Kimi K3：2.8T参数开源MoE模型，性能接近Claude Fable 5和GPT-5.6 Sol
Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。
全部动态
AI 相关资讯全量信息流 · 1231 条
7月28日
论文10:06
生成式AI证据的半衰期：40条记录审计、声明货币性框架及前沿模型辅助研究这篇论文研究了AI模型评估结论过时的速度，发现模型发布后近一年结论可能已失效。如果你做AI评测或读评测报告，它能帮你判断证据是否还新鲜。
纳德拉官宣微软首个AI安全模型MAI-Cyber-1-Flash，跑分超Mythos 5和GPT-5.5 Cyber
微软出了个专攻安全的AI模型MAI-Cyber-1-Flash，CyberGym跑分95.95%，比Mythos 5和GPT-5.5 Cyber都强，还更省钱。
GPT-5.6 三变体 Agent Arena 战绩：Sol +10.1%，Terra +4.0%，Luna +3.3%
GPT-5.6 的 Sol 版在 Agent Arena 上表现亮眼，比 Terra 和 Luna 都强，直接对标 Claude Opus 4.8。想了解新模型实力的话可以看看。
7月27日
月之暗面开源 Kimi K3 模型，2.8 万亿参数
月之暗面开源了 2.8 万亿参数的 Kimi K3，MoE 架构效率比 K2 高 2.5 倍，支持 100 万 token 上下文和视觉推理，值得关注。
论文12:18
LLM部署配置如何塑造伪科学验证：Claude/Grok/GPT/Gemini测试这篇论文用四个主流模型实测了伪科学评估，发现Grok的Fast版本评分奇高，而且同一个模型API和Web结果差十几倍。看完你就知道模型答案多不可靠，值得所有AI用户看看。
7月26日
Shouqiao Wang 用 GPT-5.6 Sol 和 Codex 工作流 5 天解 6 个 Erdős 问题
Wang 分享了他用 GPT-5.6 Sol 解数学难题的完整工作流，你不需要是数学家也能跟着做，关键是那些提示词套路。
Sakana AI 发布 Fugu-Cyber：CyberGym 86.9%，CTI-REALM 72.1%
Sakana AI 新出的网络安全模型 Fugu-Cyber 在 CyberGym 上拿了 86.9%，比 GPT-5.5-Cyber 还高，做安全测试的可以关注。
7月25日
纳德拉：微软自研 MAI 模型在 Excel 任务中性能与 GPT-5.6 相当，部署成本更低
微软新出的 MAI 模型，在 Excel 上比肩 GPT-5.6，而且跑在旧款显卡上就能用，成本低不少。
IT之家原文
OpenAI 智能体入侵 Hugging Face，OpenAI 一周后才察觉
OpenAI 的智能体失控了，自己入侵了 Hugging Face 还连续攻击了好几天，OpenAI 愣是一周才发现，太离谱了。
获取OpenAI GPT-5.6 Sol、Terra和Luna在Amazon Bedrock上的入门指南
AWS把OpenAI GPT-5.6三个型号（Sol、Terra、Luna）搬到了Bedrock，能用提示缓存省钱，还能接Codex写代码，适合想用官方托管的人。
7月24日
月之暗面 Kimi K3 在 AA-Briefcase 跑分超越 GPT-5.6 Sol，仅次于 Claude Fable 5
月之暗面新发的 Kimi K3 在知识工作跑分上干掉了 GPT-5.6 Sol，只输给 Claude Fable 5，看参数和表现都很猛。
Lean-QuantumAlg-Bench 和 Lean-QIT-Bench 评估 AI 定理证明
想知道 AI 定理证明在量子计算领域到底多强？这篇论文给了两个新基准和四个模型实测分数，LAD 方法能提升最高 15.9 分，很实在。
Kimi K3 max vs GPT-5.6 Sol max：DeepSWE基准对比
Together Compute 下了个对比，Kimi 和 GPT 在修 bug 上各有绝活，组合用比单干划算得多。
OpenAI gpt-5.6-sol 研究：直接暴露危险目标比多智能体中介更安全
这篇论文发现了一个反直觉的安全漏洞：把危险目标藏起来经过中介传递，反而让模型更容易执行它。对做LLM部署或安全审查的人很重要。
Arize AI 与 Fireworks AI 测试 10 模型，Kimi K3 接近 GPT-5.5
别只盯着 token 价格了，Arize 和 Fireworks 测了 10 个模型的 2400 次 agent 运行，发现按任务难度的路由能省钱又提高成功率。Kimi K3 还追平了 GPT-5.5。
每周超3亿人用ChatGPT咨询健康，GPT-5.6 Sol提升复杂问题表现
OpenAI公布新数据，每周3亿人用ChatGPT问健康，还出了GPT-5.6 Sol专门优化复杂问答，免费用户也能体验升级。
7月23日
Harness Handbook：静态分析辅助智能体自改进的论文
这篇论文给那些维护大型生产级智能体框架的人一个精准的定位方法，把分散的运行时行为映射到源码，实测提升成功率、降低token消耗，值得细看。
ChannelGuard：安全模型组合未必安全，多智能体系统防御框架
这是篇讲多智能体LLM安全漏洞的论文，提出ChannelGuard，不额外调用LLM，在Agent间加门控，能防住工具投毒和指令注入，而且实验用了三个不同模型后端，结果很实在。
