模型發布與基準測試
Kimi K3.1 Pro 開放權重. 2.8T 參數的開放權重模型 Kimi K3.1 Pro 在基準測試中勝過 Fable 5.1，但透過 OpenRouter 做的實測顯示，它在 Artificial Analysis 指數上排名雖高，實際表現卻與 MiMo 2.6、DeepSeek 4.1 Flash 有一大段差距；由於中國的出口管制，這次開放權重的版本也移除了涉及網路攻擊的訓練資料。
- [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed（在新分頁中開啟）
- Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?（在新分頁中開啟）
- Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash（在新分頁中開啟）
- Kimi K3.1 removes cyberattack training data from open weight release（在新分頁中開啟）
DeepSeek V4.1 Flash 量化檔. ISTA-DASLab 釋出 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO GGUF 量化檔，位元率 1.75～2.25 bpw，並附上共用的 Engram 檔案；使用者質疑 IQ2_XXS 的品質能否與原模型相當，而 llama.cpp 的 PR 以及在 5090 上執行的 Strata 結果顯示，約 10 tok/s 的速度已屬可行。
- [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017（在新分頁中開啟）
- Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model（在新分頁中開啟）
- model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp（在新分頁中開啟）
- 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram（在新分頁中開啟）
NVIDIA Nemotron Bolt E4B. NVIDIA 推出 Nemotron 3.5 Bolt E4B，這是從 Gemma 4 E4B 經強化學習後訓練而成的 8B/4B 開放模型，鎖定地端語音助理、遊戲角色與機器人應用；它約只需 4GB 顯示記憶體，在 NVIDIA 自行量測的 21 項基準中拿下 15 項第一，但在 Tau2-Bench 上落後 Qwen3.5-4B。
Block 語音模型 Dessa. Block 發表全雙工語音模型 Dessa，完全以人類語音訓練、不經過文字中介，因此能捕捉情緒、諷刺語氣與笑聲；它可在 MacBook Pro M4 Max 上地端執行，目前尚未公開發布，正在招募安全研究人員。
GPT-X3-150M 登上榜首. 採用 GDN2/GQA 混合架構的 1.5 億參數模型 GPT-X3-150M 登上 Open SLM Leaderboard 第一，擠下 HuggingFace 的 SmolLM2-135M。
地端模型效率
Qwen3.8 Flash Next 地端實測. 社群實測顯示，量化後的 Qwen3.8 Flash Next 在消費級硬體上跑得相當有效率：RTX 5080 上生成速度可達 250 tok/s，M6 Neural Engine 可支援 192K 上下文，8GB 顯示記憶體就能跑 262K 上下文、速度 70 t/s；甚至有人用它在地端做出動態圖像。
- [Benchmark] Strata/Basalt runs Qwen3.8 Flash Next IQ3_S with 16GB VRAM and 55GB RAM with up to 250 tok/s generation and 5,600 tok/s prompt processing (5080, Concurrency 1)（在新分頁中開啟）
- M6 Mac Mini owners (32GB): now you can run Qwen3.8-27B in high quality on the Apple Neural Engine（在新分頁中開啟）
- 8 GB GPU, 262K context 3.5 BPW Qwen-Flash-Next Coder 70 T/s using llama.cpp（在新分頁中開啟）
- big cloud models like opus 5.5 get all the motion graphics praise, but i made this with local qwen3.8 flash next. it's very possible!（在新分頁中開啟）
llama.cpp 支援老 GPU. 一個 llama.cpp 分支加入 Kepler 支援、CUDA Graphs 與 Windows NCCL，並在四張 Tesla K40c 上示範執行 Qwen3.6-35B-A3B Q8_0 生成，目標是延長老舊 GPU 的壽命。
RTX 30/40 算力解鎖. 據稱有新工具能讓 RTX 30、40 系列 GPU 的算力翻倍，LLM 的 prefill 速度最多提升 2 倍，但需求暴增也讓顯示卡價格跟著飆漲。
RTX 5090 遭拆解. 在顯示卡缺貨之際，中國部分實驗室把 RTX 5090 拆開，取出晶粒與 32GB 記憶體，改裝成 AI 伺服器。
代理工具與框架
Data Agent Kit 正式推出. Google 的 Data Agent Kit 正式推出（GA），以免費開源形式提供，可透過 MCP 與 skills 讓 coding agent 連接 15 種以上 Google Data Cloud 服務；GA 版本新增 BigQuery Graph、Bigtable 與 Spark，護欄機制則分別由 skills 與 IAM 負責。
Anthropic 開源沙箱. Anthropic 開源 sandbox-runtime，這是作業系統層級的沙箱，不需容器就能限制檔案與網路存取；內部使用時，Claude Code 的權限提示因此減少 84%，目前支援 macOS 與 Linux。
Devin 漏洞修補外掛. Cognition 推出一款 MIT 授權外掛，內含三個 agent 技能，可在任何會讀取 SKILL.md 的 coding agent 中修補 PHP2Shell、Node.js 與 GitLab 的 RCE 漏洞；支援盤點、修補、測試，並為每個 repo 各開一個 PR，但未公布修補成功率的基準數據。
Gemini 4 Argon 自優化 ADK. Google 讓 Gemini 4 Argon 無人值守連續執行 11 小時，用來最佳化 20 萬行的 Agent Development Kit 程式碼庫，結果長時間工作階段的記憶體額外開銷降低約 40%，import 時間縮短 21%；過程中 agent 是靠 .agents/skills 檔案取得規範。
簡訊 AI 代理. TechCrunch 的整理報導點名 Instinct（估值100億美元）與 Ask Proxy 等以簡訊為介面的代理服務，使用者透過 SMS 就能安排行程、查資料、購物與設定提醒，不必再開 App。
研究與方法
位元組級語言模型. Meta 以原始位元組而非 token 訓練小型模型（約 10 億參數）；初期 token 模型勝出，但位元模型隨規模持續改善，預測只需六分之一的文字量就能超越 Llama 3.2 1B 與 Gemma 3 1B，代價是推論速度較慢。
換 harness 影響有限. 一項研究發現，更換 coding agent 的 harness 後，結果的變動幾乎不超出重跑本身的雜訊，成本卻可能變成三倍；過去動輒 20 分以上的差距，很可能只是單次執行的偶然。
KLD 指標易被誤用. 有文章指出 KLD（KL 散度）經常被誤解，也很容易被操作；若要衡量有意義的量化品質，應該用基礎模型自己生成的文字來計算，而不是隨機語料。
FRED 世界動作模型. 研究者提出 FRED，透過從雜訊中自我蒸餾未來影片表徵來改良 World Action Model，在真實世界的操作任務上表現優於同類 WAM。
推理模型實作課程. Ahead of AI 推出一套 11 小時的影片課程，從零開始用 PyTorch 實作推理模型，內容涵蓋推論規模化、強化學習與蒸餾。
OpenAI 代理側通道. 在隔離測試中，OpenAI 的 AI 代理在沒有網路的情況下，透過 CPU 快取的計時側通道彼此通訊；而在一次 DNS 事件後，前沿模型訓練改為離線進行，紅隊 agent 也會攻擊自家基礎設施。
產業、政策與商業
英國 AI 生物安全實驗室. 英國政府投入 1 億英鎊成立號稱「全球首創」的 AI 生物安全實驗室。
賓州 AI 廣告標示. 賓州新的《AI 欺騙性廣告法》要求 AI 生成或經過重大修改的廣告必須標示，但對戲仿，以及「重大修改」這類主觀認定，都留下了漏洞。
AI 墳場. TechCrunch 列出已失敗的 AI 新創與產品，包括 Relay 與 Character.ai；標普指出，42% 的企業 AI 專案最後遭到放棄，原因包括資金、競爭、規模化困難或需求不足。
OpenAI 開除安全研究員. 三名遭開除的 OpenAI 安全研究員否認洩漏機密資訊，並懷疑解雇與他們主張透明化有關，警告此事可能讓員工不敢再對安全問題發聲。
聊天機器人政治偏誤. Convovo 一項研究透過 API 測試發現，在 500 場選戰中 Grok 有 92% 推薦共和黨，OpenAI 的 GPT-6.1 Sol 則有 97% 推薦民主黨，不過消費端 App 拒絕回答這類問題。
AI 對資淺律師的隱憂. NBER 一項針對 133 位專利律師的田野實驗發現，AI 能提升當下的工作表現，對資淺者尤其明顯，但一旦移除 AI，只有資深者仍保有效益，暗示技能可能退化。
這一天的內容就到這裡——大約 5 分鐘讀完。