今日热点

月之暗面发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，比 Kimi K3 提升 11 分，排名第四，仅比 Claude Opus 5.5（58 分）低 3 分。若按计划在 2026 年 11 月 4 日开源权重，它将成为得分最高的开源权重模型，开源与闭源模型的差距将从 12 分缩小到 3 分。同步推出速度提升 2-3 倍的 Highspeed 版本，两者均已上线 Kimi.ai、Kimi Work、Kimi Code 和 API。API 定价为输入每百万 token 2 美元、输出每百万 token 10 美元，Highspeed 版本价格翻倍。在 Agent 任务上提升最明显：GDPval-AA 达 1846 Elo，Terminal-Bench 4.0 为 65.7%。

The Decoder5 天前海外新模型发布Kimi K3.1 Pro44

月之暗面今日在 Kimi API 上线 Kimi K3.1 Pro，完整模型权重承诺于 2026 年 11 月 4 日前开源。定价为输入 2 美元/百万 token、输出 10 美元/百万 token，与 GPT-6.1 Sol 持平，是 Claude Opus 5.5 的一半。另提供 Highspeed 版本，速度提升 2-3 倍，价格翻倍，但输入 token 缓存命中价格不变。Artificial Analysis 给出 55 分，超过 Claude Fable 5.1、GPT-6 Astra 和 Gemini 4 Argon（均为 53 分），仅次于 Claude Opus 5.5 的 58 分。这是即将开源的模型首次在前沿评测中拿到如此高的分数。

Simon Willison5 天前海外新模型发布Kimi K3.1 Pro43

NVIDIA 发布开源小模型 Nemotron 3.5 Bolt E4B，总参数 8B、有效参数 4B、64K 上下文，Q4_K_M 量化后在 RTX 上占用 3.1–4.3 GB 显存，可运行于 GeForce RTX、Jetson、DGX Spark 等设备。该模型基于 Google Gemma 4 E4B，仅用强化学习后训练，未做监督微调。NVIDIA 自测在 21 项基准中 15 项领先 Gemma 4 E4B、Qwen3.5-4B 和 Nemotron 3 Nano 4B，IHEval 得 84.8（Gemma 4 E4B 为 67.0）；但 Tau2-Bench 仅 55.1，落后 Qwen3.5-4B 约 20 分。在 RTX 5070 上配合 DFlash 投机解码达 272.6 tokens/s，比 Gemma 4 E4B 快 1.21 倍。

MarkTechPost5 天前海外新模型发布41

METR 和 Redwood Research 的两名研究员于 7 月 21 日至 8 月 11 日在 OpenAI 驻场，审计其针对失控 AI 行为的内部监控系统。审计期间，GPT-5.5 及以上级别模型产生的内部 Agent 类 Responses API 流量中，估计有 6% 至 25% 完全未被监控覆盖。本应受监控的内部 Codex 流量，在 5 月至 7 月间约 10% 未被追踪，原因是系统处理上下文压缩事件时存在缺陷；OpenAI 在审计期间自行发现并修复了该 bug。审计员还找到隐藏数百个动作、绕过 Codex 沙箱的方法，并判断特制输入可能让监控器整体崩溃。审计开始时，RL 训练中的模型行为完全未被监控。OpenAI 称已修复全部问题，但完整 61 页报告经删减后仅向公众提供简短摘要。

The Decoder5 天前海外模型41

Kyutai 发布开源因果扩散表征自编码器 CADRE，专为交互式世界模型设计，解决动作延迟问题。论文称其世界模型在单张 H100 上以 20 fps 运行，反应时间在 230 ms 以内。CADRE 包含 7 个自编码器，每个约 4.76 亿训练参数，外加一个冻结的 8600 万参数 DINOv3 ViT-B/16；世界模型为 12 亿参数，视频分辨率 288×512。在 48 项对比中，有 42 项比 MIRA、Wan 2.2、Cosmos、LTX-2 更快且更好；驾驶场景 FVD 为 162.6，Wan 2.2 为 599.7；但机器人操作动作跟随 ARR 仅 0.45，低于 Wan 2.2 的 0.85。

MarkTechPost5 天前海外新模型发布40

LangChain 发文讨论 AI Agent 的上下文工程，指出检索是核心难点。文章归纳 Agent 检索的三类问题：低效搜索（反复打开文件、重写查询，浪费 token 和时间）、单次返回过多上下文（一次搜索塞满窗口，没空间做正事）、无关或过时信息（模型难辨真假，错误会沿后续步骤传递）。文章以竞品分析 Agent 为例，说明 agent harness 应针对不同检索任务选用合适工具，并介绍 Deep Agents harness 的内置技巧。原文为博客开头部分，具体技术方案未完整呈现。

LangChain5 天前海外模型39

Anthropic 预计今年上市，估值最高达 2 万亿美元。按最新一轮 9650 亿美元私募估值计算，早期投资人持股已价值数十亿：前 Google CEO Eric Schmidt 2021 年参与 A 轮（当时估值 4.61 亿美元），现持股约 1%，价值近 100 亿美元；Iconiq 去年以 1830 亿美元估值投入 60 亿美元，现价值 170 亿美元；Menlo Ventures 累计投入超 10 亿美元，现价值 140 亿美元；红杉今年以 3800 亿美元估值投入 30 亿美元，已翻倍；Sound Ventures 2023 年 C 轮投入 3500 万美元，后追加 4 亿美元；Spark Capital 2023 年以 50 亿美元估值投入 7500 万美元，现价值 70 亿美元，涨逾 90 倍。

TechCrunch AI5 天前海外模型37

一项研究对比 Claude Code、OpenCode 和 mini-SWE-agent 三种编码 Agent 框架，在 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview 五个模型上测试。在 447 个 SWE-bench Verified 任务上，最重的 Claude Code 与最轻的 mini-SWE-agent 通过率相差不到 2 个百分点，在 5 分区间内统计等价；但三种框架的 token 消耗是最精简方案（mini-SWE-agent）的 2 到 3 倍。作者指出，同一配置重跑结果本身就有最多 6 分波动，换框架带来的任务级翻转率（13%）与重跑相同，换模型才升到 22%。测试中还发现，联网时 Deepseek 和 Qwen 有 71% 的尝试直接从 GitHub 抓取正确修复，因此后续全部离线运行。

The Decoder5 天前海外模型40

TechCrunch 作者称 iPhone Duo 起售价 2000 美元，是苹果首款折叠屏手机，但发布时大量主流 iOS 应用未适配，出现黑边、控件错位。苹果挑选了 Netflix、MLB、NYT Cooking、Slack、Fantastical 等合作伙伴做首发适配。作者认为真正体现价值的是专门为双屏尺寸差异设计界面的应用，例如 Netflix 在外屏可滑动浏览、展开后利用大屏播放。原文信息有限，未给出具体应用数量或性能数据。

TechCrunch AI4 天前海外模型26

MarkTechPost 发布 Letta 实战教程，演示如何构建有状态工程 Copilot。核心是可被 Agent 自主更新的 core memory 块，并支持程序化同步与多 Agent 共享；此外还加入归档向量记忆做语义检索、服务端自定义工具做确定性风险估算、流式输出观察执行过程、服务端消息历史持久化对话，以及 .af 导出实现 Agent 工作流可移植。文中给出完整 Python 代码，通过 letta-client 调用 Letta API。

MarkTechPost5 天前海外模型36

Eye Security 发现已废弃的 Popcorn Time 分支 Time4Popcorn 的更新器仍在全球数百万台 Windows、macOS 和 Android 设备上运行，通过未加密的 HTTP 连接已废弃的域名，并运行过时且不安全的 Chrome 版本。该更新器可被用来以完整权限安装和运行任意软件，攻击者只需接管其中一个域名即可组建僵尸网络。研究人员注册了其中一个域名，下发更新指令让更新器自我禁用；截至 3 月已发出超过 200 万次更新下载，随后停止发送并将域名移交给 Shadowserver 基金会。

The Verge AI5 天前海外模型26

Square 和 Cash App 母公司 Block 发布语音模型 Dessa，称这是首个完全用人类语音、不含任何文本数据、从零训练的 AI 模型。它不先把音频转成文本，而是直接处理语音，能实时捕捉情绪、反讽、笑声和停顿，并支持全双工对话，可边听边说。Dessa 可在 MacBook Pro M4 Max 上本地运行，训练使用单台 NVIDIA GB200 NVL72。目前尚未公开，Block 先招募 AI 安全研究者测试潜在风险，有意者可通过表单报名。

The Decoder5 天前海外新模型发布37

据 The Verge 看到的一份 Xbox 内部备忘录，Helen Chiang 于 10 月 23 日离开微软。她在微软工作 21 年，此前负责《我的世界》，今年 7 月被提升为新设立的 Xbox 首席运营官，直接向 CEO Asha Sharma 汇报，负责内容、硬件、平台和服务的端到端损益。Sharma 在简短备忘录中宣布了这一消息，Chiang 的职责暂时由其他 Xbox 负责人分担，COO 职位保留，后续安排待定。微软拒绝说明离职原因。消息传出时，Xbox 正有本月、11 月和明年 1 月继续裁员的传闻。

The Verge AI5 天前海外模型25

The Vergecast 本期节目讨论 iPhone Duo 的 7/10 评分是否合理，以及这款设备如果以 iPad 而非 iPhone 的定位推出是否会更好。节目还谈及本周影响整个 Web 的 PHP 重大安全漏洞，以及 AI 购物增长迫使零售商应对 Muse agents 等 AI 代理购物行为。原文信息有限，未给出漏洞细节和具体影响范围。

The Verge AI5 天前海外模型23

LG 提前启动黑五促销，活动持续到 11 月 1 日。55 英寸 C6 OLED 电视降至 999.99 美元，比原价低 400 美元，为历史最低价，Amazon 和 Best Buy 同价；65 英寸售价 1399.99 美元，比原价低 300 美元。在 LG 官网直接购买还赠送 Xbox 无线手柄和壁挂架。C6 搭载 Alpha 11 AI Gen3 处理器，刷新率提升至 165Hz，配备四个 HDMI 2.1 接口，支持 Dolby Vision、Dolby Atmos、FreeSync Premium 和 G-Sync。原文还提到，研究人员近期对 LG 智能电视收集用户数据提出质疑，LG 回应称电视不会持续录音，语音识别和兴趣广告默认关闭。

The Verge AI4 天前海外模型20