Kimi 1.56 TB 下載在 Opus 上落後 20 行
Kimi K3.1 Pro 下載量 1.56 TB,引數 2.8T,實際效能在多數測試中落後 Claude Opus 5.5 20 行。 - 檔案結構:96 個 safetensors 片段,總大小 1,561.29 GB,平均 16.99 GB,最大 16.99 GB,最小 0.09 GB。
Kimi K3.1 Pro 下載量 1.56 TB,引數 2.8T,實際效能在多數測試中落後 Claude Opus 5.5 20 行。 - 檔案結構:96 個 safetensors 片段,總大小 1,561.29 GB,平均 16.99 GB,最大 16.99 GB,最小 0.09 GB。
esp32-eye 是一套開源飲水監測系統,使用 MiniCPM-V 4.7、兩塊 ESP32-S3 與 MacBook,辨識個別貓咪並記錄每日飲水事件。
本文分享了在從影片字幕中提取工具資訊時,如何透過驗證證據與調整查詢來顯著降低 AI 幻覺的實務方法。 - 證據驗證:要求模型提供逐字引用、核對名稱與時間戳,未驗證專案即剔除。
本報告分析了 2026 年 AI 標註服務市場,估值 23 億美元,並指出品質、正確性與信任為關鍵挑戰。 - 市場規模:2026 年估計 $2.32 B,2027 年增至 $2.51 B,2034 年工具市場預估可達 $29.81 B。
Wild Dolphin Project 正與 Georgia Tech 和 Google DeepMind 合作,運用 AI 從海豚影音資料中尋找溝通模式,並嘗試以水下穿戴式電腦播放聲音與海豚互動。
本文示範如何使用 Revana 路由器構建一條能抵禦多種失敗模式的影片生成管道,並提供 120 行 Python 範例。 - 容錯模式:處理容量(429/503)、慢速任務、內容拒絕、網路斷連與計費失敗,並在每種情況下採用不同的重試或回退策略。
GPT-Image-2.6 的 Flare 與 Sunburst 兩個模型分別定位於速度與品質,本文透過官方資料與實際測試,對比兩者在速度、品質、編輯一致性與成本上的差異,並給出實務使用建議。
研究人員測試多種多模態模型評估不同口音英語語音的表現,發現模型對中國與奈及利亞口音的評分最低,對美國與英國口音的評分最高。 - 測試模型:Gemini 2.5 Pro、Gemini 2.5 Flash、GPT-Audio 1.5,以及開放權重模型 Qwen 3 Omni。
推薦理由:研究比較多種模型對五種英語口音的評分與解釋,呈現口音偏見如何影響面試、報告及口語能力評估。
AI Rap Generators 是一款將兩張成人肖像轉成 15 秒 9:16 影片的工具,作者透過結構化提示、信用登入與安全退款機制,說明如何打造可靠的生成式 AI 產品。
Seedream 4.0 至 5.5 版文字渲染改進與實用技巧:\n- Diffusion 模型 只學習畫素,無法直接渲染字形,長字串易漂移。\n- 4.0:可同時生成與編輯,錯誤字可直接修正。
Goodfire 發布了一篇論文,提出了 mechanistic shaping 框架,利用模型內部表徵來直接調整解題方式,避免模型學習錯誤捷徑。 - 核心貢獻:透過 依賴塑形 與 表達塑形 兩種方法,直接抑制模型對不良概念的依賴或表達。
summary_zh: 作者建置了 RapAIVideos,將單張靜態照片轉成短影片,配上自動生成的說唱音軌。 - 四階段流程: - 輸入驗證:先檢查面部大小、朝向、光線、單人等,避免 GPU 時間浪費。
llama.cpp 0.9.0 釋出多語言 TTS 與 STT 功能,加入 FP8 資料量化與多序列注意力最佳化。 - OCP FP8 E4M3 量化與新 ftype LLAMA_FTYPE_MOSTLY_F8_E4M3,可量化更大型模型。
Kimi K3.1 Pro 是 Moonshot AI 推出的多模態 MoE,採開放權重,總引數為 2.8T、啟用引數 104B,上下文視窗為 1M tokens。
推薦理由:多項公開與內部基準呈現 Kimi K3.1 Pro 在程式執行、研究、3D 建模及金融檔案分析上的表現,也交代幻覺測試的適用範圍。
summary_zh: MIT 研究人員推出 UQ‑DAAAM,能自動糾正機器人對物件的錯誤描述,提升其任務準確度。 - 核心特性: - 透過不確定度量化(Uncertainty Quantification)識別疑似錯誤的描述,並以額外視角減少不確定度。
作者在 Meta Quest 上體驗 NexoPeek,將 voxel 城市計畫的互動式導航理念應用於蛋白質結構,展示了沉浸式視覺化如何加速假設生成與分析可重現性。
Vercel AI Gateway 現在可透過更多支援零資料保留(ZDR)的供應商,呼叫 Kimi K3.1 Pro 與高速版本 Kimi K3.1 Pro Highspeed。 模型特性:兩款模型都支援 1M-token 上下文視窗與圖片輸入;Kimi K3.1 Pro 在程式開發、3D 建模與金融分析方面有所改進,並可處理從小幅修正到完整專案的長時間 Agent 工作。Highspeed 適合重視回應速度的互動工作,例如程式開發 Agent。 ZDR 路由:此前只有 Moonshot AI 提供這兩款模型。啟用單次請求的 zeroDataRetention 選項,或在 AI Gateway 儀錶板設定中為團隊所有請求啟用 ZDR 後,系統只會路由至簽有 ZDR 協議的供應商;若沒有可用供應商,請求會失敗,不會改送至未簽約的供應商。 呼叫方式:可透過 AI SDK、Chat Completions、Responses、Anthropic Messages API,或連線 AI Gateway 的程式開發 Agent 呼叫。模型名稱為 moonshotai/kimi-k3.1-pro;Highspeed 使用 moonshotai/kimi-k3.1-pro-highspeed。也可安裝最新版 Vercel CLI,在 Claude Code、Codex、Cursor 等 Agent 中選擇模型。 費用:AI Gateway 依供應商定價,不加價;推論不收平臺費,包含 Bring Your Own Key(BYOK)請求。
Moonshot AI 推出 Kimi-K3.1-Pro,模型總引數為 2.8T,每個 token 啟用 104B 引數,並支援 1M-token 上下文。
推薦理由:Kimi-K3.1-Pro 的引數規模、稀疏注意力與 1M-token 上下文設計,呈現大型模型在推論效率與長上下文處理上的取捨。
Kimi K3.1 Pro 開放權重發布,這款原生多模態AI 助理模型採 MoE 架構,提供 1,048,576-token 上下文視窗。 - 模型規模:總引數 2.8T,啟用引數 104B;支援文字與影像輸入。
推薦理由:材料列出模型規模、推論設定與多項基準成績,並說明 API 和推論引擎支援,便於比較其能力與部署條件。
Kling 4.0 Flash 現已於 fal 上線 提供快速影片生成,方便頻繁創意迭代 支援文字到影片、圖片到影片、影片編輯及參考影片工作流程 產生長達 20 秒 720p 影片,並含原生音訊
可靈 Kling 4.0 Flash 現已向所有使用者全面開放,可透過 Kling AI 官網與 API 使用。 - 接入方式:支援 MCP、CLI 及 AI 外掛。 - Adobe 外掛:可在 Adobe Photoshop、Premiere Pro 和 After Effects 中呼叫此模型。 - 體驗入口:klingai.com
推薦理由:原文列出 Kling 4.0 Flash 的開放範圍與多種接入入口,呈現模型可用方式的變化。
Amblyotube 是 Seven Sports 開發的 Meta Quest App,將影片轉為雙眼視覺練習,透過左右眼不同的影像處理,協助進行雙眼協調與深度知覺訓練。
Knoveum 以 100% MIT 授權正式推出,提供完整本地化 AI 作品空間,開發者可直接使用 Tauri 2、Rust 與 Vue 3 建置離線模型環境。
Seven Sportz 開發的 NexoPeek 是供 Meta Quest 使用的 VR 分子實驗室,提供 12 個敘事導覽、分佈於 6 個主題的內容,以及專業 PDB 檢視器。
llama.cpp v0.9.0 正式發布,新增 FP8 E4M3 量化、flash_attn_ext_rows 等多項功能,並擴充多模態與音訊支援。 - 量化:加入 OCP FP8 E4M3 tensor type,提供轉換輔助,提升量化模型效能。
推薦理由:此版本新增 FP8 E4M3 量化與多序列 KV 快取最佳化,並支援多種新架構與音訊功能,能顯著提升多模態推理效能與跨平臺部署彈性,為開發者帶來更高效能與更低延遲。
國行蘋果智慧深度評測:AI功能馬馬虎虎,隱私保護秒殺安卓? summary_zh: - iOS 27.3 Beta 推送:自 11 月 4 日起,擁有開發者許可權的使用者可下載 12 GB 更新包,開啟首批 AI 功能。
MarathonDocBench 由百度推出,針對 100–300 頁中英檔案的跨頁解析進行評測。 - 資料規模:100 篇檔案、約 18,000 頁、205,000 標註佈局元素。
騰訊混元 Hy4 推出並接入元寶,文章透過互動網頁製作、蘋果財報分析與跨應用簽證資料核對,實測其視覺理解、電腦操作與工作任務處理能力。 - 模型與接入:Hy4 引數規模為 770B;使用者可在元寶 App、PC 使用者端與網頁端切換使用。
Apple Intelligence 自 11 月 4 日起在中國開放測試,預計於 12 月隨 iOS 27.3 正式推出。 - 合作與模型:中國版由 Apple 與阿里巴巴合作推出,基於千問模型。
推薦理由:中國版 Apple Intelligence 由 Apple 與阿里巴巴合作推出,內容列出首批功能與測試、正式推出時程,可瞭解服務如何進入中國市場。
Hy4 是騰訊推出的全新大語言模型,擁有 770 B 引數的 Mixture‑of‑Experts 架構,首次結合精細影像處理、複雜圖表與數學視覺推理,以及透過圖形介面與命令列直接操控電腦的能力。
Tencent 的 Hy4 已在 AI Gateway 開放使用,並提供至 2026 年 12 月 31 日止的 5 折優惠。 模型功能:Hy4 支援推理、工具呼叫、結構化輸出與影像輸入,具備 1M-token 上下文視窗,可用於跨程式碼庫或大量檔案的工作。它是 Hy 系列首款具備視覺能力的模型,能辨識影像細節並讀取複雜圖表,也支援在命令列與圖形介面中操作電腦。 相較 Hy4 Preview:Hy4 更能遵循指令,處理長上下文、長時間執行任務與深度研究的表現也有所提升。 使用方式:模型名稱為 tencent/hy4。安裝最新版 Vercel CLI 並執行設定後,可在 Claude Code、Codex、Cursor 等代理程式中選用;也可在模型 playground 試用。 AI Gateway:提供統一 API,可呼叫模型、追蹤用量與成本,並設定重試、故障轉移及效能最佳化。平臺依供應商定價、不加價,推論不收平臺費,包含 BYOK 請求。