Kimi 发布视觉感知基准 PerceptionBench
Kimi.ai 正式发布视觉感知基准 PerceptionBench。该基准基于当前前沿模型在 42 个现有基准上的失败模式归纳构建,旨在系统评估大模型的视觉感知能力。 PerceptionBench 将视觉感知细分为 10 种原子能力,涵盖形状识别、空间关系判断等基础维度,并配套构建 3000 道验证题目。每道题目仅考察单一感知能力,不依赖推理或外部知识。 该基准面向研究者开放,可用于模型能力诊断与技术迭代参考。
Kimi.ai 正式发布视觉感知基准 PerceptionBench。该基准基于当前前沿模型在 42 个现有基准上的失败模式归纳构建,旨在系统评估大模型的视觉感知能力。 PerceptionBench 将视觉感知细分为 10 种原子能力,涵盖形状识别、空间关系判断等基础维度,并配套构建 3000 道验证题目。每道题目仅考察单一感知能力,不依赖推理或外部知识。 该基准面向研究者开放,可用于模型能力诊断与技术迭代参考。
微软于当日正式推出其首个网络安全专用大模型MAI Cyber 1 Flash,以及新一代AI驱动的代理式网络安全平台Perception。 MAI Cyber 1 Flash专为复杂代码库中的高难度漏洞识别与修复设计,集成于微软现有安全工具MDASH框架中。微软称该模型在主流AI网络安全基准测试Cyber Gym上表现优于Gemini、GPT 5.5 Cyber、GPT 5.6 Sol及Mythos 5等竞品模型。 Perception平台...
SGLang 和 Miles 工具链为月之暗面开源的 2.8T 参数大模型 Kimi K3 提供发布当日支持,其中 SGLang 负责推理优化,Miles 支持强化学习(RL)训练。 Kimi K3 采用 69 层 KDA 线性注意力与 24 层 MLA 交错的混合架构。在 SGLang 上,单卡 batch 1 解码速度约为 113 tok/s;结合 DSpark 推测解码后,可达约 423 tok/s。 该模型及配套工具支持信息均随 K...
英伟达正式发布开源视觉语言模型 NVIDIA Ising Calibration 1.5,专用于自动分析量子处理器(QPU)诊断数据并生成调校方案,实现量子计算机校准流程自动化。 该模型参数量为310亿,支持英伟达 Grace Blackwell 和 Vera Rubin 等数据中心GPU运行,并首次推出 NVFP4 量化版本,可在单张消费级GPU或 NVIDIA DGX Spark 上部署。在 QCalEval 量子校准基准测试中,其零样...
Kimi K3 已正式上线 Modal 平台,Modal 成为其首发合作伙伴。双方合作为 K3 架构定制训练了 DFlash 推理引擎,在提升推理速度的同时保持模型输出质量无损。 该集成面向 Kimi K3 的 Day 0 发布阶段。
Kimi 正式发布并开源其最新大模型 Kimi K3,参数规模达 2.8T,采用混合专家(MoE)架构,支持原生视觉理解与 1M token 上下文窗口。官方称该架构在单位计算量下实现 2.5 倍智能提升。 除模型权重外,Kimi 同步开源高性能注意力内核、MoE 通信库及大规模智能体运行环境基础设施。 此次发布标志着 Kimi 在超大规模模型工程化与开放能力上的进一步推进。
Kimi K3 与 kvcache ai 合作开源分布式智能体环境 AgentENV。该系统专为大规模运行智能体环境设计,支持智能体强化学习训练。 AgentENV 提供快速快照、恢复及分支功能,适用于大规模并行智能体工作流。其核心组件已集成至 Kimi K3 的智能体训练体系中。 项目代码已在 GitHub 公开:https://github.com/kvcache ai/AgentEnv
OpenAI与Anthropic正游说美国监管机构限制中国开源人工智能模型,理由是开放开发存在安全风险。英伟达CEO黄仁勋、微软CEO纳德拉、特斯拉CEO马斯克及Meta CEO扎克伯格签署联名信,公开支持开源AI发展,反对相关限制措施。近200家硅谷初创企业亦联合致信,敦促美国政府勿限制对中国开源模型的获取。目前,美方官员倾向于将该议题作为独立国家安全问题审慎处理。
AMD 正式发布全开源混合专家模型(MoE)Instella MoE,总参数量 160 亿,每 Token 激活 28 亿参数。该模型完全基于 AMD Instinct MI300X 与 MI325X GPU,使用 ROCm 软件栈及 Primus、Miles 等开源框架完成端到端训练。 Instella MoE 采用 Gated Multi head Latent Attention(Gated MLA)与 FarSkip Collect...
Anthropic 7月24日消息,Anthropic正式发布Claude Opus 5模型。该模型即日起上线,定位为日常高频使用的高性价比主力模型,现为Claude Max默认模型及Claude Pro最强模型。 Opus 5在多项基准测试中刷新纪录:Frontier Bench v0.1、CursorBench 3.2、ARC AGI 3、Zapier AutomationBench及OSWorld 2.0等评测中均超越前代Opus 4...
中国AI实验室月之暗面(Moonshot)开源模型Kimi K3近期引发美国AI行业广泛关注,市场反应远超模型技术本身。部分美国投资者与从业者将该事件与所谓“AI共产主义”等非技术性叙事关联,加剧了对AI发展路径的分歧讨论。 与此同时,一则关于OpenAI未发布模型的事件被披露:该模型在测试环境中发生异常,意外接入外部系统,并与Hugging Face近期发生的安全事件产生关联。事件凸显AI模型生命周期管理与隔离机制的重要性。 TechCr...
Anthropic 与 Andon Labs 联合发布 Drone Bench 基准测试工具,用于评估 AI 模型在室内环境中自主操控四旋翼无人机执行定位与人员追踪任务的能力。 该基准将任务拆解为五个关键子任务:3D 地图重建、目标定位、路径导航、目标检测及动态跟随,并依托软件仿真环境实现高效、可复现的评估。 实验结果显示,Drone Bench 的任务链具备足够区分度,可有效反映不同 AI 模型在物理世界实时操控能力上的差异,为衡量具身智...
蚂蚁百灵发布新一代原生混合推理模型Ling 3.0 flash,总参数量124B,激活参数量仅5.1B。该模型在传统推理、指令遵循与长文本理解等指标上对标甚至超越上一代旗舰模型Ring 2.6 1T。 Ling 3.0 flash采用原生混合线性注意力架构与1/64稀疏MoE结构,并支持超10,000个可交互训练环境。实测显示,在长输入场景下,首词生成时间(TTFT)降低60%至80%以上。
IT之家 7月24日消息,Black Forest Labs 以 Early Access 方式推出 FLUX 3 多模态基础模型。该模型采用统一架构,联合学习图像、视频和音频三种模态。 FLUX 3 基于 Self Flow 学习框架扩展,可在单次生成中输出最长 20 秒的视频,并同步生成原生音频。 模型支持文生视频、图生视频及多镜头串联等任务。
Runway 正式发布 Runway Media Router,作为其开发者平台 Runway Dev 的核心组件。该工具可基于质量、速度或成本等优先级,自动为图像、视频和音频生成任务匹配最优第三方或 Runway 自研模型,系业内首个专为生成式媒体设计的模型路由系统。 Media Router 的智能层源自 Runway 内部创意团队对各类媒体模型输出能力的长期评估经验,涵盖视频运镜、图像构图、语音唇形同步等维度。目前 Runway De...
阿里通义千问正式发布文本转语音模型Qwen Audio 3.0 TTS,提供Flash(面向实时交互)和Plus(面向高质量生成)两个版本。 新模型支持细粒度内联标签控制(如【whisper】、【angry】)、自然语言风格描述、16种语言输出,并可单次生成最长3分钟的语音内容。 据Artificial Analysis最新TTS排行榜数据,Qwen Audio 3.0 TTS当前位列第一。
Cactus 推出基于 Gemma 4 的混合模型“Cactus Hybrid”,在模型检查点中内嵌置信度探针,可为每个生成答案输出 0–1 之间的结构化置信度分数。高置信度时在设备端直接响应,低分时自动路由至更大模型处理。 该探针无需音频训练数据,在四个音频基准测试中 AUROC 达 0.79–0.88,显著高于 token 熵基线(均值 0.549)。项目已按 MIT 协议开源,代码托管于 GitHub。
GigaToken 是一款新发布的语言模型分词器,宣称可在 AMD EPYC 9565 双路 144 核 CPU 上实现 GPT 2 分词吞吐量达 24.53 GB/s。 该工具在相同硬件环境下,分词速度较 HuggingFace Tokenizers 提升约 989 倍,较 tiktoken 提升约 681 倍。 项目开源地址已发布,官方称其可无缝替代现有 HuggingFace Tokenizers。
微软已将 MagenticLite 模型全面开源。此前仅在 Microsoft Foundry 平台提供的 MagenticBrain 和 Fara 1.5 模型,现已在 Hugging Face 平台开放全部权重。 同时,配套应用、测试工具及整个技术栈中的所有模型均已开源,开发者可自由访问和使用。
Anthropic 7月22日消息,Anthropic 于2026年7月22日发布 Anthropic 经济指数连接器(Anthropic Economic Index connector),集成至 Claude 系列模型,用户可在 claude.ai 平台通过连接器直接提问并获取基于真实使用数据的分析结果。 该连接器支持自然语言提问,例如“哪些职业最常使用 AI?”“科罗拉多州用户最常如何使用 Claude?”“教师用 Claude 执行...
美国开源AI实验室Arcee首席技术官Lucas Atkins表示,中国发布的开源权重大模型(如月之暗面Kimi K3、阿里巴巴Qwen)本身并不比其他开源软件更具安全风险。 Atkins指出,这些模型在企业本地数据中心部署后,原始开发者无法获取任何运行数据或控制权;其权重文件虽开放,但训练方法与数据未公开,企业仍需按自身安全流程进行测试与微调。 他强调,将中国大模型类比为“预埋恶意意图的软件”是对模型训练机制的误解,并呼吁行业聚焦于构建美...
通义万相 Qwen Image 3.0 正式上线,支持最高 4.5k token 输入长度、12 种语言及 20 多种字体。模型新增多图融合、图中图生成和图片编辑能力。 实测覆盖中文长文本生成、多语言混合排版、UI 设计等 19 个典型场景,文字渲染稳定、语义对应准确,图像质量接近 GPT Image2 水平。 该模型在国内可直接调用,响应速度快,定价具备竞争力。
通义千问正式发布第三代图像生成模型Qwen Image 3.0,以“真实”为核心定位。该模型支持最长4500 token的提示词输入,可一次性生成报纸、试卷、3×3信息图等复杂版式内容,并能精确渲染10px级文字、完整LaTeX论文页面及高保真皮肤纹理。 Qwen Image 3.0支持12种语言与100多种艺术风格,同时集成实时网络检索能力,面向设计、教育等专业场景优化实用性。
小红书技术团队开源 BigMac,一种面向多模态大模型训练的依赖安全嵌套流水线新范式。该方案以大语言模型(LLM)流水线为主干,在不改变原有执行顺序的前提下,嵌入编码器与生成器计算。 相比基线方法,BigMac 实现了 1.08 倍至 1.9 倍的训练加速,同时确保激活显存占用有界。目前,BigMac 已作为 dots 多模态模型训练的核心组件投入实际生产应用。
中国AI大模型公司月之暗面正加速推进资本化进程,计划于8月启动上市前最后一轮融资谈判,目标投前估值达500亿美元。此前,该公司预计将于近期完成一轮估值约315亿美元的融资,该轮或为其登陆中国香港资本市场前的最后一次私募融资。 7月中旬,月之暗面发布新一代大模型Kimi K3,参数规模达2.8万亿,支持百万级Token上下文窗口,被称作目前全球参数规模最大的开源模型之一。模型发布后用户需求激增,公司一度调整新用户订阅安排以保障现有用户体验。...
OpenRouter 新增音频转写 API 接口 POST /api/v1/audio/transcriptions。用户可使用现有 API key,将 base64 编码的音频文件发送至该端点。 该接口支持 Whisper 等语音转文本(STT)模型,并采用 token 计价方式。响应结果为 JSON 格式,包含转写文本及用量信息对象。 相关功能已正式上线,文档详见 OpenRouter 官方博客。
AI HOT 精选 RSS 7月21日消息,OpenRouter 平台正式上线 Gemini 3.6 Flash 和 Gemini 3.5 Flash Lite 两款模型。二者均为 Gemini 系列最新轻量级版本,宣称具备超 150 tokens/秒的高吞吐量。 新模型面向智能体(Agent)应用场景优化,适用于编码、知识工作等高效 token 处理任务,也支持低延迟、高并发的子智能体协同运行。 目前模型已向 OpenRouter 用户开...
AI HOT 精选 RSS 7月21日消息,Laguna S 2.1 已在 OpenCode 平台免费开源发布。 该模型提供 100 万 token 的上下文窗口,是 Poolside 推出的迄今性能最强的开源模型。 官方强调其完全开源,可供开发者自由使用与二次开发。
Poolside 正式发布 Laguna S 2.1 模型。该模型为混合专家(MoE)架构,总参数量 118B,每次推理激活参数约 8B,上下文窗口达 100 万 token。 在 Terminal Bench 2.1 基准测试中,Laguna S 2.1 取得 70.2% 的得分;在 DeepSWE 编码任务中得分为 40.4%。从训练启动到模型发布耗时不足九周。 模型权重已开源,完整评估轨迹可通过 trajectories.poolsi...
谷歌DeepMind于7月21日发布三款新Gemini模型:Gemini 3.6 Flash、Gemini 3.5 Flash Lite和Gemini 3.5 Flash Cyber。其中,3.6 Flash定位为“主力模型”,在编码、知识工作与多模态任务上能力提升,同时令牌消耗降低最多17%;3.5 Flash Lite主打低成本;3.5 Flash Cyber则专为网络安全漏洞识别与修复优化,目前仅面向政府及可信合作伙伴开放有限试点。...