最新更新
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。
SemiAnalysis 实测 Trainium3 训练体验:原生 PyTorch 栈与 Neuron Explorer 深度评测
SemiAnalysis 工程团队分享在 Trainium2 和 Trainium3 上做研究训练的第一手体验,认为 AWS 转向原生 PyTorch(TorchNeuron、eager 模式、torch.compile)会明显拓宽 Trainium3 的采用。
TechCrunch Founder Summit 2026:Toast、Bessemer 等投资人将分享哪些创业经验
TechCrunch Founder Summit 2026 将于 11 月 4 日在波士顿 SoWa Power Station 举办,Toast 联合创始人 Steve Fredette、Bessemer 合伙人 Kent Bennett、Glasswing Ventures 的 Rudina Seseri 等将登台分享。
Moonshot AI 发布 Kimi K3.1 Pro,Artificial Analysis 榜单升至第四
Moonshot AI 发布 Kimi K3.1 Pro,在 Artificial Analysis Intelligence Index 得 55 分,较 K3 提升 11 分升至第四,仅比 Claude Opus 5.5(58 分)低 3 分。
Kimi K3.1:超越 Astra 大模王,贡献了最好的「秦始皇骑北极熊」
Kimi 3.1 Pro 在 1024 程序员节正式发布,以 3 万亿参数和大幅提升的性能,在代码、Agent、文档、3D 建模和金融等领域均取得显著进展,并贡献了令人惊叹的 3D 游戏演示——秦始皇骑北极熊。
Databricks 实时能源交易与分析方案:毫秒级流处理与 Lakebase 统一数据底座
Databricks 展示了一套实时能源交易与分析方案,用 Spark Structured Streaming Real-Time Mode 以毫秒级延迟处理市场数据并写入 Lakebase,供交易台应用直接读取。
Databricks 实测:Spark 声明式管道让 AI 智能体写数据管道更省更安全
Databricks 用 Opus 4.8 在 22 个数据工程任务、264 次构建上对比 Apache Spark 的过程式与声明式管道,声明式在运行前即可校验结构错误,执行器耗时从 596 秒降至 17 秒,约省 34 倍算力。声明式管道代码量中位数为 64 行,约为过程式 131 行的一半,且写法更统一。
Meta Muse 在日本进展亮眼
@Muse 在日本正发生着不可思议的事情
Sundar Pichai 解释 Demis Hassabis 退出 DeepMind 日常管理与 Jeff Dean 离职
Sundar Pichai 在访谈中解释 Demis Hassabis 逐步退出 DeepMind 日常管理和 Jeff Dean 离开 Google 的原因,称前沿模型开发已成为一项从数据、算力到团队管理都全消耗的规模化工作。
Hugging Face 招募机器人团队
随着 Microduck 和 Reachy Mini 的爆发式增长,我们需要更多各职能的人才加入 @pollenrobotics @huggingface 团队。 如果你对用开源推动机器人 AI 民主化感到兴奋,我的私信开放!
MiniMax M3.1 Flash 上线 Fireworks serverless 预览
Fireworks 在 M3.1 Flash 开放权重发布当天将其上线 serverless,预览模式开放两周,视社区需求决定是否保留。
Altman:机器人造机器人是下一个大循环
机器人造机器人是下一个大循环 当被问及OpenAI现在押注什么基础设施时,Sam Altman说是制造更多机器人的机器人,以及帮助建造更多数据中心的数据中心、芯片工厂和发电厂,从而让算力能增长得快得多。 他表示,这个循环的重要性几乎堪比RSI,即AI改进自身研究。
月之暗面 Kimi K3.1 Pro 上线 OpenRouter,1M 上下文多模态开源权重模型
OpenRouter 宣布月之暗面的 Kimi K3.1 Pro 上线,定位为基于 Kimi K3 后训练、面向长程编码和智能体任务的 1M 上下文多模态开源权重模型。定价为 $2/M input tokens、$10/M output tokens,可在 OpenRouter 直接试用。
Kimi K3.1 Pro 上线 OpenCode Go
Kimi K3.1 Pro 现已在 OpenCode Go 中可用
Mubit 用 API 调用训练自有小模型
Mubit 读取智能体已发往 OpenAI 或 Anthropic 的 API 调用,找出重复任务并训练用户自有小模型,重复性窄任务交给小模型、其余仍由前沿模型处理。集成只需替换 base URL 并保留原客户端代码,也可接入已有 traces,公司称每几分钟刷新一次。两家公司会因各自智能体流量不同而得到不同的小模型,改进固化在权重而非提示词中。
Claude 将支持 MCP Tasks 和 Elicitations
Claude 正在添加对 MCP Tasks 和 Elicitations 的支持。Tasks 允许 Claude 给插件分配长时运行任务,如深度研究,并在完成后回报结果。
Kimi K3.1 Pro 以 55 分登 Artificial Analysis Intelligence Index 第 4,Lambert 称超 Fable 5.1 与 Astra 6
Nathan Lambert 转引 Artificial Analysis 对月之暗面 Kimi K3.1 Pro 的评测:该推理模型以 55 分位列 Intelligence Index 第 4,高于 Fable 5.1 和 Astra 6,较 Kimi K3 提升 11 分。
Kimi K3.1 Pro 首测对比多款模型
@petergostev 对 Kimi K3.1 Pro 的第一印象来了。 我们把 @Kimi_Moonshot 的 Kimi K3.1 Pro 用于 3D 场景、HTML 动画、网站、UI 构建和研究型页面,并与 K3、Opus 5.5、Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon 等模型进行对比。
METR 与 Redwood Research 三周驻场审计 OpenAI,发现内部 AI 行为监控存在重大缺口
METR 与 Redwood Research 两名研究员于 7 月 21 日至 8 月 11 日在 OpenAI 驻场三周,审计其针对模型异常行为的内部监控系统,期间可访问代码库和内部文档并访谈约 12 名员工。
互联网的「武汉时刻」:AI 智能体攻击正在加速蔓延
Azeem Azhar 撰文认为互联网正进入类似 2020 年初疫情爆发前的临界状态,软件与网络空间正遭受 AI 智能体驱动的持续攻击。
2026 年湾区科技裁员已近 14,500 人,超 2025 全年总数
Rohan Paul 转发 Simar Singh 关于湾区裁员的观察并补充数据:科技公司已通过加州 WARN 通知披露 2026 年近 14,500 个湾区裁员计划,超过 2025 全年约 10,170 人的总数。引用推文提到一位创始人称其 AI 技术公司正在裁减 2,000 名呼叫中心员工,并感叹社会尚未为这种冲击做好准备。
Kimi K3.1 Pro 登上 WebDev Arena 第 8 名,Kimi 升至 AI 实验室总排名第 4
月之暗面发布 Kimi K3.1 Pro,在 Code Arena: WebDev 榜单以 1692 分排第 8,比 Kimi K3 (Max) 的第 17 名(1655 分)上升 9 位,Kimi 由此回到实验室总排名前 4。
Kimi K3.1 Pro 智能指数排名第四
Kimi K3.1 Pro 在 Artificial Analysis 智能指数上排名第 4,涵盖所有模型,包括 Claude Opus 5.5、Fable 和 GPT-6 Astra,这简直太疯狂了。 开源强势回归。💪
月之暗面发布 Kimi K3.1 Pro:2.8T 总参数 MoE 开源模型
月之暗面(Kimi)发布 Kimi K3.1 Pro,2.8T 总参数 / 104B 激活参数的 MoE 多模态模型,支持 1M token 上下文,K3.1 Pro Highspeed 速度提升 2–3 倍,已在 Kimi.ai、Kimi Work、Kimi Code 和 API 上线。
Kimi K3.1 Pro 在 Artificial Analysis 智能指数以 55 分位列第 4
Artificial Analysis 评测显示,月之暗面 Kimi K3.1 Pro 以 55 分位列智能指数第 4,比 Kimi K3 的 44 分提高 11 分,仅落后 Claude Opus 5.5(58)、Claude Sonnet 5.5(56)和 Muse Wonder Full(56)。
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%。
Baseten 推出 Environment Network,联合第三方公司为客户定制 RL 环境
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。
Muse 找回遗漏的 1 美元
我们找到了那些溜走的 1 美元
Nathan Lambert 制图对比:DeepSeek 单集群日处理 150T token,超过多家平台开源模型推理量总和
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 Damodaran 分析 Anthropic IPO 将按 run-rate 收入定价而非现金流估值
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。





























