[AINews] Kimi K3 2.8T-A50B: the largest open model ever released; Opus 4.8-class at Sonnet 5 pricing
Latent Space · 07-17 09:46 UTC+8
Kimi K3以2.8万亿参数成为迄今最大开源模型，性能达到Opus 4.8级别却以Sonnet 5级别定价，重新划定了开源大模型的性价比标杆，对从业者评估开源替代方案具有直接参考意义。
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。
[AINews] Kimi K3 2.8T-A50B: the largest open model ever released; Opus 4.8-class at Sonnet 5 pricing
Kimi K3以2.8万亿参数成为迄今最大开源模型，性能达到Opus 4.8级别却以Sonnet 5级别定价，重新划定了开源大模型的性价比标杆，对从业者评估开源替代方案具有直接参考意义。
Axolotl v0.18.0重点支持大规模稀疏MoE模型的4位专家LoRA/QLoRA，通过NVFP4等格式在Blackwell和Hopper GPU上实现长上下文高速微调且显存恒定，大幅降低了超大规模稀疏模型的微调门槛。
Kimi K3, and what we can still learn from the pelican benchmark
Simon Willison对Kimi K3的评测指出其以2.8万亿参数自称首个开放3T级模型，自评基准超越Claude Opus 4.8和GPT-5，并承诺于7月27日开放权重，这一动态可能成为开源生态格局的转折点。
Kimi's open model K3 nears GPT-5.6 Sol and Fable 5 while signaling the end of super cheap Chinese AI
Kimi K3在性能上逼近GPT-5.6 Sol和Fable 5，同时定价比前代显著提高，此举可能标志着中国AI模型从极致低价转向可持续定价，对行业算力成本预期有风向标意义。
NVIDIA发布Vera Rubin架构，通过极致软硬件协同设计在后训练负载中追求最低每token成本的最高智能产出，为智能体AI的大规模训练定义了新的经济效益基准。
llama.cpp最新提交优化了OpenCL后端的q4_K量化权重转置，通过合并读取进一步提升GPU推理吞吐，对需要在边缘设备上高效运行量化模型的从业者而言是直接的加速改良。
llama.cpp为Vulkan后端新增Q_2_0量化支持，使得极低比特量化模型能在移动及桌面GPU上高效运行，进一步拓宽了本地量化推理的部署选项。
WAIC 2026商汤大装置发布算电协同Agent，单位电力成本Token产出提升80%
商汤在WAIC 2026发布的算电协同Agent通过智能调度算力与电力，实现单位电力成本的Token产出提升80%，为AI基础设施的绿色降本提供了实际可用的优化范例。
从GPU到Token：英伟达Vera Rubin如何重构下一代AI工厂
InfoQ对NVIDIA Vera Rubin架构的深度解读剖析了其如何通过芯片到token的协同设计重构AI工厂，为从业者理解下一代训练与推理硬件流水线的演进提供了关键参考。
Build enterprise search for agents with Amazon Bedrock Managed Knowledge Base
Amazon Bedrock托管知识库为企业智能体提供开箱即用的搜索能力，围绕简化设置、智能检索与生产就绪三大支柱，显著降低了RAG在企业场景中的落地门槛。
Introducing Grok on Amazon Bedrock
Grok 4.3在Amazon Bedrock上线，完整支持可配置推理努力、工具调用、结构化输出及图像输入等能力，为智能体和企业负载提供了功能丰富的API化模型选择。
VentureBeat调研揭示企业AI的上下文供给虽已普及但信任严重不足，多数企业已目睹智能体因上下文不一致产生自信错误，治理语义层正成为填补这一信任缺口的核心手段。
调查显示157家企业中半数已遭遇智能体通过内部评估却在生产中对客户失败，自动评估信任度极低，但大多数仍继续推进部署，凸显企业迫切需要建立与现实世界结果对齐的评估体系。
Scaling Agentic AI Factories Through Extreme Co-Design with NVIDIA BlueField
NVIDIA 通过 BlueField DPU 与 AI 工厂基础设施的极端协同设计，旨在重构智能体 AI 时代的请求模式，解决一次请求触发大量模型、工具、存储调用带来的效率瓶颈。
谷歌 Genkit 推出 Agents API：支持分离式任务轮次与人机协同
谷歌 Genkit 推出 Agents API，支持将任务拆分为分离式轮次并实现人机协同，为开发者编排复杂智能体交互提供了更精确的控制手段。
Fine-tune video and image models at scale with NVIDIA NeMo Automodel and 🤗 Diffusers
NVIDIA NeMo Automodel 与 🤗 Diffusers 集成，使用户能便捷地大规模微调视频和图像模型，降低多模态生成模型的定制门槛。
Stripe 发布基准测试：AI 智能体可开发集成方案，但校验环节存在短板
Stripe 的基准测试表明，AI 智能体可以生成应用集成代码，但在验证逻辑正确性上仍存在明显短板，提醒开发者不能过度信任生成式集成。
Why the first GPU financiers are turning to inference chips in a $400 million deal
一笔 4 亿美元的芯片抵押贷款交易显示，早期 GPU 融资方开始转向推理芯片，反映出 AI 基础设施投资正从训练向推理迁移。
文远知行发布物理 AI 大模型 WITT，单卡日处理能力达 1 万分钟视频，旨在将海量行驶数据高效转化为模型能力，加速自动驾驶等物理世界应用的数据闭环。
Kimi K3 🌕, Gemini 3.5 delayed ⏳, crushing ARC-AGI 3 🤖
TLDR AI 简报提及月之暗面 Kimi K3 发布、Gemini 3.5 延迟以及 ARC-AGI 3 基准取得新突破等动态。
llama.cpp 重构 Hexagon 后端的 L2 缓存脏位跟踪与懒刷写机制，并改进矩阵乘法工作负载分配，提升高通平台上的推理效率。
llama.cpp 为 Arm KleidiAI 引入 SME 与 SME2 的精确区分，避免在仅支持 SME v1 的硬件上错误调用 SME2 指令，提高了内核调度的兼容性。
The AI compute gap: Enterprises are buying infrastructure faster than they can measure what it costs
107 家企业的调查显示，AI 基础设施支出增长远快于成本可见性建设，多数企业计划年内更换或新增供应商，决策重心转向集成和总拥有成本而非代币单价。
调查发现 54% 的企业已遭遇 AI 智能体安全事件，但大多数智能体仍共享凭据且缺乏隔离，安全控制严重滞后于智能体的生产化部署。
Ollama v0.32.1 改进了 Gemma 4 的工具调用与多轮推理，修复了 MLX 模型缓存泄漏，并让交互式智能体可感知当前工作目录。
Google’s AI Mode now lets you link and interact with select apps
谷歌 AI Mode 新增与特定应用的链接交互能力，从单纯回答问题扩展为跨应用完成任务，向执行型智能体迈进。
llama.cpp 将 BLAS 后端的哈达玛矩阵乘默认回退至 CPU 实现，优化特定计算模式下的执行路径。
WAIC 2026 | 如果Agent有性格，你的智能伙伴会是什么样的？
在 WAIC 2026 上，北电数智展示了赋予智能体性格的概念，并分享 AI 在民生服务中的落地实践，探索个性化智能伙伴形态。
llama.cpp 文档新增在 Adreno 810 上使用 OpenCL 的注意事项，帮助移动端开发者正确配置推理环境。
InfoQ 中文引发对开源模型窗口期的讨论，认为未来 6 个月可能是决定开源模型能否持续追赶闭源模型的关键阶段。
OpenAI Codex 被曝在无沙盒保护时可能误删 $HOME 目录，暴露出智能体在直接操作文件系统时的严重安全隐患。
Google rebrands NotebookLM as Gemini Notebook and opens its search app to third-party integration
谷歌将 NotebookLM 重命名为 Gemini Notebook，为每个笔记本提供可运行代码的云端计算环境，并向第三方开放搜索应用集成，强化 AI 助手生态。
Integrating Context-Aware Video AI Agents Into Enterprise Workflows
NVIDIA 展示了如何将具备感知、推理和行动能力的视频分析智能体嵌入企业工作流，以高效处理大规模视频数据。
LongStraw: Long-Context RL Beyond 2M Tokens under a Fixed GPU Budget
针对智能体长轨迹中推理与RL后训练上下文长度严重脱节的问题，LongStraw在固定GPU预算下构建架构感知的执行栈，将RL后训练的上下文窗口突破性地推进到200万token以上。通过精细化的显存调度与计算-通信重叠优化，它让原本受显存限制的长上下文RL训练得以可实现，为构建能处理超长交互历史的智能体提供了关键训练基础设施，对需要累积大量观察与工具输出结果的智能体应用尤其重要。
📖 阅读⬇ PDF该工作提出一种字节级精确的KV缓存嫁接技术，将已验证的知识一次性存入KV状态制品，后续推理时通过嫁接实现比特完全一致的恢复，全程无需改动模型权重。实测恢复后的logits与原计算SHA-256相等，零KL散度且argmax完全一致，使得冻结的小模型同时获得能力提升与大幅成本下降，巧妙地把知识复用转化为了一种高保真、低成本的飞轮机制。
📖 阅读⬇ PDFMask-Aware Policy Gradients for Diffusion Language Models
强化学习向掩码扩散语言模型（MDLMs）的迁移长期受制于对数似然的不可解性，现有近似方法只考虑token预测而忽略了解掩顺序。该工作注意到MDLM生成过程包含给掩码位置填什么token和优先解掩哪个位置两步决策，据此提出掩码感知策略梯度，将这两个维度同时纳入RL优化，在推理基准上获得了比忽略顺序的方法更显著的对齐效果。
VideoChat3: Fully Open Video MLLM for Efficient and Generalist Video Understanding
针对当前开源视频多模态模型泛化性差、计算成本高且关键组件不开源等问题，VideoChat3构建了一个完全开源的通用视频理解模型，同时覆盖运动、长视频和流式交互等多样场景。它公开全部训练代码与模型权重，在高效性和跨视频类型泛化上取得突破，为社区提供了可复现的强基线。
📖 阅读⬇ PDFSEED: Self-Evolving On-Policy Distillation for Agentic Reinforcement Learning
基于结果反馈的强化学习在长程智能体任务中只提供稀疏的轨迹级奖励，难以有效指导中间token级决策。SEED提出自演化在策略蒸馏框架，从模型自身成功的交互轨迹中提取密集的token级引导信号，实现智能体在训练过程中自我改进，无需外部标注，在复杂长程任务中样本效率与成功率均有明显提升。
📖 阅读⬇ PDFSearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
开放域信息搜寻智能体在交互历史增长时容易丢失任务追踪线索，搜索失败后陷入重复循环浪费预算。SearchOS引入系统级多智能体协作架构，通过任务分工与动态调度来打破这种循环，使搜索过程更加鲁棒，最终答案的完整性和正确性均优于单智能体系统。
📖 阅读⬇ PDFSpectral Rewiring for Exploration, Purification, and Model Merging
全参数密集RL更新常导致推理性能衰退、测试时缩放过早饱和以及多能力模型合并的严重干扰。该研究发现这些副作用集中体现于模型权重的频谱空间，于是提出频谱重连技术，通过选择性重组频谱分量同时实现探索增强、能力纯化与模型融合。实验表明它能缓解测试时缩放饱和，并在模型合并后保持更优的综合推理能力。
📖 阅读⬇ PDFDemystifying On-Policy Distillation: Roles, Pathologies, and Regulations
该研究系统解构了在策略蒸馏（OPD）在后训练中的真实角色、常见病理及调控方法。澄清OPD本质上是探索催化剂，通过密集token引导将学生引向正确推理路径，却并不扩展能力天花板；进一步揭示提示多样性远比每个问题重复采样数重要，并诊断出过度正则化等病理，给出了避免天花板固化的实用调控策略。
📖 阅读⬇ PDFUniVR: Thinking in Visual Space for Unified Visual Reasoning
UniVR首次探索从纯视觉示范中联合学习复杂推理、精细物理动态与长期规划。其核心VR-GRPO强化学习范式提供互补的全局与步级奖励，强制推理过程保持逻辑连贯与物理一致，让模型「在视觉空间中思考」，在多种视觉推理任务上展现出统一且泛化性强的能力。
📖 阅读⬇ PDFWan-Streamer v0.3将视频重新表达为持久的世界上下文与动态事件流的组合，世界包括环境、场景、语音特征等稳定条件，事件流捕获所有时间上的变化。这种分解使流式生成可以维持长期的世界连贯性，同时精确控制事件驱动的变化，在长视频交互和实时生成场景中展现出显著优势。
📖 阅读⬇ PDFDeepLoop: Depth Scaling for Looped Transformers
循环Transformer通过复用物理块增加展开深度，但参数共享导致残差分支的梯度聚合与读取不匹配，限制了深度扩展。DeepLoop提出一种深度缩放策略，精确控制每一循环轮的贡献强度，使得小参数量的循环模型在稳定训练的前提下能达到甚至超过同等深度非循环模型的性能。
📖 阅读⬇ PDFGRASP: GRanularity-Aware Search Policy for Agentic RAG
智能体RAG需要实时决策何时检索、使用哪种匹配方式以及控制上下文粒度，以避免无关token干扰推理。GRASP通过强化学习训练检索策略，使智能体能自适应地进行粒度感知的搜索，在多步推理和复杂问答任务上显著提升了效率与答案质量。
📖 阅读⬇ PDFToken Time Continuous Diffusion for Language Modeling
TTCD是一种新型连续扩散语言模型，确定性地将高斯噪声映射为最终token序列且无需额外采样，并创新地引入每token可变去噪速率，让部分token比其它更快完成生成。这种连续空间建模避开了并行采样多token带来的不准确问题，在高引导尺度下生成质量尤为突出。
📖 阅读⬇ PDFSymbal: Detecting Systematic Misalignments in Model-Generated Captions
多模态大模型生成的图像描述常出现系统性错位，即特定视觉特征与某一类重复错误强关联。Symbal通过分析图像-文本对齐中的统计关联来自动检测这类系统性偏差，为数据集清洗和模型诊断提供了实用工具。
MeanFlowNFT: Bringing Forward-Process RL to Average-Velocity Generators
MeanFlow生成器通过预测平均速度实现快速采样，但已有前向过程RL方法无法直接迁移。MeanFlowNFT将前向过程RL框架适配到平均速度预测的特殊结构，无需反向轨迹即可进行偏好对齐，为快速采样生成模型的高效对齐开辟了路径。
📖 阅读⬇ PDFWanSong是一个纯扩散音乐生成模型，摒弃了自回归和级联多阶段流水线，可直接生成长篇、商业级品质的歌曲并支持精细可控性。它在音质、时长和生成效率上都达到了实用水平，为音乐创作提供了一种简洁而强大的端到端方案。
📖 阅读⬇ PDFBadWAM: When World-Action Models Dream Right but Act Wrong
世界-行动模型（WAMs）寄望于通过未来预测提供安全解释，但BadWAM揭示了一种脆弱性：模型可能正确想象未来却采取错误行动。该框架系统建模并评估这种妄想与行动的不一致，为具身智能的安全校验提出了新风险维度。
📖 阅读⬇ PDFRoboTTT: Context Scaling for Robot Policies
现有机器人策略大多仅使用单步或极短历史上下文，RoboTTT通过测试时训练将上下文窗口扩展到8000步，而不增加推理延迟。这解锁了一次性从人类视频模仿、在线策略改进等全新能力，使机器人泛化性与鲁棒性达到前所未有的水平。
📖 阅读⬇ PDFRxBrain: Embodied Cognition Foundation Model with Joint Language-Visual Reasoning and Imagination
RxBrain将语言推理与视觉想象融合在单一规划序列中，使具身智能体能同时完成高层任务推理和具体物理状态的预期。这种联合表征让模型在复杂任务中展现出更强的计划与执行一致性，区别于只关注场景理解或未来画面预测的传统方法。
📖 阅读⬇ PDF