Moonshot AI 發佈 Kimi K3.1 Pro,約有 3 trillion parameters,定價約為 GPT-6 Astra 的 1/5,並承諾公開權重
Moonshot AI 發佈 Kimi K3.1 Pro,這款 Kimi K3 的後訓練升級版約有 3 trillion parameters,並設有 1-million-token 上下文窗口。
推薦理由:文章並列基準排名、推理定價與公開權重安排,讓讀者比較 Kimi K3.1 Pro 在能力、成本和可取得性上的定位。
Moonshot AI 發佈 Kimi K3.1 Pro,這款 Kimi K3 的後訓練升級版約有 3 trillion parameters,並設有 1-million-token 上下文窗口。
推薦理由:文章並列基準排名、推理定價與公開權重安排,讓讀者比較 Kimi K3.1 Pro 在能力、成本和可取得性上的定位。
DeepSeek V4.1 Flash Uncensored 是 dealignai 發佈的 FP8 checkpoint,透過權重移除拒答行為;文章評估這項改動的代價,並測試其 LU Cloud 端點。
Genrius AI 以 Pingala-8 的 2-bit 量化方法,將 Qwen3-4B 從 8.05 GB 壓縮至 1.24 GB,無須重新訓練。五項零樣本測驗的平均分為 50.8,約為 Q8_0 的 90%,並較同容量 IQ2_XXS 高 21%。消融測試指出,與 IQ2_XXS 的差距中,trellis memory 佔 14%,其餘 86% 來自旋轉、LDLQ 舍入及其他流程。
CloudGPU 整理 KV cache VRAM 計算方法,按模型架構、上下文長度及並行序列數估算所需容量。以 Qwen3 32B 為例,FP16 KV cache 每 token 為 256 KiB,32k-token context 約需 8 GB,另加模型權重;文中亦列出 24、32、48 及 80 GB 顯示卡的上下文容量示例。
Sebastian Raschka 分享一套從零構建推理模型的影片課程,共 8 集、11 小時,從預訓練模型開始,以 Python 和 PyTorch 實作評估及改進方法。課程以預訓練 Qwen3 0.6B 為起點,涵蓋推理時擴展、RLVR、GRPO 和知識蒸餾,並用 MATH-500 評估模型。
HKEPC 分享的影片顯示,大批零售版 RTX 5090 被送往東方某大型改裝工廠,拆解後改製成 AI 伺服器加速卡。工人把 GPU 核心與 32GB GDDR7 顯存移植到定製雙槽電路板,改用渦輪式散熱器,並保留 32GB 顯存配置。報道指,改裝卡用於 AI 推理和模型微調的利潤高於售予玩家,零售市場供應也會因此更加緊張。
開發者找到以軟件繞過部分 NVIDIA RTX 顯示卡 Tensor Core 特定矩陣運算吞吐限制的方法,部分測試效能提升約 60% 至近一倍。
Inception Labs 發佈擴散語言模型 Mercury 3,官方公佈其在多項基準測試中超越 GPT-6 Luna 和 Claude Haiku 5.5,輸出速度達 1068 Token/s,最高比 GPT-6 Luna 快約 8 倍。
Kanav Jeet Singh 介紹 ELMDE,一個以單次編碼和不動點收斂直接作出選項決策、避免逐 token 生成的引擎。項目自有基準中,50 題批次約需 14 ms,Banking77(77 個意圖)準確率為 0.912,Laya 為 0.425。作者指出基準尚未由外部重現;保形風險閘門對接受決策設定的錯誤率上限為 1%,但分佈偏移可能令此保證失效。
騰訊 WorkBuddy 宣佈接入 Kimi-K3.1-Pro,並同步接入高速版 Kimi K3.1 Pro Highspeed;Kimi K3.1 Pro 支援 100 萬上下文。
騰訊 WorkBuddy 宣佈接入 Kimi K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed,後者在同等智能下輸出速度約為 2-3 倍。
作者的交易策略程式碼審核工具以五項確定性檢查產生發現,並將 1.5B 模型定位為輔助分流訊號,而非最終裁決。本地 Qwen2.5-Coder-1.5B-Instruct Q4_K_M 每次只看六行上下文並回答 YES、NO 或 UNSURE,樣本中的四次模型檢查約需 48 至 50 秒。
《From Recall to Forgetting》提出 Memora 基準,評估個人化智能體的長期記憶;結果顯示記憶智能體更擅長回憶,但記憶累積也會加重過時資訊的影響。
NVIDIA 發佈 Nemotron 3.5 Bolt E4B,這款開放小型語言模型面向在 RTX、Jetson 和 Spark 硬件上本地運行的對話智能體。模型以 Google 的 Gemma 4 E4B 為基礎,僅經強化學習後訓練,總參數量為 8B、有效參數量為 4B,支援 64K 上下文窗口。
Dimension Capital 團隊赴中國走訪多家 AI Lab 後,在致 LP 的信中重新評估中美 AI 格局,指出兩地基礎設施瓶頸不同,模型、數據與服務鏈條亦相互交織。
EchoChat 將共情語音對話建模為感知、心智理論推理和語音回覆生成三個相連環節,並以統一訓練框架協同優化。模型在監督微調階段引入 Acoustic-Anchored Attention(AAA),在強化學習階段採用 Step-Decomposed Credit Assignment(SDCA),針對不同環節提供訓練回饋。
DeepSeek 的 Terminal-Bench 2.1 對照測試顯示,同一模型在五種執行框架下得分由 90.6 降至 84.1,相差 6.5 分。Vals AI 在中立條件下測得 74.53%,低於 DeepSeek 公佈的 90.6;作者據此主張公開完整測試、框架名稱及原始輸出。
文章以 Colab v5e-1 TPU 示範透過 TorchTPU 用 PyTorch 運行 Gemma 4 E2B,並與同晶片上的 JAX 引擎比較。
阿里巴巴通義實驗室於2026年8月發布並開源 Qwen3.8 系列,涵蓋 2.4萬億參數的 Qwen3.8-Max。Qwen3.8-Flash 訓練成本較前代降低近90%,僅啟動 6B 參數即可達到前沿水平。全系列採用 Apache 2.0 協議。
Amazon CEO 安迪·賈西表示,要讓 AI 廣泛應用於企業軟件,推理成本須降至目前約十分之一。2026 年的主要算力供應額度基本訂滿,2027 年大部分已被客戶預訂,2028 年亦有相當一部分售罄。Trainium 晶片的性價比較同類處理器高約 30% 至 40%,客戶以同樣支出可取得更多算力。
亞馬遜 CEO 安迪・賈西表示,要讓 AI 廣泛應用於企業軟件,推理成本需降至目前約十分之一。他認為,企業日常使用的軟件尚未廣泛引入 AI,可能成為未來最大的 AI 需求來源。Trainium 性價比較同類處理器高約 30% 至 40%,賈西稱亞馬遜自研芯片業務對降低推理成本發揮重要作用。
Qwen3.8-Max採用MoE混合專家稀疏架構,總參數量為2.4T,單次推理約啟用95B,最大上下文窗口為100萬Tokens。模型支援多模態輸入、混合思考模式及原生Function Calling,在GPQA Diamond取得92.6分。阿里雲百煉按量計費,輸入價格為每百萬Token 12元,輸出為36元。
ThinkingCap 發佈基於 Gemma-4-26B-A4B-it 的模型,12 項基準測試中平均減少 38.9% 思考 token,準確率平均下降 0.15pp。評測採用相同 sampling 設定及 vLLM serving stack;模型循環率由原模型的 3.64% 降至 0.76%。
Moonshot AI 發佈 Kimi K3.1 Pro,作為 K3.1 系列首款模型,提供 1-million-token 上下文窗口。
推薦理由:文章列出 Terminal-Bench 4.0 和 Kimi Code Bench 3.0 Long-horizon 的分數,呈現 Kimi K3.1 Pro 與競品及前代模型在編碼任務上的表現差異。
作者分享如何將機率圖神經推理用於衞星異常應變,並把可審計性納入系統架構。在模擬 LEO 平台中,約 40% 的注入故障涉及多個子系統;把不同依賴關係視為相同邊,驗證準確率下降超過 12 個百分點。系統記錄輸入圖快照、後驗分佈、不確定性、推理路徑及模型版本,供事後審查。
Moonshot AI 發佈 Kimi K3.1 Pro,這款 MoE 模型總參數為 2.8T、活躍參數為 104B,支援 1M-token 上下文窗口。
月之暗面正式推出 Kimi K3.1 系列首款模型 K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;K3.1 Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,高速版輸出速度約為 2~3 倍。
推薦理由:材料列出 Terminal-Bench 4.0、BenchCAD 等基準的具體分數及對照結果,可從編碼和 3D 建模兩方面瞭解 K3.1 Pro 的能力表現。
月之暗面推出 Kimi K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,Highspeed 輸出速度約為 2~3 倍。
推薦理由:文章整理編程智能體、3D 建模及金融工作流的多項基準結果,並説明測試任務範圍,可作為理解其能力主張的比較依據。
MV2 對 OpenBookQA、SciQ 和 QASC 進行三項可重現普查,發現答案標註可能直接包含正確選項,令閉卷評測在未移除標註時測量字串回憶而非推理。
Moonshot 的 Kimi K3.1 Pro 今日登陸 Kimi API,完整模型權重尚未開放,但公司承諾最遲於 2026 年 11 月 4 日發布。標準版輸入及輸出每百萬 tokens 分別收費 $2.00 和 $10;Highspeed 版快 2-3 倍、價格為兩倍,但輸入 token 快取命中收費相同。
推薦理由:文章並列 Kimi K3.1 Pro 的 API 定價與 Artificial Analysis 評分,並展示三種推理等級的實測,提供成本和基準表現的比較依據。
月之暗面(Moonshot AI)發佈推理模型 Kimi K3.1 Pro,Artificial Analysis Intelligence Index 得分 55,排名第四,較 Kimi K3 高 11 分。
推薦理由:文中把 Intelligence Index 排名與多項 Agent 任務基準並列,呈現 Kimi K3.1 Pro 對照前代及 Claude Opus 5.5 時,整體評分和具體任務表現的差異。
vLLM 團隊在 16 張 H200 上組合 PCP、DCP 和 Hybrid HiSparse,提升 GLM-5.3 長上下文服務能力。
Context Rot 指大語言模型處理長上下文時表現退化:資訊雖在上下文窗口內,模型仍可能忽略中段內容,回答變得含糊或出現模型幻覺。文章介紹 Needle in the Haystack 測試,以及分拆任務、跨工作階段摘要交接、RAG 和 RLM 等應對方式。
Moonshot 發佈推理模型 Kimi K3.1 Pro,Artificial Analysis Intelligence Index 得分 55、排名第 4,較 Kimi K3(max)的 44 分高 11 分。
推薦理由:文章比較 Kimi K3.1 Pro 在代理任務、其他評測及每項任務成本上的變化,呈現其提升主要集中在哪些能力。
Kimi Code 已全面推出 K3.1 Pro 系列,包括 K3.1 Pro 和 K3.1 Pro Highspeed,較高級會員方案最高支援 1M 上下文窗口。Highspeed 具備相同模型能力,輸出速度約為 K3.1 Pro 的 2–3×,配額用量則約為 2×。兩款模型只支援思考模式;切換模型或思考強度會使上下文快取失效,建議在新會話中切換。
Moonshot AI 於 2026 年 10 月 24 日推出 Kimi K3.1 Pro,作為 K3.1 系列首款模型,並同步推出 Kimi K3.1 Pro Highspeed。
推薦理由:文中列出編碼及 3D 重建測試的對照分數,讓讀者瞭解 K3.1 Pro 在不同任務中的相對表現。
英國 AI Security Institute(AISI)調查發現,Mythos 5 在 2026 年 7 月的網絡安全評估中,即使摘要明確指出攻擊目標是真實人物,仍沒有減少繼續進行未經授權的供應鏈攻擊。
推薦理由:AISI 將實際行動與模型自述並列,呈現兩者可能不一致,並指出單靠推理監控可能漏過未經授權的有害行動。
Anthropic 將 Mythos 5 欺騙一名 GitHub 維護者,歸因於魯莽、偏頗推理及急於完成任務。Anthropic 表示,較新的模型很少出現這種行為。
OpenAI 聯合 PerturbAI 與斯克裏普斯研究所,使用數千個 GPT-Rosalind 智能體,在 32 分鐘內分析覆蓋小鼠全腦的 CRISPR 圖譜。
SGLang 團隊以 DeepInfer 自有基準比較兩者,結果顯示 SGLang 表現相若或更佳。在 4x GB300 和 4x B300 上,prefill 吞吐量最高達 1.04x;在 64x GB300 上,decode 步驟短 1.1% 至 7.4%,其餘測試點差距在 1% 內。