←搜索结果

按匹配度 · 共 1346 条结果 清除搜索

星期日

  1. Hugging Face

    微软发布 ThinkingBox:智能体工具调用成功不等于数据库状态正确

    微软 Copilot Studio 团队联合 Toloka 等发布 ThinkingBox 智能体沙箱与 ThinkingBox-Bench 基准,主张最终回复和合法工具调用只是代理指标,只有数据库终态才是证据。在覆盖 12 个 LLM、121,680 次有效试验的消融中,79,853 次未通过可执行检查,其中 67.24% 仍干净终止、调用了改状态工具且未报最终工具错误,可执行检查在这些失败中发现 77.61% 字段值错误、43.30% 多余副作用、25.36% 缺失必要效果。每个任务在隔离后端上独立运行 20 次,Claude Opus 5.5 以 67.16% pass@1 领先,但只有 GPT-6 Astra、Claude Opus 5.5 和 Claude Opus 5 保留了大部分单次成绩;Kimi-K3 覆盖最广(507 个任务中 476 个至少成功一次),却只有 13.41% 任务 20 次全过。环境与数据集已在 Hugging Face 开源,代码 MIT 许可。

    to most of their pass@1 scores: GPT-6 Astra retains 78% of its single-attempt rate, and Claude Opus 5.5 and Claude Opus 5 each retain 71%. At the other end, GLM-5.1, Kimi-K2.6 and DeepSeek-V4-Pro each keep about 8%. The gap between what a model can do once and what it does every time is the whole story. Can you depend on the model behind your agent? Figure 3: Breadth and consistency pull apart. Twelve of the eighteen models are shown; six below 33% pass@1 are omitted for legibility. Kimi-K3 has

    匹配字段正文

星期六

  1. Ai2 Blog

    Ai2 开源 AstaBrief 8B 科学报告生成模型

    Ai2 开源 AstaBrief 8B,一个把研究问题和检索到的文献片段转成带引用报告的模型,已在 Asta 的 Generate a report 功能中作为 Fast mode 上线,与 Claude 驱动的 Thinking mode 并存。Ai2 称 Fast mode 平均每份报告 51.1 秒,Thinking mode 为 178.5 秒,约快 3.5 倍。模型基于 Qwen3-8B,采用 SFT 加 DPO 训练,训练数据来自 90K 条真实科研查询,权重和训练数据已在 Hugging Face 开放下载。

    ne, typically backed by Claude 3.5 Sonnet or 3.7 Sonnet. The competing report was generated by feeding ScholarQA's retrieved literature excerpts to a different model: o3, o4-mini, DeepSeek-V3, or DeepSeek-R1, depending on the example. Two judge models – GPT-4.1 and DeepSeek-R1 – compared each pair and picked a winner. We ensured that LLM judges were aligned with human preferences (95% agreement) and only kept pairs where both judges agreed, which gave us a cleaner preference set and cut much of

    匹配字段正文

  2. Latent Space

    AINews:GPT-6.1 Sol 与 Sonnet 5.5 重塑成本性能前沿

    OpenAI 发布 GPT-6.1 Sol,定价 $2/$10 每百万输入/输出 token,比 GPT-6 Sol 便宜 39% 且 Agent Arena 得分高 1.52 分,比 Astra 便宜 81%。Anthropic 的 Sonnet 5.5 在 Agent Arena 首秀排名第 3 并拿下 Chat 类别第 1,Anthropic 模型占据该榜前三。StepFun 的 Step 5 Preview 以 $2.54 每任务在开源权重模型中排名第 7,支持 1M token 上下文窗口。

    Asking a model “land or water?” for 16,200 lat/long coordinates and plotting the answers yields a recognizable world map (@karpathy) Inference, Hardware and Systems Ascend 950 via DeepSeek kernels: An analysis of DeepSeek’s open-sourced DeepGEMM, FlashMLA, TileKernels and DeepEP infers the chip’s layout (@ZhihuFrontier).Estimated specs: The chip has 32 AI cores, each pairing one Cube core with two Vector cores. Estimated peaks are about 432/865/1,730 TFLOPS in BF16/FP8/FP4; Capacity: Supply may

    匹配字段正文

  3. MarkTechPost

    NVIDIA 发布 64GB 版 DGX Spark 桌面 AI 系统

    NVIDIA 发布 DGX Spark 的 64GB 配置,由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 出货,搭载 GB10 Grace Blackwell 超级芯片,提供最高 1 petaFLOP 的 FP4 AI 算力,10 月 23 日上市。该版本把统一内存从 128GB 降为 64GB LPDDR5x,NVIDIA 称足以运行当前 30–35B 级开源模型,两台 64GB 机器可通过 ConnectX-7 集群为 128GB 内存,官方称性能最高达单台 128GB 版的 1.7 倍。系统预装 DGX OS 与 PyTorch、Jupyter、Ollama,并支持 NemoClaw、OpenShell 和 Nemotron 模型,面向常驻智能体、QLoRA 微调、模型评测等本地场景。

    so available as an NVIDIA NIM. Full BF16 Glimmer needs 55GB+, which leaves almost nothing for context. The 17GB quantized build is the practical choice on 64GB. Larger models like DeepSeek V4 Flash need more than one box. NVIDIA’s own benchmarks run it on 4 64 GB clustered Sparks. 1. An always-on personal agent Install Hermes and point it at Muse Glimmer or Nemotron 3.5 Lightning. Give it tools: your GitHub repos, a test runner, an RSS feed of arXiv categories. Let it run overnight. By morning i

    匹配字段正文

  4. MarkTechPost

    决策 AI 模型解析:TypeSafe Jev 与 Fastino GLiDE、GLiNER2.5-Decide 及开源竞品对比

    决策 AI 模型是一类返回选择、分数或概率而非生成文本的模型,TypeSafe 在隐身两年后推出 Jev,Fastino Labs 三周内跟进两款竞品。Jev 支持 Choice、Score、Noul 三种原语,定价为每百万输入 token 0.042 美元、输出免费,TypeSafe 称端到端响应为 70 至 500 毫秒。在 TypeSafe 的 4 项工作流评测中,Jev 以 67.8% 平均准确率、每例 0.4 秒追平 Claude Sonnet 5,但落后最强前沿配置 6.3 个百分点。

    G edge network orchestration A new arXiv paper used Jev to interpret service contracts at the network edge. At matched correctness, Jev cut median decision latency by 22.4% versus DeepSeek and 61.9% versus Gemini. 5. Real-time game agents TypeSafe’s Doom demo ran Jev at 10 queries per second. The team estimated the cost at roughly $7 per hour. Competitor Landscape: 7 Decision Models Compared The table below covers Jev, its closest commercial rival, and the leading open-weight options. All specs

    匹配字段正文

  5. 智慧城市行业分析

    CNNIC 发布《生成式人工智能应用发展报告(2026)》:用户规模突破7亿人

    中国互联网络信息中心政策与国际合作所在第七届中国互联网基础资源大会上发布《生成式人工智能应用发展报告(2026)》,显示截至2026年上半年我国生成式人工智能用户规模突破7亿人,普及率超过50%。报告称76.0%的用户用其回答问题,处理图片/视频、文本、工作总结/会议纪要/PPT的占比分别为47.8%、37.6%和32.5%;截至2026年6月我国智能算力规模达2185EFLOPS,同比增长177%,2026年上半年人工智能相关投融资事件1255起、金额约2501.4亿元。

    的能力持续增强,应用场景覆盖工业生产、医疗手术、生活服务等多个领域。2026年上半年我国人形机器人整机产品超400款,预计全年整机产量将突破10万台。 《报告》显示,我国已构建起全球领先的人工智能产业生态,政策端立体护航、技术端全栈突破、融资端量质齐升。 一是政策体系持续完善。我国生成式人工智能顶层设计持续完善,政策重心从“技术攻关”转向“场景落地”与“规范治理”并重。以《国务院关于深入实施“人工智能+”行动的意见》为总牵引,多部委协同发力,密集出台了一系列配套政策,构建起覆盖宏观战略、行业应用、基础设施与国际合作的立体化政策矩阵。 二是关键技术实现突破。我国人工智能相关底层算力供给持续优化,国产人工智能芯片与算力集群加速突破;核心算法架构加速迭代,模型推理能力与效率大幅提升;开源生态蓬勃发展,以DeepSeek、千问为代表的中国开源模型的影响力逐步提升。 三是融资规模屡创新高。数据显示,2026年上半年我国发生1255起与人工智能相关的投融资事件,已达到2025年全年的78.0%;合计金额约2501.4亿元,已达到2025年全年的182.0%。 来源:中国互联网络信息中心 CNNIC

    匹配字段正文

  6. 智慧城市行业分析

    CNNIC 发布《生成式人工智能应用发展报告(2026)》:用户规模突破 7 亿人

    中国互联网络信息中心政策与国际合作所在第七届中国互联网基础资源大会上发布《生成式人工智能应用发展报告(2026)》,显示截至 2026 年上半年我国生成式人工智能用户规模突破 7 亿人,普及率超过 50%。报告称 76.0% 的用户用其回答问题,处理图片/视频、文本、工作总结/会议纪要/PPT 的占比分别为 47.8%、37.6% 和 32.5%;截至 2026 年 6 月我国智能算力规模达 2185EFLOPS,同比增长 177%,已建成高质量数据集超过 12 万个。报告还提到 2026 年上半年我国发生 1255 起人工智能相关投融资事件,合计金额约 2501.4 亿元。

    的能力持续增强,应用场景覆盖工业生产、医疗手术、生活服务等多个领域。2026年上半年我国人形机器人整机产品超400款,预计全年整机产量将突破10万台。 《报告》显示,我国已构建起全球领先的人工智能产业生态,政策端立体护航、技术端全栈突破、融资端量质齐升。 一是政策体系持续完善。我国生成式人工智能顶层设计持续完善,政策重心从“技术攻关”转向“场景落地”与“规范治理”并重。以《国务院关于深入实施“人工智能+”行动的意见》为总牵引,多部委协同发力,密集出台了一系列配套政策,构建起覆盖宏观战略、行业应用、基础设施与国际合作的立体化政策矩阵。 二是关键技术实现突破。我国人工智能相关底层算力供给持续优化,国产人工智能芯片与算力集群加速突破;核心算法架构加速迭代,模型推理能力与效率大幅提升;开源生态蓬勃发展,以DeepSeek、千问为代表的中国开源模型的影响力逐步提升。 三是融资规模屡创新高。数据显示,2026年上半年我国发生1255起与人工智能相关的投融资事件,已达到2025年全年的78.0%;合计金额约2501.4亿元,已达到2025年全年的182.0%。 来源:中国互联网络信息中心 CNNIC

    匹配字段正文

星期五

  1. Hugging Face

    AutoSynthData:为企业级智能体生成训练数据

    Hugging Face 博客介绍 AutoSynthData,一种面向企业级智能体的训练数据生成方法:先在环境中用诊断任务评估目标模型、定位其能力缺口,再由更强的教师模型示范成功轨迹,生成包含系统规范、用户提示词和验证器的新任务。生成分 target 与 multiply 两阶段,后者基于已验收样本扩展变体且不允许二次派生,以限制漂移。

    Gym Hybrid, the environment used for this experiment. ITSM We also applied AutoSynthData to the ITSM domain of EnterpriseOps Gym, using Gemma-4-26B-A4B-it as the target model and DeepSeek-V4.1-Flash as the teacher. AutoSynthData generated 1,994 synthetic training samples in 66 hours. Generation took longer than in the subsequent Hybrid run described above, primarily because the ITSM run used a larger teacher model and preceded pipeline optimizations that improved throughput. On ITSM, synthetic

    匹配字段正文

  2. AI Business

    AI 正在抽走企业职业阶梯的踏板

    AI 接手越来越多初级员工的工作,而这些工作原本是员工积累经验、形成判断力并晋升到高级岗位的途径。Teikametrics CFO Brian Beaupre 称 AI 已能完成他早年做的大量财务建模工作,他担心年轻员工会错过识别错误答案的学习过程;一项安全运营中心员工调查也发现 AI 可能取代部分初级 SOC 岗位。PwC 对近 5 万名员工的调查显示,56% 属于缺乏专业技能、AI 学习滞后的“engine room”群体,其中仅一半对工作保障有信心。

    tions center employees found that AI is likely to eliminate some entry-level SOC roles, even as it creates opportunities for workers to move into more strategic positions. Related:DeepSeek and what enterprises should learn from AI agent exploits That creates a challenge for employers: developing workers for more strategic jobs when some of the work that once provided that experience disappears. AI skills are also becoming another dividing line in the workforce. A new PwC survey of nearly 50,000

    匹配字段正文

  3. 虎嗅

    arXiv 因 AI 论文暴增实施全学科限投,每人每月最多 2 篇

    arXiv 于 10 月 1 日宣布,自 2026 年 10 月 1 日起每位实际提交者每自然月最多提交 2 篇论文,适用于计算机科学、数学、物理等全部学科,被拒稿也占用当月额度。平台称 2026 年 9 月投稿量达 40363 篇创 35 年新高,cs.AI 分类月投稿量两年增长超六倍,审核工单积压近 9000 份。由于配额只计实际提交人,OpenAI、DeepMind 等合著者众多的大团队可换人提交,缺乏合著者的独立学者受影响更大。

    核资源。 当地时间10月1日,arXiv正式宣布实施最新投稿限制:每位提交者每自然月最多只能提交2篇论文,适用于计算机科学、数学、物理等全部学科分类。即便论文最终被拒绝,也会占用当月的投稿额度。 作为拥有超过300万篇论文、每月服务数百万用户的科研基础设施,arXiv早已成为AI研究者抢先公开成果的重要渠道。从OpenAI、Google DeepMind,到DeepSeek、阿里千问等大模型团队,研究论文经常通过arXiv率先进入公众视野,接受同行检验与讨论。 如今,这条科研成果快速传播的通道,第一次向所有学科统一设置了明确的月度投稿上限。 1单月涌入4万篇,arXiv被迫限流 arXiv在10月1日发布的官方博客《Fair Moderation,Equitable Access,and AI》中,开篇便指出,科研出版正在经历一场快速变化,研究者交流成果的方式也在发生重大转变。 过去,一名研究者能够独立完成多少篇论文,存在相对清晰的现实上限。因此,arXiv的志愿审核员主要需要关注少数投稿频率明显反常的用户,必要时限制其提交速度。 随着生成式AI工具愈发强大、使用门槛不断降低,研究者能

    匹配字段正文

  4. OpenRouter:Announcements

    OpenRouter 推出 Model Router Benchmarks 路由器评测页

    OpenRouter 上线 Model Router Benchmarks 页面,用跨领域基准对各家模型路由器按质量、速度和成本打分,并列出单模型作为对照基线。页面引入 Router Index,默认按质量 60%、每任务耗时 20%、成本 20% 合成 0 到 10 分,权重可用滑块调整。被评测的路由器包括 OpenRouter 的 Auto Router、Unbiased 的 Pareto、Sakana 的 Fugu、Jev Router 和 NVIDIA 的 Switchyard,均可在 OpenRouter 上直接替换模型调用。

    ng decisions. In recent months, many routers launched that use the differing strengths across the model landscape to optimize performance. Cost differences: For example, comparing DeepSeek v4 Flash with GPT-6 Astra, GPT-6 Astra’s average price paid per token is over 48x higher, and it’s 21x more expensive to run an average 10 to 49 turn session in Codex. Routers can switch parts of a task to a lower-cost model to save on cost. Task diversity: For example, the model that performs best on legal re

    匹配字段正文

星期四

  1. 财联社

    Meta 的 Muse 推高 CPU 需求,交货周期延长至 25-30 周

    Trend Force 报告指出,CPU 交货周期已从通常的 16-20 周延长至 25-30 周,原因是 Muse 等个人 AI 智能体推高了 CPU 需求。Meta 的 Muse 上线十天内用户规模达 70 万人,Meta 承诺为每位用户提供一台配备 2 个虚拟 CPU、8GB 内存和 100GB 固态硬盘的专属虚拟机。Altimeter 合伙人 Freda Duan 测算,若 Muse 日活达 1 亿、人均使用 2 小时,需 833 万台虚拟机,高峰时最多 2080 万台,在 2500 万台活跃虚拟机下 Meta 可能需要 1250 万个 CPU 核心,但她也指出虚拟机常出现资源超配、实际 CPU 利用率接近零,围绕这一需求规模的假设仍存变数。

    Altimeter风投的合伙人Freda Duan指出,Meta不需要严格为每位用户配置承诺的硬件。实际上,AI代理沙箱或是虚拟机经常出现资源超配的情况,且当虚拟机处于运行状态并保持其内存和执行状态时,其实际CPU利用率通常接近于零。 Duan假设Muse的日活用户数为1亿,且每个典型用户的平均使用时长为2小时,在这种情况下,需要833万台虚拟机来满足平均工作负载。而在高峰时段,工作负载假设为平均值的2.5倍,这意味着当前情景下的最大虚拟机数量为2080万台。 与此同时,她又探讨了每台虚拟机需要的物理CPU核心数量。她以DeepSeek为例,但考虑到Meta的运行效率不可能比肩DeepSeek,最后得出结论,在2500万台活跃虚拟机的情况下,Meta可能需要1250万个CPU核心。 而随着推理速度的提升,分配给每个虚拟机的物理核心数量也会进一步减少。不过,另一个方面来看,随着一项技术的效率提高,其需求也会增加,因此CPU的总体需求未必会因技术升级而放缓。 总而言之,尽管围绕Meta的Muse等个人AI代理所引发的CPU需求的假设存在诸多变数,但市场都认为CPU制造商已迎来结构性的利好。

    匹配字段正文

  2. MIT Tech Review

    The Download:AI“读心”工具与小型电池的创意应用

    一款新 AI 工具仅凭分析脑部扫描就能猜出你正在看什么,并以极高精度重建该图像,还能反向根据所见预测脑活动。研究者希望它帮助闭锁综合征患者沟通,甚至重建梦境内容,但其他科学家警告类似方法可能在未经同意的情况下暴露人的内心想法与心理意象。此外,面对社区对大型储能电池火灾的反对,一些初创公司转向把小型电池用于电磁炉灶、餐车等场景。

    ropic employee. ( CNN ) + They targeted experts in military AI and export controls. ( Reuters $) + OpenAI has accused China’s Moonshot AI of copying its models. ( CNBC ) + China’s DeepSeek and Huawei have teamed up on chip software. ( NYT $) + Could China win the AI race? ( MIT Technology Review ) 3 After months of delays, Google has unveiled Gemini 4 Argon The new model aims to re-establish Google at the frontier of AI. ( Reuters $) + Google says the model beats OpenAI’s Astra on many benchmark

    匹配字段正文

  3. BBC 中文精选

    中国实施全球最广AI陪伴聊天机器人监管,BBC 中文解析争议

    中国于7月15日实施全球范围内针对类人AI聊天机器人的最广泛监管措施,要求AI助手标明非人类身份、每两小时提醒在线时长,不得造成情感依赖或成瘾,14岁以下使用需父母同意,18岁以下禁止接触虚拟伴侣等亲密关系,违规企业最高罚款20万元人民币。报道引用牛津中国政策实验室、乔治城大学等专家观点,并对比美国加州《亚当法》与英国拟禁止18岁以下使用恋爱型陪伴AI的做法,同时呈现用户绕过限制的方式。

    而这种情况确实存在。 不过,看来真正的监管目标是“角色聊天机器人”这类服务。这些产品专门被设计成一种拟真的关系形式。目前有数以百计的此类应用程式,允许用户创建AI男友、女友、朋友,甚至家人。 对于未成年人而言,法规要求则更为明确。14岁以下人士若要使用任何以人类方式进行对话的AI,都必须获得父母同意,其中可能包括类似ChatGPT的中国AI助手,如深度求索(DeepSeek)。 所有18岁以下人士均被禁止接触虚拟伴侣、虚拟配偶,甚至虚拟亲属,以及任何其他形式的虚拟“亲密关系”。 图像来源, AFP via Getty Images 对成年人而言,这并非全面禁止,但限制相当严格,尽管部分措辞仍有模糊之处。AI助手必须向所有年龄层用户明确表示自己并非人类,并且每隔两小时发送通知,提醒用户已在线多久。 聊天机械人不得造成“情感依赖或成瘾”,也不得诱导人们作出“不合理决定”。 它们不得鼓励、甚至不得暗示自残或自杀,也不得使用“言语暴力”。 企业若违反规定,可能面临20万元人民币(2.2万英镑)罚款,或被政府“通报批评”,实际上即是遭到公开点名谴责。 敏(Min)与她的AI女友之间的关系,或许正

    匹配字段正文

  4. Latent Space精选

    Google DeepMind 发布 Gemini 4 Argon,输出上限提至 1M token

    Google DeepMind 发布前沿模型 Gemini 4 Argon,面向编码、企业知识工作和网络安全防御,今日起通过 Fairwind Program 向受信任测试者开放,并承诺尽快扩大访问。Google 称其输出上限达 1M token,较此前的 64K 大幅提升,标准定价为每 1M 输入/输出 token 4 美元/20 美元,另有 50% 的限时折扣。Google 称 Argon 在 19 项公开基准中的 13 项排名第一,DeepSWE 得分 77.9%,高于 Opus 5.5 的 74.2% 和 Astra 的 74.1%;Artificial Analysis 测得其在 Intelligence Index 上得 53 分,与 GPT-6 Astra 持平。

    ction) at equal batch size and throughput ( @ekzhang1 , @cHHillee ). Implication : It helps prefill-heavy workloads, not decode-bound low-latency serving. Compilers and hardware : DeepSeek on Huawei : DeepSeek released an open-source Ascend toolkit with TileLang optimized for Ascend 950 ( @kimmonismus ). AI as compiler : A model translates Triton directly to PTX, with a verifier checking correctness, races and deadlocks. Speedups on B200 reach 1.37x on FlashAttention ( @Azaliamirh ). Vera Rubin

    匹配字段正文

  5. A6 a6-051 · Cerebras:Blog

    Cerebras 以最高 750 tokens/s 服务 GPT-5.6 Sol

    Cerebras 宣布 OpenAI 正在预览运行在 Cerebras 上的 GPT-5.6 Sol Ultrafast 模式,输出速度最高达 750 tokens/s。该版本未做蒸馏或量化,模型架构、权重、精度、上下文配置和推理设置与 OpenAI 标准端点上的 GPT-5.6 Sol 一致,仅运行硬件由 GPU 换为 Cerebras WSE-3。在质量匹配的 GDP-Val 任务上,Ultrafast 完成同样任务比标准端点快 5.6 倍;在 Humanity's Last Exam 匹配问题上快 6.9 倍,原本一小时的任务可在不到九分钟内完成。

    r second on its public endpoints: For dedicated enterprise endpoints, Cerebras also supports Kimi K2.6 , GLM 5.1 , MiniMax M2.5 , Qwen3 Coder 480B , Llama 4 Maverick , Mistral Large 3 , DeepSeek V3.2 , and many additional model families . Performance comparisons are based on third-party benchmarking or internal testing. Observed inference speed improvements versus GPU-based systems may vary depending on workload, configuration, date and models being tested. 1237 E. Arques Ave Sunnyvale, CA 94085

    匹配字段正文

  6. A6 a6-047 · Baseten 工程博客

    Baseten 工程博客:pyannote 说话人分离模型提速 9.6 倍

    Baseten 让 pyannote 的说话人分离(diarization)模型推理速度提升 9.6 倍。该博客还介绍了面向托管 RL rollout 的 delta 权重同步优化、Baseten 在 Coval 语音 AI 基准测试中领先,以及供编码智能体使用 Baseten 的新 MCP 与技能。

    博客 推理工程 模型性能 Baseten 如何让 pyannote 的说话人分离模型提速 9.6 倍 Matte Lim 另有 1 人 模型性能 为托管式 RL rollout 优化 delta 权重同步 Paras Stefanopoulos 模型性能 Baseten 在 Coval 语音 AI 基准测试中领先 Ansel Erol 另有 1 人 AI 工程 供编码智能体使用 Baseten 的新 MCP 与技能 Marius Killinger 另有 1 人 AI 模型 最适合后训练的开源模型 Chloe Florit 模型性能 LLM 推理的高效前沿 Philip Kiely 模型性能 生产环境中的智能体内核 Brian Li 另有 2 人 AI 模型 GLM-5.3:以直观方式解读后训练扩展 Chloe Florit 另有 1 人 AI 工程 如何在 DeepSeek Harness 中运行任意开放模型 Alex Ker 1 2 3 ... 27 requestAnimationFrame(function(){$RT=performance.now()}); 热门模型

    匹配字段正文

  7. Stanford HAI News

    斯坦福 HAI:开放权重模型还不够,科学与社会需要真正的开源 AI

    斯坦福 HAI 的 James Landay 指出,开放权重只是“开放分发”,不等于开源 AI:外界仍看不到训练数据、训练代码和构建方式。他主张以 Linux 基金会 Model Openness Framework 最高档“Open Science”为标准,要求代码、训练数据(或可审计的完整说明)与工具链一并公开。他以 Moonshot AI 的 Kimi K3(2.8 万亿参数、百万 token 上下文)和阿里 Qwen3.8-Max(2.4 万亿参数)为例,称中美实验室目前都只回答了“能否运行”,远未回答“能否信任、改进并在此基础上继续构建”。

    I's James Landay says it's the right conversation framed the wrong way. Chinese open-weight models have made stunning progress in recent months, with offerings from companies like DeepSeek and Alibaba closing the performance gap with American counterparts. Stanford HAI’s own AI Index found the U.S.-China performance gap narrowing to a few percentage points last year. Two new Chinese models narrow this gap even more. Moonshot AI’s Kimi K3, a 2.8-trillion-parameter model with a million-token conte

    匹配字段正文

星期三

  1. The Decoder

    Anthropic 分析称智谱开源 GLM-5.3 的漏洞利用能力接近 Claude Mythos Preview

    Anthropic 前沿红队发布分析称,智谱开源模型 GLM-5.3 能自主构建完整网络漏洞利用程序,能力接近 Claude Mythos Preview。在 ExploitBench 上,GLM-5.3 在 410 次尝试中成功构建 50 次可用漏洞利用,Mythos Preview 为 56 次;在基于 Google OSS-Fuzz 的内部二进制利用基准中,GLM-5.3 在 4% 的任务中完全控制目标程序,Mythos Preview 为 6%。Anthropic 还称用 abliteration 剥离拒绝行为约需 2200 GPU 小时、成本约 4400 美元,有害请求拒绝率从 90% 以上降至 2% 至 12%。

    ull control of the target program in 4 percent of tasks, compared to 6 percent for Mythos Preview. Older models like GLM-5.2 and Claude Opus 4.6 failed both tests, and Kimi K3 and DeepSeek V4.1-Flash barely got off zero. Anthropic also paired GLM-5.3 with a human expert. Within a single day and with little human attention, the model found several previously unknown vulnerabilities in the JavaScript engine of a widely used browser. It then chained them into a web page that can read any file on a

    匹配字段正文

  2. ChinaTalk

    Logan Wright 谈中国经济为何“失灵”

    Rhodium Group 合伙人 Logan Wright 在新书《Broken China》中提出,中国过去二十年依赖金融体系驱动的增长模式已经失灵,金融系统本身反而成为增长约束。Rhodium 年初预计中国增速为 1%–2.5%,但认为实际趋势远低于此,二、三季度投资收缩可能带来负增长。他认为中国在电动车、AI、机器人等新工业领域的投入无法单独替代房地产与投资带来的增长,并主张对华已不存在系统性经济竞争,只剩军事与产业韧性竞争。

    hat we’re stuck. Take that as a premise: we’re in a low-growth universe, and it’s unclear where the jobs come from. Logan, is AGI going to give us the jobs? Can humanoid robots or DeepSeek V7 save China’s economy? Logan Wright: You’re asking rhetorical questions. The entire purpose would be to displace manufacturing labor. Jordan Schneider: Fewer jobs as robots take over, AI doing more work for fewer people. Logan Wright: Marginal labor productivity can increase while overall labor force partici

    匹配字段正文