AI 开发者日报

• Kimi K2技术报告发布，宣称在Agent任务上达到SOTA：Moonshot AI发布了Kimi K2的技术报告，这是一个1万亿参数的超稀疏混合专家（MoE）模型。报告详细介绍了用于稳定训练的MuonClip优化器、使用超过20,000种工具的大规模Agent数据合成流程，以及联合RL对齐方法。该模型被描述为一种DeepSeekV3风格的MoE，具有更高的稀疏性，并且是开源的。社区中有人称这次发布是今年最具启发性的技术报告。
• Qwen3-235B-A22B挑战Kimi K2，占据基准测试榜首：在Kimi K2发布后不久，阿里巴巴更新了其Qwen3模型，其中Qwen3-235B-A22B变体重新夺回了基准测试的冠军。Dr. Sebastian Rasbt提供了技术分析，指出其参数规模比Kimi 2小4.25倍（235B vs 1T参数），但层数更多，并且使用了GQA而非MLA。该模型在GPQA、AIME和LiveCodeBench等基准测试中击败了Kimi-K2、Claude-4 Opus和DeepSeek V3。其在ARC-AGI-1上的表现尤为引人注目，无需推理步骤即获得41%的分数被认为特别令人印象深刻。快速的进展让一位用户感叹，“这是开源模型有史以来最愚蠢的时刻。”
• Qwen3-Coder-480B-A35B发布，专注于高级代码生成：阿里巴巴继续其发布热潮，推出了Qwen3-Coder，这是一个总参数为480B、激活参数为35B的MoE模型，专为编码和Agent任务设计。该模型具有100万token的上下文窗口，开发历时三个月。在SWE-bench上表现出色。从架构上看，它比基础版Qwen3更宽且更浅，拥有62层、6144隐藏维度和160个专家。该模型已在Hugging Face上发布，并支持vLLM夜间构建版本，用于专家并行推理。
• Google推出Gemini 2.5 Flash-Lite：Google宣布稳定发布Gemini 2.5 Flash-Lite，这是其2.5系列中最具成本效益和最快的模型。Google DeepMind表示其比2.0 Flash模型更快且更具成本效益，同时在编码、数学和多模态理解方面表现更优。
• MoE架构成为主流：最近的发布巩固了混合专家（MoE）作为主导架构的地位。正如@hkproj总结的那样，“Mistral开了头，DeepSeek扩展了它，Kimi K2确认了它：训练MoE总是更方便。”

• Google DeepMind 的 Gemini 正式获得 IMO 金牌：Demis Hassabis 宣布，Gemini Deep Think 的高级版本在国际数学奥林匹克竞赛（IMO）中正式获得了金牌级别的分数（35/42），这是 AI 模型的首次突破。
• 模型“知道”其局限性并使用自然语言：OpenAI 的研究员 @alexwei_ 分享了他们自己的 IMO 模型表现中的一个关键发现：在未解决的 P6 问题上，模型“知道”自己没有正确的解法。Google 团队的研究员 @YiTayML 指出，他们的 IMO 金牌模型是一个通用模型，而不仅仅是实验性的。另一位 Google 研究员强调，Gemini 用英语端到端解决了这些问题。
• 关于宣布时机的争议：这一成就引发了关于哪家实验室率先公布结果的争议。一些人批评 OpenAI “抢先宣布”，而其他人则质疑“争先宣布”的整体价值。Demis Hassabis 澄清，Google 尊重了 IMO 委员会 最初的要求，等待后才宣布。

• OpenAI宣布与Oracle合作建设5GW“Stargate”数据中心：在一项重大基础设施公告中，OpenAI透露正与Oracle合作开发额外的4.5吉瓦“Stargate”数据中心容量，总容量将超过5吉瓦。位于德克萨斯州阿比林的Stargate I站点已开始投入使用。
• 台湾学生推动半导体前沿研究：@dylan522p的一条推文展示了台湾高中科学展览，学生们正在讨论1.5纳米全环绕栅极（GAA）晶体管结构优化，显示出在先进半导体研究领域的深厚人才储备。他还评论了中国在FlipFET和3D DRAM方面的进展，认为这对解决内存墙问题至关重要。
• 捐赠未使用的GPU算力支持开放科学：Hugging Face CEO Clément Delangue提出疑问，大型科技公司是否可以“捐赠”其大规模GPU集群的闲置时间给开放科学和开源AI开发者，这一建议引起了广泛关注。
• vLLM与Hugging Face Transformers集成：vLLM项目宣布支持开箱即用的视觉语言模型与Transformers的集成，简化了多模态模型的部署和推理。

• Perplexity Comet浏览器备受关注：Perplexity AI推出的新浏览器Comet自发布以来，其等待名单已翻倍。早期用户反馈称，它让传统聊天界面显得“过时”。CEO @AravSrinivas的一条关于“谁想要一个代理来处理会议”的推文获得了3,300次曝光，显示出用户对其代理功能的强烈兴趣。
• LangChain 1.0发布在即：Harrison Chase宣布团队正在努力推进 langchain 1.0版本，该版本将专注于成为构建大模型应用的最简单起点，提供改进的文档和基于LangGraph的通用代理架构。他澄清LangGraph是一个底层的“代理运行时”，而LangChain将提供更高层次的抽象。
• Anthropic增强移动端功能：Anthropic 推出了新的移动端交互方式，允许用户创建交互式工具、浏览画廊并直接从手机分享作品。
• OpenAI助力肯尼亚临床助手：OpenAI分享了与肯尼亚PendaHealth合作的积极成果，在40,000次患者就诊中研究了由OpenAI驱动的临床助手。
• LlamaIndex发布开源RFP响应代理：LlamaIndex构建了一个完全开源的代理，用于自动化处理提案请求（RFP）的响应。该应用基于LlamaIndex框架和LlamaCloud，能够处理文档提取、分析和报告生成。

• 大模型的“潜意识学习”研究：Owain Evans及其团队的一篇论文提出了“潜意识学习”的概念，研究表明大模型可以通过生成数据中的隐藏信号将特征传递给其他模型，即使数据与特征无关。这项研究暗示这可能是神经网络学习的一种普遍特性。
• Anthropic论文发现测试时间计算的“逆缩放”现象：Anthropic的一篇研究论文发现了一些案例，其中更长的推理时间反而导致准确率下降。这一现象在Opus 4的6个基准测试中被观察到，引发了关于当前推理模型和缩放定律局限性的讨论。
• 重大融资与招聘动态：OpenAI宣布Fidji Simo将担任应用部门CEO。Reka宣布完成由NVIDIA和Snowflake等投资者参与的1.1亿美元融资。据报道，Meta正在积极招聘顶级AI研究人员，四年内薪酬总额高达3亿美元。
• 开源与闭源模型的争论持续：Jack Dorsey呼吁“无需许可”的AI以防止少数CEO主导创新，这一观点被广泛传播。Clément Delangue评论了Anthropic的商业决策，称其强化了开源AI以避免权力集中的必要性。

• 我们都想要的会议助手：Perplexity AI 的 CEO @AravSrinivas 发了一条推文，询问谁想要一个 Comet 助手来帮忙处理会议，这条推文引发了广泛共鸣。
• 虾按钮：一条关于魔法按钮思想实验的推文最终演变成了关于虾的问题，并成为一个持续的笑话，后续还有关于从未一次性见过100只虾和需要虾相关法规的讨论。
• 数据清理不是低价值工作：@code_star 的一条推文回应了将数据清理描述为“低价值工作”的说法，引起了工程师们的共鸣。
• IMO金牌得主河马：@agihippo 发布了一条简洁幽默的总结：“河马参加IMO：0/42，河马训练的模型：35/42 🥇”，随后又发布了一条完美运用金牌梗的推文。

1. Qwen3 编码模型的发布与基准测试

• Qwen3-Coder 👀 (得分：354，评论：102)：图片宣布了 Qwen3-Coder 的发布，这是一款专为高级代码生成、工具使用和自动化代理任务设计的大模型。技术亮点包括：模型支持超长上下文窗口（1,048,576 tokens），远超大多数竞品，并标榜拥有 480B 参数（其中 35B 为激活参数）。该模型已在 https://chat.qwen.ai 上线，Hyperbolic 平台上的模型 ID 为 Qwen/Qwen3-Coder-480B-A35B-Instruct。 技术讨论聚焦于 1M token 上下文长度和高参数量的意义（480B 参数，35B 激活）。用户将其视为 Anthropic 模型的潜在替代品，并提到后者的性能和基础设施问题。

讨论指出，Qwen3-Coder 提供 1M 上下文长度，技术上成为代码相关任务中大型上下文商业模型的竞争对手。明确提到其部署模型 ID 为 Qwen/Qwen3-Coder-480B-A35B-Instruct，并指出模型采用 MoE（Mixture-of-Experts）或稀疏激活架构以提高计算效率。用户对其与 Anthropic 模型的可扩展性和性能对比表现出兴趣。

Everyone brace up for qwen !! (得分：140，评论：40)：图片宣布了 Qwen3-Coder-480B-A35B-Instruct，这是一款即将发布的 480B 参数 MoE 大模型，专为编码设计。主要特点包括 100 万 token 的上下文窗口和专注于代码生成、工具使用及代理任务。发布后预计将公开访问，用户对其性能提升（相比之前的 235B 模型）充满期待。 评论中讨论了硬件限制，多数用户调侃本地运行如此庞大模型的不切实际性，即使量化（如 q2）后仍需高端硬件（如 Mac M3 Ultra 512GB RAM）。有用户表示在线演示版本比之前的 235B 模型快得多，暗示显著的效率或基础设施改进。

• 用户讨论了 Qwen-2 模型的极高 VRAM 需求，部分用户甚至无法运行量化版本（如 q2），而其他用户提到可能需要 Apple M3 Ultra（256GB–512GB RAM），凸显了家庭用户在本地推理和实验中的硬件障碍。
• 一位评论者指出 Qwen-2 在网站上“比 235b 快得多”，表明推理速度和优化改进显著。
• 有评论提到大模型对消费者来说过于庞大，亟需新型芯片或更高效算法以实现本地实用化。

Qwen3-Coder-480B-A35B-Instruct (得分：141，评论：47)：Hyperbolic AI 已发布 Qwen3-Coder-480B-A35B-Instruct 模型的访问权限，这是一款专注于代码的大模型，继承了 Qwen2.5-Coder-32B，并以 480B 参数规模著称。文档和使用说明已在 Hyperbolic AI 平台上线（见：模型页面），但尚未详细说明与前代模型的实现和性能对比。 评论者注意到其前所未有的规模和作为 Qwen2.5-Coder-32B 继任者的潜力，并期待从 Claude 等现有代码模型迁移。

• LagOps91 澄清 Qwen3-Coder-480B-A35B-Instruct 并非 Claude 等模型的直接替代品，暗示技术用户在迁移时需注意兼容性或集成差异。
• Mysterious_Finish543 提供实用说明：该模型已通过 Hyperbolic API 以 Qwen/Qwen3-Coder-480B-A35B-Instruct 标识符提供，适合开发者立即编程访问。

Qwen3 235B-A22B 2507 :: Q3_K_L :: One shot HTML game :: 4090 + 128GB DDR5 @6000 (得分：143，评论：55)：帖子展示了 Qwen3 235B-A22B 2507 大模型（Q3_K_L 量化）在消费级硬件（4090 GPU，128GB DDR5 @6000MHz，23.3GB VRAM，约 80GB RAM 使用，5.52 tokens/sec，2202 输出 tokens，首 token 延迟 0.18s）上的本地推理性能。测试包括一次性生成复古 HTML/JS 赛车游戏代码，模型成功生成交互式、渐进难度游戏，代码输出准确。执行设置：上下文 4096，GPU 卸载 18/94，16 CPU 线程。 评论讨论了 128GB @6000 MHz 配置的 CPU/主板选择，并报告 Qwen3-235b-2507（Q4_K_XL 量化）在一次性代码生成和创意写作上优于前代 Qwen 变体。

• 多位用户测试了 Qwen3-235b-2507（Q3_K_L、Q4_K_XL 和 Q2_K 量化），报告其一次性编码能力极强，甚至超越之前版本。
• 技术规格分享：有用户使用 Q2_K 量化（85.7GB）在双 GPU（1x 16GB 5060 Ti，1x 16GB Quadro P5000）和 64GB DDR5 6000MHz RAM 上运行，12K 上下文下速度为 5-5.5 tokens/sec。
• 模型生成的 HTML 赛车游戏展示了复古风格实现，包括车道控制、随机障碍和动态难度。

Could this be Deepseek? (得分：211，评论：50)：截图显示 Casper Hansen 的推文称中国团队将发布“kimi k2”，据称支持 100 万 token 上下文窗口，可能与 GPT-4 Turbo 和 Claude 等大型上下文模型竞争。帖子和评论推测其来源，部分指向 Deepseek，其他指向 Qwen，并提到 qwen3-coder 已在 chat.qwen.ai 上线。 讨论强调 qwen3-coder 的可用性，并推测新发布可能基于 Qwen 而非 Deepseek。

• 用户比较了可能的模型，指出 Kimi-reasoning 因上下文窗口限制（仅 128k）不太可能是新发布，而可能是 qwen3-reasoning-coder 或 Deepseek R2。
• 另一用户对成功加载 32k token 上下文窗口表示满意，展示了实际测试限制与广告宣传的差距。

2. AI 硬件与爱好者升级

• Used A100 40GB just dropped below $2000, for those who care with caveat (得分：102，评论：61)：二手 NVIDIA A100 40GB GPU（SXM4 规格）现价低于 2000 美元，但需 600 美元适配器连接标准 PCIe 系统。帖子指出，若采购 HGX 背板（支持 8 路 NVLink 互联，带宽 4,800GB/s），可构建 8x A100 系统，成本约 30,000 美元。 评论讨论了二手 A100 的实用性与新硬件的对比。

• 用户详细说明 8x NVIDIA A100 40GB GPU 系统成本约 30,000 美元，但需 HGX 背板（约 9,000 美元），强调 NVLink 对多 GPU 扩展的重要性。

• 技术注意事项：此方案适合需要密集多 GPU 配置和高带宽互联的用户，否则单节点工作站可能更优。

AMD’s Strix Halo “Ryzen AI MAX” APUs Come To DIY PC Builders With New MoDT “Mini-ITX” Motherboards, Equipped With Up To 128 GB of LPDDR5X Memory (得分：110，评论：68)：AMD 的 Strix Halo “Ryzen AI MAX” APU 通过新 MoDT Mini-ITX 主板面向 DIY PC 用户，支持高达 128GB LPDDR5X 内存。这些主板针对紧凑型 AI/ML 和边缘计算应用，但缺乏标准 PCIe 扩展槽，限制了独立 GPU 或高速外设的使用。 评论关注 PCIe 扩展性不足、BIOS 支持问题及 128GB 内存对前沿大模型的限制。

• 用户指出主板缺乏 PCIe 插槽，扩展性受限，并提到过时的 VGA 接口。
• 对平台在高级 AI 任务中的可行性表示担忧：128GB LPDDR5X 对 Qwen-235B 足够，但对更大模型（需 256GB 以上）不足。
• 多位用户提醒这是中国厂商的非官方原型，BIOS 支持可能不佳。

Idc if she stutters. She’s local ❤️ (得分：143，评论：13)：幽默图片描绘了本地大模型爱好者宁愿在 RTX 3090 上运行不稳定的量化 13B 模型，也不愿付费使用 OpenAI 云模型。技术评论指出 RTX 3090（24GB VRAM）应能轻松运行 13B 模型（8-bit 或 fp16 精度），质疑量化必要性。 讨论聚焦隐私和本地推理的复杂性。

• 用户表示 13B 模型在 3090 上可稳定运行，无需激进量化。
• 分享了计算内存使用和量化级别的技术资源。

3. MegaTTS 3 语音克隆与开源 AI 工具

• MegaTTS 3 Voice Cloning is Here (得分：346，评论：63)：ByteDance 的 MegaTTS 3 的 WavVAE 编码器已发布（ModelScope 链接），支持语音克隆，包括多样口音和音色。模型和演示已在 Hugging Face 上线（权重，Gradio 演示）。早期报告显示其语音保真度高于 Chatterbox，但推理速度较慢。 技术讨论围绕实时流式处理和 GPU 内存需求展开。

• 用户指出 MegaTTS 3 在处理口音和音高范围上优于 Chatterbox，但输出流畅度稍逊。

• 技术问题包括是否支持流式生成及资源占用。

The ik_llama.cpp repository is back! \o/ (得分：172，评论：29)：ik_llama.cpp 仓库（ikawrakow/ik_llama.cpp）在 GitHub 上恢复，该仓库提供 Llama 模型的 C++ 推理代码。 评论庆祝其回归，并强调备份重要仓库的必要性。

• 用户询问如何完整备份 GitHub 仓库（包括 issues 和 wiki），提到对项目突然下架的担忧。

1. Claude代码用户体验与优化讨论

• Claude代码又来了 (评分：374，评论：30)：这张图片是一个表情包，引用了Claude代码的不稳定或非标准行为，幽默地将其与“为什么你就不能正常点？”的表情格式配对。底部的“Flibbertigibbeting”一词指的是Claude代码不可预测或荒谬的输出，与原表情包中的混乱噪音形成对比。这张图片戏剧化地表现了用户对Claude不可预测性的沮丧。 评论中的讨论集中在“flibbertigibbet”这个词（表情包中使用的）上，提到了流行文化中的引用，如《音乐之声》，但没有实质性的技术辩论或基准测试。

一位评论者严厉批评了Anthropic对Claude的处理方式，特别提到了频繁更改模型行为以及实施性能限制和更严格的使用限制。他们表示，这些变化在过去一年中降低了产品的质量，导致他们（及其团队）寻找开源替代方案，突显了开发者对平台不可预测性和访问限制的日益不满。

🎯 Claude代码感觉“坏掉”的真正原因（以及我是如何让它重新工作的） (评分：138，评论：136)：发帖者描述了结构化文档和细致的项目脚手架（如README、函数链接、明确的任务分解和示例输入输出）显著改善了使用Claude代码的结果，减少了幻觉、上下文错误和代码重复。他们假设Claude代码是为那些提供详尽架构文档并要求明确规划的用户优化的，而不是依赖临时开发工作流。评论者证实了这一点，强调这适用于所有大模型，因为上下文窗口会退化（引用了Google的Gemini及其上下文长度性能下降），而Claude的协调器/子代理架构缓解了但并未消除这些问题——随着代码库规模的增大，结构化、分阶段的指令仍然至关重要。 提到的实用工作流包括将高级规范和功能研究放入CLAUDE.md，创建功能特定的.md文件作为上下文脚手架，使用分支隔离功能，并通过这种结构化上下文逐步引导模型以获得优于非结构化提示的结果。

• 一些评论指出，Claude的代码生成在高层次设计和架构推理方面最为有效，而不是直接编码。用户强调在生成任何代码之前需要详细记录需求、数据流、潜在的竞争条件和测试策略，认为大模型目前缺乏自主生成可扩展和可维护架构的能力。

真的有人从Claude那里得到糟糕的代码吗？ (评分：132，评论：158)：发帖者是一位有十年经验的高级开发者，报告称使用Claude生成了高质量的C#代码，完成了复杂项目（如具有高级安全性的微服务API和用DI替换Mediatr的重构工作），速度远超不使用AI的情况。他们将其与广泛抱怨的低质量输出形成对比，假设有效的上下文、清晰的提示词和结构化任务分解（植根于高级软件工程技能）是利用Claude优势的关键。 热门评论强调，高级开发者之所以表现出色，是因为他们能够提供明确的上下文并将需求分解为离散组件，将良好的提示工程比作对初级程序员的细致指导。

致所有讨厌Claude代码的人 (评分：169，评论：89)：讨论围绕用户对近期Claude代码性能的不满展开，一些人指责代码生成质量下降，并批评Anthropic未在订阅中提供足够的价值。一些评论认为问题可能与A/B测试或分阶段模型更新有关，导致用户之间的体验差异，但也有人报告持续满意并提到显著的生产力提升（提到Claude Max x20订阅）。重点在于用户反馈对迭代模型改进和产品性能公平性的重要性。

2. 国际数学奥林匹克竞赛中的AI模型基准测试

• 哇，即使是标准的Gemini 2.5 Pro模型也能通过一些细致的提示词在IMO 2025中获得金牌。（网络搜索关闭，论文和提示词在评论中） (评分：277，评论：58)：图片是Lin Yang的一条推文，描述了标准的公开Google Gemini 2.5 Pro模型在关闭网络搜索的情况下，通过“细致的提示词”解决了2025年国际数学奥林匹克竞赛（IMO）6道题中的5道。Lin认为这一成就意义重大，表明这种大模型具备强大的推理和创造力，可能超越人类金牌得主。 评论者辩论了其影响——一些人质疑“细致的提示词”的作用，认为它可能解决了问题中最难的逻辑部分，并警告这可能低估了公开模型与内部模型之间的差距。

Google和OpenAI在IMO中并列第27名 (评分：423，评论：143)：图片显示了国际数学奥林匹克竞赛（IMO）的结果表，展示了参赛者排名、个人问题得分和奖项。标题幽默地将当前大模型（来自Google和OpenAI）的排名与人类参赛者进行比较，指出“Google和OpenAI并列第27名”——这是对最近论文中AI代理在数学问题能力上与IMO对比的评论。

OpenAI的IMO模型“知道”它没有正确的解决方案 (评分：509，评论：105)：OpenAI的IMO模型在最近的推文中展示出明确识别何时没有问题的正确解决方案的能力，而不是提供一个可能错误的答案。这表明了在不确定性量化和模型自我意识方面的新能力，对于减少幻觉率和增强大模型在高风险领域的安全部署至关重要。

3. Colossus超级集群扩展与xAI训练基础设施

• Colossus 2的抢先看。它将在几周内托管超过55万个GB200和GB300！ (评分：415，评论：124)：图片展示了“Colossus 2”数据中心的内部构造，计划在不久的将来托管超过55万个NVIDIA GB200和即将推出的GB300 GPU。描绘的基础设施突出了这种高密度、高吞吐量AI工作负载所需的雄心规模和细致组织，强调了下一代云规模GPU部署的规模。

如果是真的，那就太惊人了。这种速度简直不可思议。 (评分：678，评论：391)：图片是Elon Musk的一条推文，声称xAI的Grok使用名为Colossus 1的超级集群进行训练，该集群拥有23万个GPU（包括3万个最新一代GB200），并计划为Colossus 2部署额外的55万个GB200和GB300。这种规模在大模型训练中是前所未有的，大幅超越了之前的行业努力。

他想做得更大 (评分：550，评论：223)：图片展示了Sam Altman的一条推文，提到计划将“stargate”AI计算项目的规模扩大到远超之前宣布的5000亿美元。这突显了对大规模基础设施投资的雄心，可能目标是1亿个GPU，成本可能高达3万亿美元，并需要巨大的能源资源。