消息指 Thinking Machines Lab 正以 400 億美元投前估值籌集 50 億美元
Business Insider 報道稱,由 Mira Murati 創立的 Thinking Machines Lab 正以 400 億美元投前估值籌集 50 億美元。
Business Insider 報道稱,由 Mira Murati 創立的 Thinking Machines Lab 正以 400 億美元投前估值籌集 50 億美元。
DeepSeek-R1 以開放權重提供複雜問題推理能力,並透過強化學習及 Mixture-of-Experts 架構提升計算效率。
Corvus 是以 OpenResty、Go 和 React 從頭編寫的自架閘道,將代理與流量防護整合在同一控制台,並非 Nginx Proxy Manager 的分支。
梁文鋒因帶領 DeepSeek 以低價、開源策略推動 AI 技術普及,成為不少年輕人稱頌的「梁聖」。他於2023年創辦 DeepSeek,DeepSeek-R1 上線7天便取得1億用戶;文章將其受追捧歸因於他以技術創新和開放路線,讓更多人受惠於 AI 發展。
MCP 協議讓智能體或模型發現、描述及呼叫遠端工具,並連接多種開源 AI 工作流程。文章説明 MCP 與 A2A、CLI adapters 的關係,指出傳統「bare server」實作不會強制驗證或追蹤;apcore 等受治理執行環境則可在工具透過 MCP 或 A2A 開放前檢查結構、審批及使用證據。apcore 提供多語言 SDK 和標準合約強制執行,支援連接 MCP 或 A2A。
Nous Research 開源的 Hermes Agent 具備跨會話持久記憶及自主建立、改進技能的能力,並支援多端接入和私有部署。阿里雲提供透過計算巢一鍵部署的方案,費用為每小時 2 試用點,模型推理則透過百煉 API 進行。
Artificial Analysis 指出,Inkling 2 Small 在其指數中的表現與 Gemini 3.8 Flash(high)相若。待其權重公開後,Inkling 2 Small 將成為中國以外排名最高的開源模型。
中國科學技術大學周少華、熊鵬團隊發布開源 RNA 序列基礎模型 structRFM,將結構知識融入序列預訓練,在多項結構與功能推斷任務中達到國際前沿水平。模型只需輸入序列,便可提取多層級特徵,支援結構預測及多種功能推斷。團隊已開放配對數據、模型權重和源代碼。
Hugging Face 行政總裁克萊門特·德朗格稱,人工智能導致人類滅絕的機率(P(Doom))「接近於零」,真正風險在於少數大型公司秘密開發封閉的前沿模型,而非開源生態。他認為,開放權重模型有助建立可審查、可制衡的技術生態,防止算力與 AI 能力被壟斷;Hugging Face 開發者超過2000萬,已售出5萬台 AI 編程雙足機械人 Microducks。
月之暗面 Kimi‑K3.1‑Pro 已登陸微軟 Azure AI Foundry,列入 “Direct from Azure” 模型序列,企業用戶可透過 Azure 基礎設施測試及部署。
Hugging Face CEO Clément Delangue 認為,AI 導致人類滅絕的概率(P (Doom))接近於零,較現實的風險是少數企業在封閉環境中秘密開發前沿模型。
DeepSeek Harness 以統一介面聚合 13 款大模型,支援本地使用,並可透過阿里雲計算巢部署。插件涵蓋 DeepSeek-V3 / R1、Qwen2.5-72B、Claude 未列入支援清單;使用 API 模型須填入自備 Key,亦可透過 Ollama 載入開源模型。阿里雲百煉提供 50+ 款模型及按 Token 計費服務。
Bond 推出開源項目 Loopsmith v1.0.0,以 Rust 編寫的驗證閘門讀取實際輸出檔案,取代模型自行判定任務是否完成。未通過檢查的工作會送回 AI,流程亦設有迭代、成本、模型 token、實際時間及無進展上限。項目採 MIT 授權,並提供供編碼智能體使用的技能;目標、檢查條件和配置變更須經用戶批准。
本週,Mistral Large 4 與 Kimi K3.1 Pro 開放權重,擴大工程團隊可評估的模型選擇;但硬件供應、評測完整性、授權及平台分發,仍決定模型能否成為可靠的生產服務。
百度正式開源基座模型文心5.5 Flash Base(ERNIE 5.5 Flash Base),該模型以33.5萬億個Token完成預訓練。模型採用MoE架構,總參數2800億、每個Token激活140億,微調和推理階段最長支援100萬Token上下文。百度已在Hugging Face提供FP8和BF16版本權重;模型尚未經中訓練和後訓練,主要供開發者及企業作後續指令微調、領域適配和強化學習。
Tencent 發佈 Hy4,並稱其為領先的開源 AI 模型之一。原文未提供模型的參數規模、評測分數或可用方式等進一步資訊。
開放權重模型提供訓練完成的模型,用戶可下載到自己的電腦運行,並按項目需要進行微調。Prompt Pad 以 Google 的 Gemma 為例,説明開放權重與開源的分別:開源還要求提供程式碼,以及訓練數據和流程等資訊,供人研究、修改和分享。
OpenAI披露其安全研究團隊以自動化流程驗證 948 個 Linux 核心本地提權漏洞並生成補丁;月之暗面(Kimi)發佈 Kimi K3.1 Pro 權重,Ricursive 發佈 Ripple-65B Preview。
Requiem 是一款本機崩潰回報工具,會擷取程式的退出狀況、分析錯誤,並撰寫第一人稱悼詞。它使用 Gemma 3 1B 在本機推理,並在模型處理資料前遮蔽機密資訊。模型未運行時,工具會改為生成確定性悼詞,並將悼詞儲存至本機 JSONL。
NVIDIA 為 Cosmos 3 模型系列新增四個開放權重 checkpoint,用於互動式世界模擬及多感測器、多視角駕駛場景生成。四個模型均以 Cosmos 3 Nano 為基礎進行後訓練,各有 16B 可訓練參數,並按 OpenMDW1.1 條款供商業及非商業用途。
推薦理由:四個 checkpoint 涵蓋多視角駕駛資料、同步攝影機與 LiDAR 串流、模擬器控制轉影片及雙臂機械人互動,並分別交代用途與後訓練流程。
Preferred Networks(PFN)於 5 November 2026 發佈開放權重翻譯模型系列 PLaMo 3 Translate,提供 0.8B 至 31B 四種規模,支援 53 種語言並可完全離線運行。
作者開發的 USM beta 是一款 Linux 工具,會把閒置 NVIDIA GPU 的 VRAM 加入 swap,並設定為優先於 SSD swap 使用。
Tim O’Reilly指出,AI 正改變軟件開發中可分享的知識載體,提示詞、上下文和生成模式可能比程式碼本身更重要。文章將規格、Agent Skill、MCP server、Agent trace 和 eval 列為新型載體,並提出需要建立分享、歸屬及報酬機制。作者亦指出,若 eval 的測試案例進入模型訓練數據,評測便會測到模型記憶的答案,而非其實際能力,因此需要保護留出集。
Rivet 推出開源、可自行託管的智能體工作負載編排平台,採用輕量 Actor 架構,並以 S3 作主要儲存。團隊稱 Actor 基準記憶體為 72 KB,低於最小沙箱的 512 MB;p99 啟動時間為 4.9 ms,沙箱則為 1.7 s。
Agent-Token-Optimizer 是以 Python 編寫的開源提示詞壓縮及 JSON 精簡引擎,聲稱可在 0.5ms 內減少 60% 至 85% 的 token 用量。引擎採用確定性處理,毋須外部依賴或 GPU VRAM,並可精簡 MCP 工具輸出的 JSON。
DeadWave 13 是一款由開放權重模型驅動的萬聖節互動 AI 體驗,結合鬼魂電台與詛咒解碼器,主要本地語言模型為 Qwen2.5。鬼魂電台提供 88.0 至 108.0 MHz 的頻率,詛咒解碼器則讓用戶在三次嘗試內破解謎題。專案通過 49 項自動化測試,並可選用 Grok 雲端服務。
Konstantin Gredeskoul 編寫的 Ruby CLI 工具 llm-evals,支援以多數據集、多案例評測套件比較模型及設定,並按自訂權重計算綜合分數。
百度發佈 ERNIE-5.5-Flash-Base 開放基礎模型,刻意不附帶微調或後訓練,交由開發者自行決定後續用途。模型採混合專家架構,總參數量為 280 billion,每次輸入啟用 14 billion 個參數;預訓練使用 33.5 trillion tokens,訓練上下文長度最高 128,000 tokens。
Databricks 説明,Delta Sharing 已演進為 OpenSharing,成為供應商中立的開放協議,分享範圍由資料表擴至 Agent 技能、AI 模型及非結構化資料。
Nanbeige 發佈開放權重推理模型 Nanbeige4.3-33B,在 Artificial Analysis Intelligence Index v5 得分 20,與 Qwen3.8 27B(xhigh)相同。
一個兩人實驗室以 Pyramid-JiT 架構訓練文字生成圖像模型,並以 Apache 2.0 授權開放權重。模型使用 660M 個樣本訓練,成本約為 ~$20K。
OpenClaw 推出 Multiplayer,讓多人連接同一個 OpenClaw 智能體,在共享工作環境中使用相同上下文協作並修改同一項工作。請求會經共享佇列協調,參與者可查看智能體何時忙碌,毋須重述對話或重建他人的工作脈絡。功能免費、採用 MIT 授權並支援不同模型;OpenClaw Foundation 表示已有約 50+ 人在同一共享環境協作。
Menlo Ventures 發佈《2026 年企業 AI 現狀報告》,調查近 400 名美國企業決策者,他們負責的 AI 支出總額超過 40 億美元。報告顯示,中國模型合計佔企業開源模型支出的 89%,Kimi、DeepSeek、GLM 和 Qwen 分別佔 61%、15%、11% 和 3%。
GitHub 上的 awesome 資源清單因 AI 相關變化而變得較不實用:不少清單未有持續維護,內容過時,使用者往往直接向 AI 模型尋找所需資料。另一方面,部分清單亦被 AI 生成的通用工具及資源提案淹沒,令審核負擔增加。作者認為,awesome 清單仍可能有用,但作為尋找優質資源的一般方法,已不如以往可靠。
騰訊發佈語言模型 Hy4,加入圖像理解及自主操作軟件能力;模型權重暫未公開,目前可透過 Tencent Cloud、OpenRouter 及騰訊應用程式使用。
NVIDIA 深度學習產品研究工程師 Chris Alexiuk 透過 YouTube 教授開發者建構、微調、評估及部署開源 LLM 應用程式與智能體,並倡議公開模型權重、訓練資料及訓練方法。他推崇 NVIDIA Nemotron 開源多模態模型系列,指系列涵蓋 Nemotron 3.5 Lightning 和 Nemotron Ultra 等不同工作需求。
Kimi K3.1 Pro 隨附的評測表顯示,在與 Claude Opus 5.5 均有分數的 39 項中,Kimi 取得 19 勝、20 負;在 44 項高分為佳的項目中,則有 16 項為六款模型最佳。作者另核對 1,561.29 GB 權重檔、2.8T 參數設定及自訂授權,指出授權包含商用限制,因此「開放權重」比「開源」準確。
Baseten 加入 NVIDIA Nemotron Coalition,將企業工作負載洞見,以及後訓練和推理專業知識帶入開放模型開發。這項合作涵蓋模型推出、強化學習、客製化及專用推理,並延伸至訓練環境和企業應用經驗。文章亦列出 CodeRabbit 和 Harvey 的客製化案例及評測結果,並指出相關增益仍需在持續生產使用中驗證。
Anthropic 開源 FlashProve 原型,讓任何人核實 AI 回覆是否由服務供應商聲稱使用的模型生成。
hireburn 是一款以 MIT 授權發布的開源招聘工具,讓用戶錄製一次 AI 虛擬形象,並以相同問題面試候選人。這款只用 Python 標準程式庫的 CLI 不會連接網絡;它可按範本草擬 LinkedIn 外聯訊息,但必須由人手按下發送。工具亦會並列招聘各階段的流失情況與候選人後續在職狀況,並在頁面和評分準則中加入披露、同意及人工覆核。