2026-07-19

Alibaba's Qwen takes on Kimi K3 with open-weight Qwen 3.8, says model is "second only to Fable 5"

阿里 Qwen 团队发布开源权重多模态模型 Qwen 3.8，拥有 2.4 万亿参数，宣称性能仅次于 Fable 5，正面迎战月之暗面的 Kimi K3。此举为开源社区提供了逼近顶尖闭源能力的选择，并进一步加剧了大型多模态模型的开源军备竞赛。

Kimi K3 vs DeepSeek V4 Pro vs GLM-5.2: Open Trillion-Scale MoE Models Compared on Benchmarks, License, and Serving Cost

该报道横向对比了 Kimi K3、DeepSeek V4 Pro 和 GLM-5.2 三款万亿参数 MoE 模型，在基准性能、开源许可条款和实际服务成本等方面进行细致比较，为从业者在大规模模型选型上提供了关键参考。

火速上架！空降即登顶Arena，Kimi K3当日登陆「模型广场」

月之暗面 Kimi K3 发布当日即登陆模型广场，并迅速空降 Arena 排行榜榜首，显示出其在社区评测中的强劲实力和极高热度。

三款AI推理芯片+超节点异构集群，云天励飞公布未来算力蓝图

云天励飞公布了包含三款自研 AI 推理芯片和超节点异构集群的未来算力蓝图，展示了国产芯片在推理场景和集群系统上的突破，对降低推理成本和提升自主可控性具有重要意义。

Moonshot's Kimi K3 outperforms Fable 5 in frontend code but lags far behind in complex math

月之暗面 Kimi K3 在代码竞技场前端任务上大幅超越 Fable 5 和 GPT-5.6 Sol，成为首个登顶该榜单的中国模型，但在复杂数学推理上仍与前沿模型有较大差距，凸显了不同能力维度的不均衡。

Perplexity AI Releases WANDR: An Open Benchmark Evaluating Research Agents That Must Search Wide And Deep

Perplexity AI 发布开放基准 WANDR，包含 500 个证据密集型任务，专门评估研究智能体进行广度和深度搜索并引用可核实证据的能力，为衡量搜索型智能体的研究质量设立了新标准。

Fine-Tuning Qwen3 with LoRA Using NVIDIA NeMo AutoModel: A Complete Single-GPU Google Colab Workflow Tutorial

该教程提供了一套完整的在 Google Colab 单 GPU 环境下使用 NVIDIA NeMo AutoModel 对 Qwen3 进行 LoRA 微调的流程，涵盖 CUDA 验证、NeMo 安装、配方适配、CLI 微调和模型推理，大大降低了 LLM 微调的入门门槛。

Kimi: Threat or menace?

月之暗面发布新版 Kimi 模型引发外界对「AI 共产主义」的担忧，报道探讨了该模型在技术实力之外的地缘政治联想，反映出中国大模型崛起在国际舆论场中的复杂影响。

不靠英伟达网卡，国产GPU直通方案实测出炉：吞吐飙升、延迟砍半

奇异摩尔在 WAIC 2026 展示的国产 GPU 直通方案摆脱了对英伟达网卡的依赖，实测吞吐量大幅提升、延迟降低一半，为解决 GPU 互联瓶颈提供了自主可控的高效替代路径。

WAIC 2026现场，阡视科技发布超节点系统，专为Token工厂而生

阡视科技在 WAIC 2026 发布了专为「Token 工厂」设计的超节点系统，针对大规模 Token 处理进行优化，有望提升生成式 AI 的吞吐效率，为大模型推理和训练提供更强的基础设施支撑。

腾讯云发布ADP 4.0海外版：集成Google Workspace、Jira，定位AgentOps全生命周期管理

腾讯云推出 ADP 4.0 海外版，集成 Google Workspace 和 Jira 等工具，专注于智能体全生命周期管理，使企业能够在统一平台上构建、部署和治理智能体应用，加速 AgentOps 落地。

viable/strict/1784480980

PyTorch 更新了发布兼容性矩阵，明确了各版本推荐的 NCCL 版本，帮助开发者准确配置分布式训练环境，避免因依赖不匹配导致的稳定性问题。

边端AI不只缺算力：安谋科技重做CPU、NPU、VPU与AI操作系统

安谋科技重新设计了面向边端AI的CPU、NPU、VPU以及专用AI操作系统，提供从芯片IP到系统软件的全栈优化方案，填补了端侧推理在软硬件协同上的缺口。对从业者而言，这意味着更低的集成复杂度与更高效的端侧模型部署路径。

Google Deepmind argues video generators already contain the world models computer vision has been missing

Google DeepMind的GenCeption方法直接复用视频生成模型执行深度估计与分割等传统视觉任务，在几乎只使用合成视频训练的情况下匹配了最先进系统的表现，为视频生成器已内嵌通用世界模型的观点提供了新论据。对视觉从业者来说，这提示视频生成模型有潜力成为低数据依赖的预训练基础，改变感知任务的构建方式。

从大模型到 AI 执行系统：构建企业级可控 Agent 体系｜AICon深圳

AICon深圳活动聚焦从大模型到AI执行系统的演进，探讨如何构建企业级可控的Agent体系。对从业者而言，这提供了将大模型落地为可靠、可治理的自主执行体的方法论与实践参考。

商汤大装置与国信数算达成战略合作，共建全国一体化算力网试验场

商汤大装置与国信数算达成战略合作，共同建设全国一体化算力网试验场，推动算力资源的统一调度与共享。对从业者来说，这一合作有望加速形成可跨区域调配的算力市场，降低大模型训练与推理的算力获取门槛。

不换模型，效果提升104%！上海AI Lab让Harness也能自进化了

上海人工智能实验室提出一种让评测工具Harness实现自进化的方案，无需更换底层模型即可将评测效果提升104%。对从业者的价值在于，通过优化评测框架本身就能大幅放大模型表现，从而降低对模型反复微调的依赖，加速迭代。

10 Open-Source No-Code AI Platforms for Building LLM Apps, RAG Systems, and AI Agents

文章盘点了10个开源无代码/低代码平台，用于构建LLM应用、RAG系统与AI智能体，并逐一标注了许可证与适用场景。对从业者来说，这为快速原型搭建和降低研发门槛提供了可直接选用的工具箱。

NVIDIA Released DeepStream 9.1: Bringing Agentic AI to Vision AI With 13 Skills and Multi-View 3D Tracking

NVIDIA DeepStream 9.1带来了13种智能体技能，允许Claude Code、Codex等编码Agent通过自然语言指令直接搭建多摄像头视频分析流水线，同时新增多视图3D跟踪和自动相机校准功能。对视觉AI从业者而言，这意味着可以用Agent大幅简化复杂分析系统的开发，并获得全局一致的跨摄像头目标跟踪能力。

Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning

Ring-Zero 旨在将零 RL 扩展到万亿参数规模，探究大规模下涌现推理能力的训练动态。针对直接扩大会带来的不稳定性，作者提出了细粒度奖励塑形与动态采样策略，使万亿参数模型能稳定地从纯可验证奖励中学习，并在复杂推理基准上展现出显著的性能跃升，为超大规模推理模型的训练提供了可行路径。

LongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget

LongStraw 针对 RL 后训练中上下文长度远落后于推理系统的问题，提出了一种架构感知的执行栈，在固定 GPU 预算下将强化学习的上下文长度成功扩展至 200 万 token 以上。通过分块重计算和高效的序列并行等策略，使智能体在长轨迹任务中能利用更丰富的历史信息，大幅提升了多步推理与工具调用的连贯性。

Smarter and Cheaper at Once: Byte-Exact KV-Cache Grafting Turns a Frozen Small Model into a Verified-Knowledge Flywheel

这项工作展示了字节精确的 KV 缓存嫁接技术：将已验证的知识一次性存为 KV 状态，随后直接植入冻结的小型模型，无需改变任何权重。这种嫁接保持 SHA-256 级别的比特一致，零 KL 散度且 argmax 完全一致，让小型模型在知识密集型任务上能力大增的同时成本急剧下降，实现「既聪明又便宜」。

VideoChat3: Fully Open Video MLLM for Efficient and Generalist Video Understanding

VideoChat3 是一个完全开源的高效通用视频多模态大模型，旨在突破现有视频模型领域泛化差、计算开销高和关键组件不开放的局限。它采用统一的时空建模架构和高效训练策略，覆盖运动、长视频和流式交互等多种视频类型，在多个基准上取得领先表现，为社区提供了可复现的全开放视频理解基座。

SEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning

SEED 针对智能体强化学习中轨迹级稀疏奖励导致 token 级学习缺乏细粒度指导的痛点，提出自演化的同策略蒸馏框架。它利用模型自身生成的高质量推理路径作为密集监督，并随策略进化动态更新蒸馏数据，弥合了轨迹级反馈与 token 级学习之间的鸿沟，在复杂多步交互任务上显著提升了样本效率和最终成功率。

SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

SearchOS 是一个系统级多智能体协作框架，专治信息检索智能体在长交互中因搜索失败而陷入重复循环、浪费搜索预算的顽疾。它通过任务追踪与主动协调，让多个专业化智能体高效分工，在搜索遇阻时自动切换策略，从而在开放域信息搜寻中显著改善答案的完整性和搜索效率。

UniVR: Thinking in Visual Space for Unified Visual Reasoning

UniVR 首次探索了从纯视觉演示中同时学习复杂推理、精细物理动态和长期规划的能力。其核心 VR-GRPO 强化学习范式结合了全局与步级奖励，强制逻辑连贯与物理一致，让模型直接在视觉空间里「思考」，在需要多步视觉推理和物理预测的任务上大幅超越现有方法。

Spectral Rewiring for Exploration, Purification, and Model Merging

该工作揭示了强化学习更新中推理有效的成分集中在基模型频谱空间，并据此提出频谱重连方法。它能主动促进探索、净化能力退化，并在模型合并时减少干扰，从而缓解 RL 后训练常见的推理能力饱和及多领域整合冲突，有效提升测试时扩展性。

Demystifying On-Policy Distillation: Roles, Pathologies, and Regulations

论文系统解剖了同策略蒸馏在 LLM 后训练中的角色、病理和调控方式。它明确了 OPD 作为探索催化剂，通过密集 token 级引导将学生推向正确推理路径而不提升能力天花板，同时揭示了多样性不足导致的过度压缩等病理，并提出动态温度调控等手段来规范化训练过程。

Token Time Continuous Diffusion for Language Modeling

TTCD 是一种新型扩散语言模型，在连续空间中运行，能确定性从噪声映射到最终 token，关键创新是引入每个 token 独立的时间步控制，使得不同 token 以不同速率去噪。这避免了并行采样多 token 带来的不准确，在文本生成质量和推理速度上都优于现有扩散模型。

Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation

Boogu-Image-0.1 是开源统一多模态理解和生成模型系列，包含 Base、Turbo、Edit 等变体，在文生图、指令编辑和双语文本渲染等方面表现亮眼。与闭源系统依赖系统级集成不同，该模型从单一底座实现统一能力，为开源社区提供了高性能且透明的多模态生成方案。

DeepLoop: Depth Scaling for Looped Transformers

DeepLoop 针对循环 Transformer 中共享参数导致的残差缩放难题，提出了一种专用于循环架构的深度缩放方法。通过形式化分析共享参数在多轮循环中的梯度聚合与回读效应，该方法以极少的额外存储实现循环深度的有效扩展，让小参数模型在大计算量推理任务上获得显著性能提升。

GRASP: GRanularity-Aware Search Policy for Agentic RAG

GRASP 是一个强化学习框架，用于训练智能体式 RAG 策略，一举解决何时检索、用词法还是语义检索以及如何控制上下文粒度这三个纠缠的决策难题。它让模型自主学会细粒度的搜索策略，在多跳问答和事实核查等任务上显著提升了检索效率和答案准确性。

Hierarchical Denoising For Multi-Step Visual Reasoning

HDR 提出分层去噪的统一框架，解决视频模型在多步推理中难以兼顾逻辑一致与低延迟的困境。它融合了流式自回归扩散的效率与双向扩散的全局修正能力，通过层次化控制去噪粒度，实现了高质量且可流式的多步视觉推理，在逻辑推理和速度上都明显优于单一范式。

AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities

AgentCompass 是一个开源、轻量且可扩展的智能体评估基础设施，旨在打破当前评估管线碎片化、紧耦合导致的不可复现和重复工程。它将评估解耦为基准、环境、评价器三个独立组件，支持灵活组合，使不同智能体能力的对比评测走向标准化和高效化。

Self-Improvements in Modern Agentic Systems: A Survey

这篇综述将现代自改进智能体框定为从经验中累积能力的自适应系统，提出了一个系统级框架，将智能体拆解为基础模型与提示、记忆、工具和控制流的操作脚手架。它系统梳理了自改进方法，为理解和设计可进化的自主智能体提供了清晰的概念模型。

RxBrain: Embodied Cognition Foundation Model with Joint Language-Visual Reasoning and Imagination

RxBrain 是一种具身认知基础模型，能联合进行语言与视觉推理及想象。它把具身计划表达为语言指令与视觉想象交替出现的单一序列，不同于现有的 VLM 或纯世界模型，在需要紧密耦合推理与物理状态的机器人操作任务中取得了更高的成功率。

Video = World + Event Stream

Wan-Streamer v0.3 将视频统一为「世界+事件流」的视角：世界是视频展开的持久上下文，事件流是其间的所有变化。基于这一模型，系统能更自然地分离场景级稳定属性与动态演化，实现更连贯的流式视频生成与交互。

MeanFlowNFT: Bringing Forward-Process RL to Average-Velocity Generators

MeanFlowNFT 将前向过程强化学习引入到平均速度生成器，解决了此类高效生成模型难以用现有方法对齐偏好的问题。它不依赖反向轨迹或似然估计，在训练中直接注入 RL 信号，使得快速采样器也能在保持高速生成的同时，输出质量与人类偏好更一致。

Rethinking the Evaluation of Harness Evolution for Agents

该论文重新审视了智能体的自动 harness 进化评估，指出当前协议将进化搜索与测试时扩展评价混淆，导致不公平比较。通过控制变量实验，作者表明简单的测试时聚合往往已能匹敌进化搜索带来的增益，呼吁建立更严谨的评估基线以还原真实提升。