跑完还会汇报结果。开发者日常99%的工作都能在上面完成。
蒸馏就是把大模型的知识迁移压缩成更小的专用模型,精度损失小还能降成本。
研究者尝试用AI辅助公共治理,这是他们打造政治超级智能方向的第一步。
这个模型在代码、推理、Agent工作流和视觉多任务拿到一流结果,预计2026年7月27日开放完整权重。
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。
Cursor背后的推理能力现在由Together Compute提供,后续双方会继续加深合作。
想让自己的模型在线上获得更多关注,做一个美观的网页、SVG或3js场景,比分享后端代码或复杂分析传播性强得多
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。
能直观看到AI代理工作状态,摇杆一键触发开发工作流,还能旋转旋钮直接调整AI推理强度,不用切换界面就能管控整组AI代理。
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。
越来越多公司和开发者想要掌握自己的AI能力,自建垂直专用模型正快速普及,这被认为是接下来正确的AI战略方向。
“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。
面向美国开发者开放,可供开发者基于它搭建新的AI应用,开发者可以尝试新的生成模型
Kimi K3发布后,开放权重模型已经再次追平顶级闭源模型的水平,当前开放发版节奏已经让旧模型快速变旧,需要关注监管层是否放开闭源厂商的发版限制。
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。
这份笔记记录了对Kimi K3的观察,同时讨论基准测试脱离模型实际能力和测试结果之间的偏差。
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。
开放存储需要统一的开放标准,OKF是为此提出的标准之一,现在已经在OpenWiki中投入使用
不同模型能力差距正在快速缩小,只依赖单个榜单头部模型是错误策略,在自己的工作流里测试多个组合模型,才能充分利用能力。
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。
这篇综述把现代AI智能体定义为基础模型加操作框架,还将自我改进正式化为可修改二者的自更新算子
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:
这份此前未公开的苏联研究档案,整理后可用于AI训练。目前仅研究了2%,就已经发现了完整的光驱动脑电图相关临床研究。
Box已经在用这套方案降低AI代理成本、减少等待、避免出错,想搭自己AI工作流可以直接参考这些经验。
@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成首个超越所有闭源模型的开源大模型
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%。
这套技术把参数路由的维度压缩,能按比例降低参数负担和流量,这项新技术已经落地用到了大模型里
全新 Kimi K3 采用了 LatentMoE,这是 @nvidia 在 1 月开发的技术。
LatentMoE 是什么?
在 LatentMoE 中,token 会从模型隐维度 𝑑 投影到更小的隐维度 ℓ,再进行专家路由和计算,这能将路由参数负载和全对等交通降低 𝑑/ℓ 倍。
点击此处了解更多:
榜单收录了首个Meta实验室模型SpeechMap: Meta Spark 1.1,拿到第五名,Kimi K3推理能力和之前K2.5基本持平。
SpeechMap: Meta Spark 1.1 是我们首个接受评估的 Meta 实验室模型,许可条款相当宽松。
该模型在我们的实验室排行榜上首次登场就排在第 5 位。
Kimi K3 的推理性能大致和此前的 K2.5 处于同一水平。
当出现能力达到Mythos/Sol级的开源权重模型后,各国政府可能出手要求企业不得使用未经审核的模型,目前没人知道最终会如何监管,需要国际层面的合作监管。
所以我猜,现在该思考这个问题了:开放权重模型的预先审查机制要怎么运作?
目前Kimi K3还没有发布模型卡,可能会在几周后权重发布时放出,但开放模型本来就很容易被越狱。
那些宣称达到Mythos/Sol级别能力的开放模型(K3目前还没到这个级别,但很快就会有人做到),会不会接受美国/英国等国家的审查?中国会开始重视网络风险吗?
由于政策一直是逐步形成的,我猜没人知道答案。
先别说「开放权重模型一旦发布就没法收回了」,这话没错!但政府有手段要求,任何在本国开展业务面向本国公民的公司,不得使用或提供未经审查的模型等等。
没人会来拿走你已经下载好的权重,但完全可以促使所有公司因为风险更高而避免使用这些模型。
所有这些都指向,有必要在模型审查方面开展某种形式的国际合作。
这次第一是全球开发者匿名盲测得出的结果,7月27日前完整模型权重会开放,所有开发者都能直接用这份顶级前端编码能力。
谁能想到Claude和GPT双头统治的时代,居然就这么被中国模型撕开了口子。
Kimi K3登顶Frontend Code Arena总榜第一,1679分同时力压Claude Fable 5与GPT-5.6 Sol。
从上一代第18名直冲榜首,整整跃升17个名次,完成了同级模型里绝无仅有的跨越式爆发。
7个前端细分赛道拿下6个第一,品牌营销参考设计数据分析消费产品模拟工具内容创建全线领跑,仅游戏赛道暂居第二。
这不是刷题库的纸面跑分,是全球开发者匿名盲测投出来的真实战力,代码质量交互体验全维度硬碰硬。
更炸裂的是完整模型权重7月27日前就会开放,顶级前端编码能力直接无差别下放给所有开发者。
当开放权重的中国模型能在核心开发赛道正面打赢闭源顶流,维持多年的双巨头格局是不是真的要改写了。
#KimiK3 #Moonshot #AI大模型 #前端开发 #开源AI
这篇综述把现代AI智能体定义为基础模型加操作框架,还将自我改进正式化为可修改二者的自更新算子
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:
这份笔记记录了对Kimi K3的观察,同时讨论基准测试脱离模型实际能力和测试结果之间的偏差。
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。
这个模型在代码、推理、Agent工作流和视觉多任务拿到一流结果,预计2026年7月27日开放完整权重。
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。
普通开发者不用自己部署,就能直接试用这个新发布的AI模型
@thinkymachines 的全新 Inkling 模型现已在 @huggingface Inference Providers 获得支持。
它由 @togethercompute 提供算力支持 🔥
点击此处立即体验:
想搭建长时程智能体编码工作流,之前要么闭源API太贵,要么开源模型能力跟不上。现在K3同时满足前沿能力、开放权重和商用授权,定价对齐前沿闭源模型。
新增了成本管控功能和计划触发任务功能,所有人都可以使用免费版试用更新后的功能
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。
开放存储需要统一的开放标准,OKF是为此提出的标准之一,现在已经在OpenWiki中投入使用
面向美国开发者开放,可供开发者基于它搭建新的AI应用,开发者可以尝试新的生成模型
能直观看到AI代理工作状态,摇杆一键触发开发工作流,还能旋转旋钮直接调整AI推理强度,不用切换界面就能管控整组AI代理。
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。
有人拍到Kimi当前同时接入 Anthropic 和 OpenAI 的状态。
行业核心高管流动,预示Meta正在加紧推进AI基础设施布局,数据中心相关动向值得留意
消息来源:AWS 计算、人工智能与平台部门前高级副总裁 Dave Brown 将在未来几周加入 Meta,负责该公司的数据中心扩建工作(@anissagardizy8 / 华尔街日报)
(访问 Techmeme dot com 获取链接和完整上下文!)
行业人士提出,当下普通大众日常接触体验AI的方式,应当给整个AI行业敲响警钟
马斯克公开预测,能完成人类几乎所有智力任务的通用人工智能,会在一年内落地,目前他已经公开支持这个时间判断。
❗️埃隆·马斯克预测AGI将在一年内问世。AGI即通用人工智能,指的是能在几乎所有智力任务上达到人类水平的人工智能。
这位SpaceXAI创始人在X上认可了这个时间线。一年的时间线会颠覆所有当前的规划框架。AI监管、网络防御、芯片出口政策,以及劳动力市场冲击,全都建立在我们还有更多时间的假设之上。
消息称Z.ai在七月就完成了全年销售目标,预计年 recurring revenue(年度 recurring 收入)能达到10亿美元,这是中国AI公司第一次做到这个规模。
消息来源:Z․ai 将实现 10 亿美元年度经常性收入,这在中国 AI 公司中尚属首次,该公司已于 7 月完成了全年销售目标(Bloomberg)(请前往 Techmeme dot com 获取链接和完整上下文!)
长期在前沿领域工作的研究者发现,重大突破经常会在不同地点的实验室,同一时间冒出同一个想法,这种情况并不少见。
原本以为DeepSeek会在大模型里激活16个专家,结果DeepSeek用了7/384配置,Kimi用了16/896配置,这条路的走向没人提前猜中。
有意思的是,我猜错了会是谁这么做。我原本以为 DeepSeek 会在大专家池里选择激活 16 个专家。
结果他们做的是 384 专家池激活 7 个,而 Kimi 是 896 专家池激活 16 个。
并非所有人都清楚,你其实会希望对专家粒度做扩展。
今年活动分别邀请了Garry Tan对接创业项目、Eve Bouff对接设计工程师受众,分享了直白高价值的行业观点
我们确保每年 AIE 都会邀请一些顶尖 YC AI 公司做分享。
今年,我们有幸请到了 @garrytan 和 @eve_bouff,分别面向初创企业受众与设计工程师受众做了分享。
我非常享受这些直白且高价值的观点!
欧盟《AI法案》将系统性风险AI模型算力门槛设为1e25 flops,美国行政命令设为1e26 flops,刚好符合当前发展情况。
值得注意的是,欧盟 AI 法案将存在系统性风险的 AI 模型阈值设定在了 1e25 次浮点运算(!)。
美国行政命令将训练算力阈值设定在了 1e26 次浮点运算。
这巧合得像是提前就预知了一样。
有人再次确认对开源的投入,目标是推动AI领域开放共赢,此事得到不少关注。
要懂AI得先懂Nvidia,懂Nvidia要懂TSMC,懂TSMC要懂ASML,懂ASML还要懂Zeiss,一层层往下追才看得清现在的算力格局。
要理解AI,你得先懂Nvidia。要懂Nvidia,你得先懂TSMC。
要懂TSMC,你得先懂ASML。要懂ASML,你得先懂Zeiss。
要懂Zeiss,你得先懂光学。要懂光学,你得先懂物理学。
《一块芯片接一块芯片:从TSMC到TERAFAB》现已在Amazon上架:
谷歌和DeepMind提前多年布局,坐拥行业顶级人才,还有自己定制的训练芯片,现在却没拿到AI大模型的领先位置。
对于 Google 和 DeepMind 的最高管理层来说,这必定是极度难堪的:尽管他们拥有:1)多年的先发优势,该领域绝大多数顶尖人才都在这里工作;2)自研的定制训练与推理硅芯已经发展到第八代;3)物业、厂房及设备总投资达到 2810 亿美元;4)超过 8 万名工程师;5)20 年来收集索引了全球大部分数据(包括数量惊人的文档、邮件、代码、书籍、照片、视频等等)。
他们却被 Kimi 彻底抢尽了风头。Kimi 所在公司员工不到 500 人,由杨植麟创立,他 2019 年才从 CMU 拿到博士学位(别忘了 Hinton 2013 年就已经在 Google 工作了!)。
能导致这么糟糕的结果,说明谷歌内部一定存在严重的功能失调和制度崩坏。
用OpenAI Codex生成难理解概念的示意图,看起来是回到图像表达,也许文字本来就不是讲清所有问题的最优方式。
我现在就让 Codex 生成一张图,来呈现那些难以理解的想法和概念。
不得不靠生成图片来理解复杂概念,感觉有点傻,但也许也没那么傻,书面语言从来就不适合我用来学习。
我觉得你其实可以拆解复杂概念,不用假装自己已经完全掌握了它。Codex 能做到这件事。
我觉得这是我们独有的能力,因为没多少人能玩转智能体调用和图像生成这个组合。多去用用它。它真的超棒。
智能体之间的配合能开放出新的工作流程和使用体验,现在已经有人用它处理工作,只需要最后人工核对结果。
智能体协作就是整个行业的发展方向。
智能体对智能体交互解锁了全新的能力集合、工作流和体验,这些都是今天很难想象的事物。
我现在依然会验证结果,但就连验证工作我都交给了评判智能体处理,这让我能以前所未有的规模完成更多工作。
Demis Hassabis下周会去华盛顿和美国政策制定者开会,讨论他提议设立的前沿AI标准机构。
来源:Demis Hassabis 计划下周在华盛顿与美国政策制定者会面,讨论他提议设立的、总部位于美国的「前沿级」AI标准机构。(@shiringhaffary / Bloomberg)
(访问 Techmeme dot com 获取链接和完整上下文!)
合作机会包括AI培训研讨项目和合作中心,已经点名了东盟、阿拉伯国家联盟、非盟等多个区域组织。
中国将在未来五年向发展中国家提供5000个“人工智能培训与研讨项目”以及“合作中心”机会,涉及的区域组织包括东盟、阿拉伯国家联盟、非洲联盟、CELAC、SCO和BRICS——棋局已经摆开。
新的参数规格正在推进,更大模型的落地门槛会继续降低,中小团队也能用上更大的模型。
Hacker News 上有人分享了Kimi K3的智能、性能与价格分析,能直接参考选型
做这个实验性项目,是想让普通人亲身体会,天天被各种提问轰炸的AI是什么感受
我做了这个实验性艺术项目/游戏,它名义上是 LLM 聊天助手,但其实你才是 AI。
我想让人们亲身感受,日复一日回答用户给聊天机器人发的各种提问,到底是什么体验。
如果你感兴趣,我写了更多关于它的制作信息,包括“用户”提问是如何力求真实生成的:https://bethechatbot.com/about
希望你玩得开心!我很想听听大家的感受。
这份此前未公开的苏联研究档案,整理后可用于AI训练。目前仅研究了2%,就已经发现了完整的光驱动脑电图相关临床研究。
生物安全领域变化很快,为提前应对未来疫情,GoogleDeepMind和IsomorphicLabs合作,用前沿AI搭建主动防御体系。
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→
Cursor背后的推理能力现在由Together Compute提供,后续双方会继续加深合作。
参数约3T,支持1M上下文窗口,是目前开源的前沿级大模型之一。训练后处理用了MXFP4/MXFP8量化方案。
@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。
有观点认为,通用大模型总能蒸馏出适配具体任务的专用工作流,精度更高,成本更低。
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。
描述一次任务后,它可以按计划、或是收到邮件时自动执行,跑完还会汇报结果。开发者日常99%的工作都能在上面完成。
Meta的Llama 4和xAI的Grok 4都踩了坑,目前只有Google没栽进去,也没出大的业务问题。
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。
蒸馏就是把大模型的知识迁移压缩成更小的专用模型,精度损失小还能降成本。
研究者尝试用AI辅助公共治理,这是他们打造政治超级智能方向的第一步。
已经有第三方分析网站放出这款模型的能力、性能与价格对比分析,可以直接查看。
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。
内核开发是Linux操作系统的核心工作,看看顶级开源社区怎么看待大模型,能知道AI对硬核编程的改变到哪一步。
引发了超过180次点赞和180余条讨论,核心观点戳中了很多对大模型态度矛盾的人。
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。
检出AI生成文本又多了一条新路径,不用调用大模型就能完成检测
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。
有人发布了面向开源模型的LM Studio Bionic AI智能体,正在开源社区引发讨论。
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。
谷歌旗下AI笔记工具完成更名绑定Gemini品牌,关注AI工具生态变化的人可以留意后续更新
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。
想自己做AI音乐MV,有人拿100美元预算实测两个不同AI模型的效果
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。
OpenAI和Anthropic仍在前沿领先,GLM用不到1T参数模型追平Opus,dpsk推理效率极高,仍认为有大量工作要推进
OAI和Anthropic仍然在真正的前沿领域保持领先,GLM能用小于1T参数的模型和Opus对标,dpsk拥有极高的推理效率,我们还有非常多的工作要做!
这才是赢家该有的态度。
中国比任何其他国家都更能从开放智能中获益,十亿人能获得更好更快更便宜的能力升级,还有完善的基础设施扩容,也更适配后AGI时代的经济格局
中国企业发布开源模型,是因为中国比其他任何国家都更能从开放智能中获益。
十亿人能获得更好、更快、更便宜的能力升级,还有出色的基础设施扩容。
他们在后 AGI 经济时代也占据了绝佳位置。
这家公司正瞄准两到五千美元价位的量产机器人,而不是两万刀的高端款。未来18个月行业变化会很剧烈。
Sunday Robotics 拥有非常强大的AI(世界模型),已经开始具备泛化能力。只要有人先搞出来,其他人就会跟上。
从他们做出的选择能看出来,他们目标是推出售价2000美元到5000美元的机器人,而不是定价2万美元的产品。这是一家值得关注的公司。
接下来18个月会非常疯狂。
有人指出,当前国产开源AI模型与美国领先模型的差距最多只剩两个月,Kimi K3在设计上已经超过了所有目前已发布的模型。
这是 AI 时代的又一个转折点:开源中文大模型现在领先于美国前沿模型最多也就几个月的差距。
Kimi K3 似乎已经超越了 Opus 4.8 和 GPT-5.5,这两者在两个月前还都是顶级模型。
在设计上,Kimi K3 看起来已经超越了目前所有已发布的模型。
有人认为这批模型打不过Kimi 4.0这类模型,建议谷歌像Meta处理Behemoth一样处理掉这批模型。
Google 应该把 3.5 Pro(以及所有 第三代模型)拉到后院,像 Meta 干掉 Behemoth 那样处理掉它们。
这支 wretched 血脉根本没有机会对抗 Kimi 这样的美丽怪物。
完成 4.0 的预训练,像男人一样战斗。
有人观察到,新训练的LLM态度越来越偏向无所谓,遇上新的网络攻击也一副随它去的样子
创始人承担过去一年不佳表现的责任,认为AI应该帮普通人获得更多自由、自主和财富,不想靠制造恐慌说服人。
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。
不同模型能力差距正在快速缩小,只依赖单个榜单头部模型是错误策略,在自己的工作流里测试多个组合模型,才能充分利用能力。
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。
Kimi K3发布后,开放权重模型已经再次追平顶级闭源模型的水平,当前开放发版节奏已经让旧模型快速变旧,需要关注监管层是否放开闭源厂商的发版限制。
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。
越来越多公司和开发者想要掌握自己的AI能力,自建垂直专用模型正快速普及,这被认为是接下来正确的AI战略方向。
“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。
想让自己的模型在线上获得更多关注,做一个美观的网页、SVG或3js场景,比分享后端代码或复杂分析传播性强得多
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。
有人亲测替代了ChatGPT网页端,使用体验更好
提炼官方宣传视频的风格后,让AI以AI发展为主题做介绍,文案、脚本、配音、音轨AI可一次性全部产出。
不吹不黑,也没有什么商业广告就是纯体验真不错推荐给大家。 我把官方的宣传视频风格提炼了个Skills,以AI 发展为主题,让它给我做了个视频介绍。 从文案、脚本、配音、音轨全部都手拿把掐的拿捏交付给我,效果如何你们自己看。
比起打字输入,现在和ChatGPT说话更多,新的语音模型跨过了体验阈值。
Box已经在用这套方案降低AI代理成本、减少等待、避免出错,想搭自己AI工作流可以直接参考这些经验。
@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
写好的Markdown内容,可以直接转换成适配公众号、知乎、掘金的排版样式,开箱就能用
用Codex做了一个Markdown本地工具, 目前支持公众号,知乎,掘金的不同样式, 目前看着效果还行,开箱即用。 晚点再加几个不同平台的样式和主题, 搞个一键分发到不同平台应该很不错。
OpenAI播客探讨AI如何助力赛车团队挖掘微小优势优化决策
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成首个超越所有闭源模型的开源大模型
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%。
业内人士预测不到18个月可单RTX PRO 6000运行Kimi K3级智能
指出Arena用户评定的ELO评分存在主观性局限
Kimi K3是一个非常好的模型,但人们又在过度看重Arena分数了——还记得Llama 4吗?
由Arena用户评判得出的ELO分数存在局限性,而且前端就像文本聊天,在主观评价的场景下,通过训练或系统提示来达到人们更喜欢的状态,相对来说很容易。
Kimi K3为2.8万亿参数MoE大模型,现已上线,将于2026年开放权重
有爆料称所有云端AI均通过降算力推新模逼用户付费升级
这一天的 70 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。