跳到正文
10月25日週日
  1. DEV Community43

    MultiNLI 各文本類型的標註者一致度普查:哪些金標籤最不具決定性?

    兩項預先註冊的可重現普查顯示,MultiNLI 金標籤的一致程度因文本類型而異,政府文本的一致率最低(53.4%),書信最高(65.3%)。另一項 ChaosNLI 審計發現,3,113 個抽樣例子中有 311 個即使經過 100 次標註仍沒有嚴格多數。這些結果衡量的是標註者一致度,而非標籤正確性。

10月24日週六
  1. 新浪科技55

    中國信通院:2026年6月國內模型 token 日均消耗量約500萬億,為2025年12月的近4倍

    中國信通院聯合相關機構發布《大模型詞元服務性能監測報告(2026年)》,稱2026年6月國內模型 token 日均消耗量約500萬億,為2025年12月的近4倍。報告分析2026年1至8月的監測數據,8月國內模型平均TPS為78.23個/秒,低於國外典型模型的112.82個/秒。同一模型在不同平台的TPS差距最大可接近一倍,國內歸一化均價則由2025年下半年的6.8元升至今年以來的13.46元。

  2. DEV Community60

    Pingala-8 如何將 Qwen3-4B 壓縮 85%,並保留 Q8_0 五項測驗平均分的 90%

    Genrius AI 以 Pingala-8 的 2-bit 量化方法,將 Qwen3-4B 從 8.05 GB 壓縮至 1.24 GB,無須重新訓練。五項零樣本測驗的平均分為 50.8,約為 Q8_0 的 90%,並較同容量 IQ2_XXS 高 21%。消融測試指出,與 IQ2_XXS 的差距中,trellis memory 佔 14%,其餘 86% 來自旋轉、LDLQ 舍入及其他流程。

  3. 新浪科技57

    RTX 5090 零售顯示卡流入改裝工廠,拆解後製成 AI 伺服器加速卡

    HKEPC 分享的影片顯示,大批零售版 RTX 5090 被送往東方某大型改裝工廠,拆解後改製成 AI 伺服器加速卡。工人把 GPU 核心與 32GB GDDR7 顯存移植到定製雙槽電路板,改用渦輪式散熱器,並保留 32GB 顯存配置。報道指,改裝卡用於 AI 推理和模型微調的利潤高於售予玩家,零售市場供應也會因此更加緊張。

  4. DEV Community55

    構建 ELMDE:以單次處理完成選項決策

    Kanav Jeet Singh 介紹 ELMDE,一個以單次編碼和不動點收斂直接作出選項決策、避免逐 token 生成的引擎。項目自有基準中,50 題批次約需 14 ms,Banking77(77 個意圖)準確率為 0.912,Laya 為 0.425。作者指出基準尚未由外部重現;保形風險閘門對接受決策設定的錯誤率上限為 1%,但分佈偏移可能令此保證失效。

  5. 新浪科技41

    NeurIPS 26:EchoChat 如何理解並表達共情

    EchoChat 將共情語音對話建模為感知、心智理論推理和語音回覆生成三個相連環節,並以統一訓練框架協同優化。模型在監督微調階段引入 Acoustic-Anchored Attention(AAA),在強化學習階段採用 Step-Decomposed Credit Assignment(SDCA),針對不同環節提供訓練回饋。

  6. 新浪科技58

    Amazon CEO 安迪·賈西:企業軟件要廣泛採用 AI,推理成本須降至目前約十分之一

    Amazon CEO 安迪·賈西表示,要讓 AI 廣泛應用於企業軟件,推理成本須降至目前約十分之一。2026 年的主要算力供應額度基本訂滿,2027 年大部分已被客戶預訂,2028 年亦有相當一部分售罄。Trainium 晶片的性價比較同類處理器高約 30% 至 40%,客戶以同樣支出可取得更多算力。

  7. IT之家57

    亞馬遜 CEO 安迪・賈西:企業軟件要廣泛應用 AI,推理成本需降至目前約十分之一

    亞馬遜 CEO 安迪・賈西表示,要讓 AI 廣泛應用於企業軟件,推理成本需降至目前約十分之一。他認為,企業日常使用的軟件尚未廣泛引入 AI,可能成為未來最大的 AI 需求來源。Trainium 性價比較同類處理器高約 30% 至 40%,賈西稱亞馬遜自研芯片業務對降低推理成本發揮重要作用。

  8. 阿里雲開發者社區 AI39

    Qwen3.8-Max(最新版通義千問)功能亮點一覽

    Qwen3.8-Max採用MoE混合專家稀疏架構,總參數量為2.4T,單次推理約啟用95B,最大上下文窗口為100萬Tokens。模型支援多模態輸入、混合思考模式及原生Function Calling,在GPQA Diamond取得92.6分。阿里雲百煉按量計費,輸入價格為每百萬Token 12元,輸出為36元。

  9. DEV Community30

    以具倫理可審計性的機率圖神經推理處理衞星異常應變

    作者分享如何將機率圖神經推理用於衞星異常應變,並把可審計性納入系統架構。在模擬 LEO 平台中,約 40% 的注入故障涉及多個子系統;把不同依賴關係視為相同邊,驗證準確率下降超過 12 個百分點。系統記錄輸入圖快照、後驗分佈、不確定性、推理路徑及模型版本,供事後審查。

  10. 新浪科技76

    月之暗面推出 Kimi K3.1 Pro 及高速版,支援 100 萬上下文

    月之暗面正式推出 Kimi K3.1 系列首款模型 K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;K3.1 Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,高速版輸出速度約為 2~3 倍。

    推薦理由:材料列出 Terminal-Bench 4.0、BenchCAD 等基準的具體分數及對照結果,可從編碼和 3D 建模兩方面瞭解 K3.1 Pro 的能力表現。

  11. IT之家76

    月之暗面推出 Kimi K3.1 Pro 與 Highspeed,K3.1 Pro 在 Terminal-Bench 4.0 得分超 GPT-6 Astra

    月之暗面推出 Kimi K3.1 Pro 及高速版 Kimi K3.1 Pro Highspeed;Pro 是公司迄今能力最強的 3 萬億級參數模型,支援 100 萬上下文,Highspeed 輸出速度約為 2~3 倍。

    推薦理由:文章整理編程智能體、3D 建模及金融工作流的多項基準結果,並説明測試任務範圍,可作為理解其能力主張的比較依據。

  12. Simon Willison76

    Kimi K3.1 Pro 登陸 Kimi API,Moonshot 承諾最遲於 2026 年 11 月 4 日發布完整模型權重

    Moonshot 的 Kimi K3.1 Pro 今日登陸 Kimi API,完整模型權重尚未開放,但公司承諾最遲於 2026 年 11 月 4 日發布。標準版輸入及輸出每百萬 tokens 分別收費 $2.00 和 $10;Highspeed 版快 2-3 倍、價格為兩倍,但輸入 token 快取命中收費相同。

    推薦理由:文章並列 Kimi K3.1 Pro 的 API 定價與 Artificial Analysis 評分,並展示三種推理等級的實測,提供成本和基準表現的比較依據。

  13. The Decoder77

    Kimi K3.1 Pro 登上 Artificial Analysis Intelligence Index 第四,距 Claude Opus 5.5 差 3 分

    月之暗面(Moonshot AI)發佈推理模型 Kimi K3.1 Pro,Artificial Analysis Intelligence Index 得分 55,排名第四,較 Kimi K3 高 11 分。

    推薦理由:文中把 Intelligence Index 排名與多項 Agent 任務基準並列,呈現 Kimi K3.1 Pro 對照前代及 Claude Opus 5.5 時,整體評分和具體任務表現的差異。

  14. DEV Community49

    Context Rot:一個尚未解決的 AI 問題?

    Context Rot 指大語言模型處理長上下文時表現退化:資訊雖在上下文窗口內,模型仍可能忽略中段內容,回答變得含糊或出現模型幻覺。文章介紹 Needle in the Haystack 測試,以及分拆任務、跨工作階段摘要交接、RAG 和 RLM 等應對方式。

  15. Artificial Analysis 完整文章77

    Kimi K3.1 Pro 發佈後登上 Artificial Analysis Intelligence Index 第四位,公開權重後將成最高分開放權重模型

    Moonshot 發佈推理模型 Kimi K3.1 Pro,Artificial Analysis Intelligence Index 得分 55、排名第 4,較 Kimi K3(max)的 44 分高 11 分。

    推薦理由:文章比較 Kimi K3.1 Pro 在代理任務、其他評測及每項任務成本上的變化,呈現其提升主要集中在哪些能力。

  16. Hacker News 熱門(buzzing.cc 中文翻譯)64

    Kimi Code 的 K3.1 Pro 與 K3.1 Pro Highspeed 最高支援 1M 上下文窗口

    Kimi Code 已全面推出 K3.1 Pro 系列,包括 K3.1 Pro 和 K3.1 Pro Highspeed,較高級會員方案最高支援 1M 上下文窗口。Highspeed 具備相同模型能力,輸出速度約為 K3.1 Pro 的 2–3×,配額用量則約為 2×。兩款模型只支援思考模式;切換模型或思考強度會使上下文快取失效,建議在新會話中切換。