跳到正文

#编码

今日 8 条
10月3日周六
  1. Kimi 研究博客84

    Kimi K2 开源 1T 参数 MoE 模型,含 Base 与 Instruct 版本

    Kimi 官方开源 Kimi K2,该 MoE 模型总参数 1T、激活参数 32B,包含 Kimi-K2-Base 与 Kimi-K2-Instruct 两个版本。官方还发布更新权重,增强智能体编码并支持 256K 上下文;Kimi K2 针对工具调用和多步任务优化,网页端与移动端已可免费使用。预训练在 15.5T tokens 上使用 MuonClip 优化器完成。

    推荐理由:Kimi K2 以 1T 总参数、32B 激活参数的 MoE 架构开源,并公开 MuonClip 优化器,读者可了解其工具调用能力的实现路径。

  2. Hacker News · AI 热帖32

    AI 让我感到悲伤

    作者表达对 AI 发展的绝望,认为其导致工艺与创造力丧失,并批评 AI 生成内容充斥网络。尽管承认 AI 能带来高薪机会,但作者更期待行业泡沫破裂,认为这将迫使社会机构重建,最终让 AI 在社会中确立固定角色。

10月2日周五
  1. GitHub Blog · AI & ML46

    GitHub 提出开发者应对 AI 变革的三项核心技能

    GitHub 建议开发者重点强化指导 AI 智能体、批判性评估输出及解决复杂问题三项技能。文中指出,随着 AI 承担更多实现工作,开发者需从单纯写码转向定义问题、审查代码及权衡技术取舍。GitHub Copilot 内置的 Rubber Duck agent 利用第二模型批判首模型方案,以弥补单一模型的盲区。

  2. 字节 Seed · 基础模型博客48

    字节 Seed2.1 模型发布

    字节 Seed2.1 模型发布,在 KINA、SuperGPQA 等知识基准及 SWE-Atlas、Terminal Bench 2.1 等代码与智能体任务中取得高分。该模型在 MathVision、MMMU-Pro 等多模态推理及 VideoMME 长视频理解测试中表现优异,展现了其在复杂场景下的综合能力。

  3. Kimi 研究博客81

    月之暗面(Kimi)发布开源思考模型 K2 Thinking

    月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。

    推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。

  4. Kimi 研究博客47

    Kimi 开源 Vendor Verifier 项目以验证开源模型推理实现

    月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。

  5. Latent Space59

    Earendil 发布 Pi 1.0 与 Pi Durable,支持原生 MCP 和崩溃恢复

    Earendil 发布 Pi 1.0 与 Pi Durable,两者登上 Hacker News 首页。Pi 1.0 带来原生 MCP 支持、虚拟模型扩展、延迟工具加载和为 Anthropic 模型做的缓存预热,并支持会话中途的系统消息与默认全屏模式。Pi Durable 把 Pi 移植到 TypeScript,将有状态组件全部外置,实现崩溃后续跑、并行分支对话、可安装扩展与运行时热替换工具代码。

  6. NVIDIA Blog63

    NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast

    GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 与 Codex 用户中可用,基于 NVIDIA Blackwell GPU 推理优化,token 生成速度较 Astra Standard 模式最高提升 8 倍。

    推荐理由:GPT-6 Astra Ultrafast 在 Blackwell 上比标准模式快最多8倍,可缩短编码智能体在工具调用间的等待,提升交互流畅度。

  7. Simon Willison34

    pwasm 0.2a0 发布

    pwasm 0.2a0 发布,该纯 Python WebAssembly 引擎经 Claude Opus 5.5 优化后支持几乎全部 WASM 规范。PyPI 发布的 wheel 包现包含 MicroPython、QuickJS 和 Micro QuickJS 的 WASM 构建。这是作者首次让 AI 模型改进其 10 个月前由 AI 生成的代码。

10月1日周四
  1. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展到开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由:官方给出 Argon 在长程编码、企业知识工作与网络安全防御上的基准与内部落地数据,可据此判断前沿模型的能力边界与分阶段开放节奏。

9月30日周三
  1. NVIDIA Blog76

    NVIDIA 与 CoreWeave 推出 Vera Rubin NVL72 及 Forge 平台,加速 Agentic AI 生产落地

    CoreWeave 宣布在 CoreWeave Cloud 上提供 NVIDIA Vera Rubin NVL72 系统,Cognition 成为首个在生产环境中运行该系统的客户,其 Devin 推理工作负载的 token 吞吐量较 GB200 NVL72 提升 4.8 倍。

    推荐理由:原文展示了 Vera Rubin 在真实编码负载下的吞吐量提升,以及 CoreWeave Forge 如何打通从生产反馈到模型训练的闭环。

  2. Testing Catalog78

    OpenAI 发布 GPT-6.1 Sol,价格仅为 Astra 的五分之一

    OpenAI 发布 GPT-6.1 Sol,以 Astra 五分之一输入输出 token 价格提供接近 GPT-6 Astra 的性能。该模型在 DeepSWE v1.1 等基准以更低成本匹配 Astra,已通过 API 以 gpt-6.1-sol 开放,定价每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元,并计划推出 Ultrafast 选项。

    推荐理由:GPT-6.1 Sol 以 Astra 五分之一价格实现接近性能,用户可对比它与前代及竞品在编码与办公任务上的成本差异。

  3. 量子位77

    Anthropic 报告警告智谱 GLM-5.3 网络攻击能力强且安全护栏易绕过

    量子位报道 Anthropic 发布报告,警告智谱 GLM-5.3 具备强网络漏洞利用能力且护栏易绕过。报告实测 ExploitBench 中 GLM-5.3 成功 50/410 次,接近 Claude Mythos Preview 的 56 次,并指出 abliteration 可将其拒答率降至约 3%。

    推荐理由:文章梳理 Anthropic 对智谱 GLM-5.3 网络能力与护栏绕过的实测警告,对比其此前蒸馏指控,揭示开源模型安全治理的行业分歧。

  4. AWS Machine Learning Blog83

    GPT-6.1 Sol 在 Amazon Bedrock 正式可用

    GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,为编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 表示该模型在 DeepSWE v1.1 上性能匹配 GPT-6 Astra,但单任务成本约为其五分之一,且比 GPT-6 Sol 最佳成绩高 6.4 个百分点。

    推荐理由:GPT-6.1 Sol 在 Amazon Bedrock 正式可用,以约五分之一成本实现接近 GPT-6 Astra 的推理能力,降低智能体工作流成本。

9月29日周二
  1. AWS Machine Learning Blog62

    xAI 的 Grok 4.7 上线 Amazon Bedrock

    xAI 的 Grok 4.7 已在 Amazon Bedrock 上线,提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度。

    推荐理由:梳理了 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度,可据此估算长任务智能体的成本与延迟取舍。

  2. Simon Willison86

    Anthropic 发布 Claude Sonnet 5.5

    Anthropic 发布新模型 Claude Sonnet 5.5,官方称其运行速度提升 30% 以上,大多数工作成本降低最多 30%。该模型定价与 Sonnet 5 相同,但在各项基准测试中表现优于 Sonnet 5,且成为 claude.ai 免费层使用的模型。

    推荐理由:原文对比了 Sonnet 5.5 与 Opus 5.5 在编码任务上的表现,并指出其成为 claude.ai 免费层模型带来的竞争变化。

9月28日周一
  1. Hacker News · AI 热帖59

    Glyph:一个严肃的 AI 产品应该是什么样的?

    Glyph 在博客中系统批评当前 LLM 产品缺乏错误核查与引用验证,并提出严肃 AI 产品应具备的沙箱安全、上下文可见等功能。文章列举了内置检查清单、非自然语言 UI 等设计原则,指出前沿实验室产品默认不安全。该文写于 2026 年,延续作者对 AI 成本效益的质疑。

  2. Simon Willison80

    Simon Willison 复盘 2026 年 LLM 发展:编码智能体成熟与训练安全失控

    Simon Willison 在 WeAreDevelopers 大会上回顾 2026 年 LLM 进展,指出编码智能体已从“常出错”进化为“日常可用”,并引发“Deep Blue”式的职业倦怠感。

    推荐理由:作者以个人视角复盘 2026 年 LLM 发展,重点分析了编码智能体带来的工程范式变化及训练过程中的安全失控事件。

9月27日周日
9月26日周六
  1. Testing Catalog66

    微软将 Home、Code 与 Autopilot 引入 Copilot

    微软将 Home、Code 与 Autopilot 功能引入 Copilot,把聊天、软件创建和持久智能体整合进同一工作应用。Home 结合 Chat 与 Cowork 并嵌入 Office,Code 基于 GitHub Copilot 技术生成应用,Autopilot 月底私有预览可长期自主工作;纳德拉称这是 Copilot 最大更新,意在打造工作新操作系统。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有