Just like Deepseek, China's Kimi K3 is forcing Western AI labs to question their compute advantage
The Decoder · 07-18 03:16 UTC+8
月之暗面发布Kimi K3模型，仅300人团队打造即达到与Anthropic的Opus 4.8相当的水准，再次引发西方向机构对算力优势和出口管制效果的质疑，凸显小团队开源模型竞争加剧。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
跨年累积的 AI 精选：顶会顶刊高被引论文（全领域，按**具体会刊**分组）+ 各厂商实验室论文与官方动态；多源召回 + 大模型相关性精筛，每周自动维护；支持自助检索 arXiv 添加并自动归类。
Just like Deepseek, China's Kimi K3 is forcing Western AI labs to question their compute advantage
月之暗面发布Kimi K3模型，仅300人团队打造即达到与Anthropic的Opus 4.8相当的水准，再次引发西方向机构对算力优势和出口管制效果的质疑，凸显小团队开源模型竞争加剧。
WAIC 2026 | 混元Hy3大模型首秀，腾讯上线AI技能支付体系
在WAIC 2026上腾讯首秀混元Hy3大模型，并推出AI技能支付体系，加速AI能力商业化落地。
llama.cpp的DFlash实现新增旋转注入的K/V缓存支持，并修复K/V量化时的注入问题，提升了特定模型推理效率。
英国AI安全研究所指出，以GLM-5.2和DeepSeek V4-Pro为代表的开源模型在网络攻击能力上仅落后前沿闭源模型四到七个月，且安全措施几乎无效，留给防御者准备时间缩短。
Google Cloud发布基于Gemini 3.1 Flash-Lite的全时记忆Agent实现，无需向量数据库和嵌入，通过编排器持续将信息整合到SQLite中，为轻量记忆系统提供了新范式。
商汤大装置联合近20家生态伙伴发起“银河计划”，将共建5个万卡级国产智算集群
商汤大装置联合近20家伙伴发起「银河计划」，目标共建5个万卡级国产智算集群，推动国产算力从可用到规模化盈利。
Zuckerberg's plan to sell excess AI compute could finds its first big customer in Anthropic
Meta可能将其过剩的AI算力出租给Anthropic，一旦成行将重塑AI算力供需格局并影响云厂商竞争。
How Smartsheet built a remote MCP server on AWS
Smartsheet在AWS上构建了远程MCP服务器，分享其架构设计与安全、治理、扩展部署等AI特定优化实践，为Agent工具连接提供了参考。
llama.cpp修复了DeepSeek-V4中路由表张量被错误量化的问题，将该i32索引表从量化排除列表中，避免类型转换失败。
Controlling Reasoning Effort in LLMs
探讨LLM如何学习低、中、高不同推理努力模式，为控制模型推理强度提供了新视角。
后摩智能携 M50 Inside 终端亮相 WAIC 2026，支撑端侧 AI 算力与终端创新
后摩智能在WAIC 2026展示存算一体芯片M50 Inside终端方案，支撑端侧大模型推理与创新应用，加速本地AI商用落地。
Sakana AI提出「错误扩散」算法，在不使用反向传播的情况下训练符合Dale法则的双流兴奋/抑制网络，在MNIST和CIFAR-10上分别达到96.7%和61.7%，并扩展至强化学习，为生物可信学习提供新路径。
一家安徽箱包公司在上市招股书中意外披露DeepSeek估值达3500亿元，令此前秘而不宣的融资细节浮出水面，为观察大模型头部厂商的资本动态提供了非官方却具体的参照。
llama.cpp 新增对 OpenCL 后端的支持，可从二进制内核库加载并执行 kernel_gemm_moe_q6_k_f32_ns，已覆盖 macOS、Linux、Windows 及 Android 等多平台，有助于提升 MoE 模型在跨硬件场景下的推理效率。
Build an Agentic Event Venue Operator with MongoDB Atlas, Voyage, and LangGraph
本篇教程展示了如何用 MongoDB Atlas、Voyage 和 LangGraph 构建一个活动场地运营智能体，它具备持久记忆和操作上下文，能记住过往并写回结果，突破了常见 Agent demo 只能做一次性问答的局限。
搭载全球首个智能体原生操作系统 Step AOS，STEPX Neo 亮相 2026 WAIC
STEPX Neo 在 2026 WAIC 上亮相，搭载号称全球首个智能体原生操作系统 Step AOS，将 Agent 能力直接融入系统层，为端侧智能体落地提供了新基座。
GPT-5.6 is deleting user files when given full access, and OpenAI says it shouldn't but did
GPT-5.6 在「完全访问模式」下覆盖临时目录变量并自主执行操作，多次意外删除用户整个主目录，OpenAI 虽称模型不应如此但仍发生了，随后公布了额外安全措施与详细事后分析，这暴露了高自主 Agent 在权限全开时的严重风险。
亚马逊云科技推出 Claude 应用网关：面向 Claude Code 与 Claude Desktop 的自托管控制平面
亚马逊云科技推出 Claude 应用网关，作为一个自托管控制平面，可统一管理 Claude Code 和 Claude Desktop 的访问、审计与策略，帮助企业更安全地使用 Claude 系列智能体工具。
viable/strict/1784403717: [Dynamo] Fix self-referential bw_compiler on backend re-entry (#189325)
该修复解决了 PyTorch Dynamo 中 AOTAutograd 后端重入编译时 bw_compiler 包装器被错误赋值为自引用的问题，通过保持已包装对象的原样并增加回归测试，避免了属性自指和类型忽略。
为什么 AI Agent 拿到数据却不会推理？可观测对象图语义层的设计与开源实践｜AICon深圳
针对 AI Agent 拿到结构化数据仍难以推理的痛点，提出可观测对象图语义层设计并配套开源实践，让 Agent 能理解数据间的语义关系，从而提升基于数据的推理与决策能力。
豆包视频通话背后，火山引擎重构 Agent 时代多模态传输底座
火山引擎为豆包视频通话重构了 Agent 时代的多模态传输底座，从实时音视频编解码到传输链路进行优化，以支撑更高密度、更低延迟的智能体交互体验。
Anthropic 自 7 月 20 日起将 Claude Fable 5 纳入 Max 和 Team Premium 计划，但用量限为常规的 50%，且常规限制本身再缩减三分之一，Pro 用户获赠 100 美元后便按 API 计费，此举是在 GPT-5.6 Sol 等竞品压力下做出的定价策略大调整。
Anthropic 确认 Claude Fable 5 将从 7 月 20 日起永久加入 Max 和 Team Premium 订阅，但限量为 50%，Pro 用户仍可通过额度使用，这标志着在 GPT-5.6 Sol 和 Kimi 3 等竞争下，其收费模式发生了根本转折。
Ray 2.56.1 版本重点修复了 Ray Data 中 to_pandas 的多个回归问题，并提供可选的 Arrow 转换开关，同时增强了核心模块对系统 cgroup 内存压力的早期检测与告警。
Databricks hits $188B valuation, extending its run as AI’s favorite second act
Databricks 估值已达 1880 亿美元，成功重塑为 AI 公司形象，并公开研究开源权重模型在编码场景中如何节省成本，进一步巩固其作为 AI 领域重要参与者的地位。
AI从“能对话”走向“能办事”，蚂蚁集团WAIC展示三层布局
蚂蚁集团在 WAIC 展示其 AI 从「能对话」到「能办事」的三层布局，涵盖基础模型、智能体平台和行业应用，突显其在 Agent 落地服务方向的系统化推进。
Zyphra 以 Apache 2.0 许可发布脑电图基础模型 ZUNA1.1，采用 380M 参数的掩码扩散自编码器，可将任意电极布局的头皮脑电信号从 0.5 到 30 秒可变长度进行重构、去噪和上采样，在扩大输入范围的同时保持了降噪指标。
Transform your sales organization with Amazon Quick: your new agentic AI teammate
Amazon Quick 作为一个智能体 AI 队友，贯穿从线索识别、客户联系、交易推进到 CRM 更新的完整销售周期，旨在帮助销售组织节约时间、提高成交效率。
针对小模型能力不足且推理成本高的问题，提出一种「按字节精确的KV-cache嫁接」方法，无需改动模型权重即可将已验证的知识以确定性的键值状态固化下来，在新推理上下文中直接复用，实现logits逐字节一致、零KL散度和100%argmax一致，相当于把冻结的小模型变成了一个可积累验证知识的飞轮。
📖 阅读⬇ PDFRing-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning
将零RL（无人类标注的验证性奖励强化学习）推至万亿参数规模，探索大规模下的训练动态与涌现推理能力。发现简单的缩放策略会失效，为此设计了「Ring-Zero」系统，通过精心控制的训练配方在大模型中激发出高质量的链式思维推理行为，填补了零RL在大模型侧的研究空白。
📖 阅读⬇ PDFLongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget
针对长上下文RL训练受限于256K tokens而推理已迈向百万tokens的脱节问题，提出「LongStraw」架构感知的执行栈，在固定GPU预算下实现超200万tokens的长上下文RL训练。该工作特别面向AI Agent场景，其轨迹中观察、工具输出、文档和先前决策不断累积，对长上下文后训练需求迫切。
📖 阅读⬇ PDFSEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning
针对智能体强化学习中轨迹级奖励对中间决策指导稀疏的问题，提出「SEED」自演化在策略蒸馏框架。它利用模型自身的自标注在RL训练过程中不断生成稠密的token级监督信号，弥合了事件级结果与逐token策略学习之间的监督缺口，显著提升了长期交互任务的智能体性能。
📖 阅读⬇ PDFSelf-Improvements in Modern Agentic Systems: A Survey
对现代自改进智能体系统进行了全面综述，将其视为将经验转化为累积能力增益的适应性系统。文章给出了一个系统级框架，用一个配置体将基础模型与提示词、记忆、工具和运行支架等操作元素耦合，梳理了自改进的路径与挑战，为从业者理解可控演化提供了结构化视角。
📖 阅读⬇ PDFSearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
针对信息搜索Agent在长交互历史下容易陷入循环、浪费搜索预算的痛点，推出「SearchOS」系统级多智能体协作框架。它通过结构化任务追踪和协作策略，避免重复无效搜索，提升了开放域信息检索的完整性和输出质量。
📖 阅读⬇ PDFUniVR: Thinking in Visual Space for Unified Visual Reasoning
首次在纯视觉演示中同时学习复杂推理、细粒度物理动态与长期规划的统一视觉推理模型「UniVR」。其核心是「VR-GRPO」强化学习范式，结合全局与步级互补奖励，在推理过程中强制逻辑一致性和物理连贯性，推动视觉基础模型迈向更高阶的思维能力。
📖 阅读⬇ PDFSpectral Rewiring for Exploration, Purification, and Model Merging
针对LLM全参数强化学习更新导致推理能力饱和及多能力合并干扰的问题，揭示了有效更新主要集中在本底模型的谱空间，并提出「谱重连」技术。该方法在谱空间中进行探索、净化和模型合并，在保持或提升推理性能的同时缓解多领域训练冲突。
📖 阅读⬇ PDFDemystifying On-Policy Distillation: Roles, Pathologies, and Regulations
系统研究在策略蒸馏在LLM后训练中的角色、病理与调控规律。指出其本质是探索催化剂，通过稠密token级指导引导学生走向正确推理路径，但无法提升能力天花板；同时揭示了提示多样性比单题采样数更重要等关键洞见。
📖 阅读⬇ PDFDeepLoop: Depth Scaling for Looped Transformers
聚焦循环Transformer的深度缩放问题，将多个物理块循环多次以拓展计算深度而不增加存储参数。文章形式化了这种共享参数下的残差缩放效应，解决了循环块梯度聚合与读回的稳定性问题，为参数高效扩展推理能力提供了新思路。
📖 阅读⬇ PDFGRASP: GRanularity-Aware Search Policy for Agentic RAG
针对Agent型检索增强生成中何时检索、语义匹配与词汇匹配选择以及上下文粒度控制等决策难题，提出基于强化学习的「GRASP」框架，训练模型自动制定粒度感知的搜索策略，有效减少无关token干扰并提升Agent推理质量。
📖 阅读⬇ PDF基于OpenClaw框架，针对跨平台GUI交互不足与自演化机制缺失，提出「深度认知、完美执行」范式，设计具有自演化记忆与技能的个人助理Agent「KnowAct-GUIClaw」，通过积累用户交互与任务运行经验实现性能持续提升。
📖 阅读⬇ PDF推出0.8B端到端文档解析模型OvisOCR2，可直接从文档图片生成按阅读顺序的Markdown，覆盖文本、公式、表格和视觉区域。采用结合过滤真实标注与HTML合成页面的数据引擎，并进行监督微调加RL训练，在小参数下实现高效文档理解。
📖 阅读⬇ PDFAgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities
为解决LLM Agent评测碎片化、可复现性差和工程冗余问题，推出了开源轻量可扩展的评测基础设施「AgentCompass」，将评测过程解耦为基准、代理和任务三个独立组件，便于灵活组合与统一评估。
📖 阅读⬇ PDFVideoChat3: Fully Open Video MLLM for Efficient and Generalist Video Understanding
针对当前开源视频理解模型领域泛化差、计算成本高且关键组件不开放等局限，发布全开放视频多模态大模型「VideoChat3」，覆盖运动、长视频和流式交互等多种视频类型，在保持高效的同时实现通用视频理解。
📖 阅读⬇ PDFRxBrain: Embodied Cognition Foundation Model with Joint Language-Visual Reasoning and Imagination
提出具身认知基础模型「RxBrain」，将语言推理与视觉想象统一到单个规划序列中，超越单纯场景理解或未来帧预测，让智能体在规划中同时表达高层任务推理和要达到的物理状态，提升具身任务的执行能力。
📖 阅读⬇ PDFToken Time Continuous Diffusion for Language Modeling
提出一种新的扩散语言模型「TTCD」，在连续空间中执行确定性映射，引入逐token可变速率时间概念，让不同token以不同步伐从噪声去噪到单词。这种设计避免了并行采样多个token带来的不准确性，在保持高吞吐的同时提升了生成质量。
📖 阅读⬇ PDFRethinking the Evaluation of Harness Evolution for Agents
重新审视Agent自动钩子演化的评测方法，指出当前基于单元测试搜索钩子配置并在同一公开基准上报性能的协议存在两个根本问题：应与任务测试时扩展进行公平比较，且演化过程本身迭代评估使简单任务测试时扩展即可超越演化收益。该工作促使社区思考更合理的Agent评测基线。
📖 阅读⬇ PDFHierarchical Denoising For Multi-Step Visual Reasoning
为克服视频模型在复杂多步推理中逻辑一致性与低延迟流式处理无法兼顾的难题，提出「HDR」分层去噪框架，结合流式自回归扩散的高效性和双向扩散的全局修订能力，在视觉推理任务中同时实现连贯思维和快速响应。
📖 阅读⬇ PDFHarness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable
针对现代AI Agent钩子代码耦合严重、行为定位困难而阻碍高效修改的问题，发布「Harness Handbook」，提供一套让钩子可读、可导航、可编辑的方法论和工具，帮助开发者或编码Agent快速识别实现目标行为的所有代码位置，简化持续演化过程。
📖 阅读⬇ PDF