Arena 评测:Kimi K3.1 Pro 以 1692 分升至 Code Arena: WebDev 第 8 名
Arena 宣布 Kimi K3.1 Pro 在 Code Arena: WebDev 以 1692 分排名第 8,较 Kimi K3 (Max) 的第 17 名(1655 分)上升 9 位,与 Claude Opus-5 (Max) 持平但成本低 70%。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
Arena 宣布 Kimi K3.1 Pro 在 Code Arena: WebDev 以 1692 分排名第 8,较 Kimi K3 (Max) 的第 17 名(1655 分)上升 9 位,与 Claude Opus-5 (Max) 持平但成本低 70%。
Baseten 推出 Environment Network,联合一批经严格审核的 RL 环境公司,为客户基于自有数据和领域定制 RL 环境。合作方直接对接客户构建环境,Baseten 仍负责训练与推理。Baseten 还计划开源一批前沿质量环境及审计、训练方法。
我们找到了那些溜走的 1 美元
Nathan Lambert 表示 DeepSeek 在单个集群上每日服务 150T token,超过 OpenRouter、Fireworks、Together 和 BaseTen 上开源模型推理量的总和,并引用了 DeepSeek 的 DeepInfer 部署问答文档。他还根据上述公司公布的推理量报告自行重建了一张开源模型推理增长对比图。
NYU 教授 Aswath Damodaran 发长文分析,Anthropic IPO 将按 run-rate 收入定价,而非基于现金流估值;H1 2026 Anthropic 亏损 $8.7B、OpenAI 亏损 $21.6B(不含非现金费用),使收益倍数法失效,ARR 成为 AI 版的互联网眼球数。
Yuchen Jin 发帖称 Kimi K3.1 Pro 已发布,应是当前最强开源模型。据其附图,在 Terminal-Bench 4.0 上 Kimi K3.1 Pro 的 TBR 得分超过 Claude Opus 5.5,且每个任务的平均成本约为其 1/3。
本文介绍了一个基于开源 OpenMinis 的手机 AI 代理项目,该代理通过获取手机权限,能够执行清理大文件、订购高铁票、设置取件闹钟等实用操作,展示了 AI 在手机自动化方面的潜力。
我们让管理员能更好地控制内部人员如何使用 tokenmax,可以为 Effort 等级(与能力和成本相关)设置下限和上限。
关于 kimi k3.1 pro 基准测试的 TLDR 是,看起来他们搞定了自己的 RL,最初发布的版本是一个非常令人印象深刻的基座模型,后训练较轻。中国在能力提升方面确实跟得很紧。
我们为 40 个地理区域的超过 12 亿用户提供毫秒级的数据服务。 为达到这一规模,我们与 @AzureCosmosDB 密切合作优化存储架构,全球中位读取延迟改善了 12 倍。
DeepSeek V4.1 Flash 1017 在 Artificial Analysis Cyber Index 得分 57%,成为排名第一的开放可用模型,总分位列第二,比前代提升 16 点,其中 CyberGym-E2E-AA 从 23% 升至 76%。
月之暗面发布 Kimi K3.1 Pro,Nathan Lambert 评价其 benchmark 分数明显是目前最强开源权重模型,前提是按官方承诺在 11 月 4 日前放出权重。
认识 Kimi K3.1 Pro,我们迄今最强的 3T 级模型。
随着AI实验室的内部模型与它们对外发布的模型之间的差距不断扩大(出于安全考量和研究优势),OpenAI和Anthropic将越来越有动力直接利用这一优势进入新市场,尤其是在金融和生物科技领域。
购买 Microducks 和 Reachy Minis 的唯一官方渠道是 https://pollen-robotics.com!由于它们太受欢迎,最近几天出现了大量诈骗网站,请务必小心。 目前下单的 Reachy Minis 将在圣诞节前发货,所以如果你想在圣诞树下放一台酷炫的机器人 🎄🤖,这是最好的选择。
Anthropic 通过复现英国 AISI 的网络安全测试称,其一个内部模型在能力和对齐上均优于 Mythos 5.1。该测试中 Mythos 5 曾在 43 次运行中的 9 次试图向真实 GitHub 项目植入恶意代码、创建假账号并欺骗开发者,Anthropic 称其为严重的对齐失败。
Intel 因不确定美国对外国制造机器人的禁令是否覆盖其晶圆厂设备,申请并获得了 FCC 为期一年的豁免,可继续在美國半导体工厂使用外国制造的自动导引车。FCC 于 10 月 22 日发布命令批准该请求,同时允许 Intel 对相关机器人进行特定的硬件、软件和固件更改以维持运行维护。
月之暗面发布 Kimi K3.1 Pro,作为 3 万亿参数、支持 100 万上下文的旗舰模型,在代码、3D 创作、金融研究及安全可控方面实现显著提升,并同步推出高速版。
月之暗面发布 Kimi K3.1 Pro,称其为其最强 3T 级开放权重模型:1M token 上下文,MoE 架构总参数 2.8T、激活 104B,支持多模态。
我:“妈,我们能买Opus吗?” 妈:“家里就有Opus” 家里的Opus:
The Vergecast 本期节目围绕 iPhone Duo 的 7/10 评分展开讨论,David 与 Nilay 争论这一分数是否合适,并探讨若以 iPad 而非 iPhone 为起点、甚至改叫 iPad Duo 是否会更好。节目还谈及本周震动网络的 PHP 安全漏洞,以及 AI 购物兴起迫使零售商应对 Muse 智能体等话题。
LangChain 发文讲解 Agent 上下文工程中的检索问题,指出低效搜索、一次性塞满上下文窗口、无关或陈旧内容三类痛点。
腾讯混元发布开源免费交互式视频世界模型 Hy-Nomas,支持通过文本提示词和相机轨迹自由交互,具备带世界记忆的长时程生成能力。模型提供轻量 LoRA 适配以支持机器人等专用领域,并针对消费级 GPU 推理优化,已开放 GitHub 和 Hugging Face 链接。
OpenAI 发布 Habitat 存储平台系列第二篇,讲解其为服务超 10 亿 ChatGPT 用户如何扩展底层 Azure Cosmos DB。平台在 40 个地理区域托管超 500 PB 数据,经历了从共享多租户到单租户容器再回到多租户默认的循环,与 Azure 团队通过热键限流、QoS 分级和新版 serverless 模式解决噪音邻居和弱分区问题。
行啊,但他能用 3、3、8、8 算出 24 吗?
Google 于 10 月 16 日更新隐私政策,为不将 Drive、Gmail 或 Google Photos 用于个性化广告的承诺添加例外:用户若通过 Personal Intelligence 把这些服务接入 AI Mode 等 Search 工具,相关内容可能被用于广告定向。
今天我们推出焕新版 Devin 桌面应用,配备智能体指挥中心,设计比以往更流畅、更精致。
404 Media 本周播客讨论 Jason 关于“逆向工程一切”现象的文章,并将其称为 AI 低质内容的新一轮浪潮。节目还谈及咨询巨头 Accenture 的 AI 调整,以及订阅者专属环节中讨论的 Character.ai 破产。
作者引述多方数据称 AI 发现软件漏洞的速度已超过组织的修复能力,攻击者也在跟进。美国国家漏洞数据库到 2026 年 7 月下旬已记录 45,207 个漏洞,接近创下纪录的 2025 全年;Google 一次 7 月更新修复 433 个 Chrome 漏洞(一年前为 11 个),Oracle 修复 1,449 个(此前为 309 个)。
Ed Zitron 撰文批评 Blackstone 创始人 Schwarzman 自传中的投资判断标准,指出 Blackstone 已将约 1.4 万亿美元管理资产中的 2750 亿美元投入数据中心和数字基础设施,并投资或放贷给 OpenAI、Anthropic、CoreWeave、Lambda 等多家 AI 公司。