跳到正文

Kimi / 月之暗面

月之暗面 Kimi 系列模型與產品動態:K 系列開源模型、長上下文技術與產品演進的追蹤。

45條精選相關主題千問 QwenDeepSeekMiniMax

最新精選

第 1–20 條 · 共 45 條
11月20日週五
  1. The Decoder83

    美國收緊晶片出口管制,中國科技業海外算力與晶片供應受阻

    美國收緊 AI 晶片出口管制後,中國科技公司租用海外雲端算力和取得實體晶片都遇上阻礙。新規要求部分海外資料中心先取得許可,並審查客戶是否與中國有關;報導稱,Moonshot AI 因此取消在印尼租用算力的 $150 million 合約。另一方面,TSMC 和 Samsung 暫停向部分中國客戶出貨,申請美國許可。報導也整理了《紐約時報》對 Alibaba 海外晶片採購網路及其與軍事研究關聯的調查內容;相關細節來自媒體報導與研究分析,Alibaba 則否認其服務用於軍事用途。

    推薦理由:報導串起雲端租用限制與晶片出貨受阻,呈現美國出口管制如何同時影響中國業者取得海外算力與實體晶片。

11月18日週三
  1. Dev.to Top Tech83

    開放權重模型落後封閉模型多久?作者用資料比較能力、算力與授權

    開放權重模型的能力和封閉模型差多少,會隨時間、評量方式和授權條件改變。作者用 Epoch AI 截至 2026 年 10 月 30 日的資料追蹤模型分數,指出 2026 年開放模型平均落後約 6.7 個月;中國團隊推出的模型已連續 673 天保持開放權重領先。不同地區的差距也不一樣:美國和歐洲模型落後更多,而授權條件會影響模型能不能用在商業服務。作者認為,選模型時除了看能力,也要確認來源與授權是否符合自己的需求。

    推薦理由:作者把開放權重模型的能力差距拆成時間、算力、地區與授權來比較,呈現採用這類模型時需要衡量的實際取捨。

11月14日週六
  1. Vercel Blog76

    Vercel Token Pass 開放使用 Kimi K3.1 Pro

    團隊使用 AI 助理寫程式時,可能需要切換不同模型或工具。Vercel 的 Token Pass 現在加入 Moonshot AI 的 Kimi K3.1 Pro,可用於寫程式和 AI 助理工作流程,也支援看圖、使用工具,並提供 1M 上下文視窗。這項早期訂閱每隊每月 $30,會提供每月 $80 額度,可用於連線 AI Gateway 的程式開發工具或用 AI SDK 建立的 AI 助理;透過 Token Pass 處理的請求不會保留資料。

    推薦理由:Token Pass 把 Kimi K3.1 Pro 加入團隊訂閱,並列出月費、可用額度與資料保留方式,方便評估是否符合開發需求。

  2. Dev.to Top Tech87

    我用公開權重檢查中國 AI 模型,發現 5 款帶有 Blackwell GPU 痕跡

    要查一個模型用了哪種晶片,光看公開資料往往不夠。作者重跑一項檢查,發現 5 款中國開放權重模型中,沒參與訓練的部分權重,與 Blackwell GPU 開始訓練時留下的數值排列高度吻合;換掉設定後,吻合度就大幅下降。報告估計這些訓練約用了 12,000 張 Blackwell GPU,但作者也提醒數量推算有很大誤差。這項結果能指出開始訓練時使用的硬體,卻不能證明晶片在哪裡、如何取得,或是否違反出口管制。

    推薦理由:這項檢查能從公開模型權重追查訓練前使用的硬體,並呈現推算晶片數量的誤差範圍與證據限制。

  3. aihot76

    研究者稱 Kimi K3 與 DeepSeek V4 留有 Blackwell 訓練痕跡

    美國限制 Blackwell 晶片出口到中國,但研究者 Will DePue 分析公開模型權重後,稱 Kimi K3 系列和 DeepSeek V4 留有使用 Blackwell 訓練的痕跡。這些痕跡不能證明模型完全用這種晶片訓練,也不能單獨證明有人違反出口管制;晶片可能設在馬來西亞等境外資料中心。報導也提到,出口管制能否限制中國企業取得頂尖 AI 算力,仍牽涉晶片使用地點與使用者等問題。

    推薦理由:研究者從模型權重找出 Blackwell 訓練痕跡,但文章也說明,這不足以判定晶片是否違法輸往中國,境外資料中心是重要背景。

  4. TechCrunch · AI79

    研究團隊稱中國多款 AI 模型可能用受出口限制的 Nvidia 晶片訓練

    美國限制 Blackwell GPU 出口到中國,但中國企業發布的多款開放權重模型,可能仍用過這些晶片訓練。研究團隊分析模型權重後,認為 Moonshot AI 的 Kimi K3 和深度求索的 V4 留有 Blackwell 訓練痕跡;這是研究線索,不能證明模型完全用這些晶片訓練,也不能單憑此認定違反出口管制。晶片可能經走私進入中國,也可能透過馬來西亞等地的資料中心供中國企業使用。報導指出,美國目前追蹤受管制晶片實際用途的責任有限,若調查確認走私且 Nvidia 知情,公司可能面臨更大責任。

    推薦理由:研究團隊從公開模型的權重中找到可能使用 Blackwell GPU 訓練的線索,報導也整理了晶片轉運與海外資料中心帶來的出口管制難題。

11月13日週五
  1. The Decoder82

    前 OpenAI 研究員從六款中國 AI 模型中找到 Blackwell 晶片痕跡

    模型公開後,外界很難只靠成品看出訓練時用過哪種晶片。前 OpenAI 研究員 DePue 分析模型權重中殘留的數字排列,稱六款 2026 年 4 月後推出的中國模型帶有 Nvidia Blackwell 晶片的特徵,較早的 DeepSeek-V3 和 Kimi K2.5 則呈現 Hopper 特徵。他也表示,已在 Blackwell 晶片上重現 DeepSeek-V4-Flash 和 Kimi K3 的結果,並公開驗證程式碼。這些痕跡顯示模型權重可能由哪一代硬體初始化,但不能證明晶片實際位於中國,也不能單靠這項分析證明違反美國出口管制。

    推薦理由:分析從模型權重留下的隨機數痕跡推測晶片世代,並說明這類線索能指出硬體存取情況,卻無法單獨證明違反出口管制。

  2. Rohan Paul69

    人用提示詞注入攻擊近期幾乎騙不過新的 Gemini 模型,容易讓人以為問題已經解決。Google DeepMind 團隊做出 Agentic Optimizer,讓 8 組 AI 助理測試藏在資料裡的指令、交換心得,再改進彼此的攻擊方式。他們用這套方法測試 100 項需要操作工具的任務,每次攻擊只想讓模型做一項隨機且無害的工具操作。最多嘗試 320 次後,最強的攻擊者在 34% 的任務中騙過防護最強的 Gemini 4 Argon;開放權重的 Kimi K3、GLM-5.3 和 DeepSeek-V4.1-Flash 擋下攻擊的比例只有 1%。

    推薦理由:研究用多組 AI 助理接力改進提示詞注入攻擊,並比較不同模型在工具操作任務中的防禦表現。

  3. Hacker News (official RSS)87

    Unemployment Labs 報告從模型權重推定六款中國 AI 模型使用 Blackwell 初始化

    Unemployment Labs 的取證報告從公開模型權重中辨識出 Blackwell 初始化痕跡,指出六款中國 AI 模型與 NVIDIA Blackwell 的硬體配置相符。

    推薦理由:報告以模型權重中的初始化痕跡推定硬體類別,並說明這項證據能支援哪些判斷,以及無法確認晶片所在地或出口管制是否遭違反。

11月11日週三
11月9日週一
11月6日週五
  1. vLLM Official Blog82

    REINFORCE Zero:解決核對齊,提升 DeepSeek-V4.1 與 Kimi K3.1 的非同步 RL 穩定性

    REINFORCE Zero 是一種將核對齊與無截斷重要性抽樣結合的非同步 RL 方案,能在保持高品質的同時大幅提升訓練吞吐量。 - 核心機制:先將 rollout 與 learner 的 kernel 進行對齊,消除 kernel mismatch;再使用無截斷 IS 校正 weight lag,避免截斷帶來的偏差。

    推薦理由:本文提出 REINFORCE Zero 通過核對齊與無截斷 IS 實現非同步 RL 穩定性提升,讀者可參考其方法最佳化大規模代理訓練,並評估其在多模型上的適用性。

11月5日週四
  1. vLLM72

    vLLM 在發布當日加入對 Kimi K3.1 Pro 的服務支援,涵蓋 1M-token 上下文視窗,並支援 GPU、TPU 與 RL。 基準成績:搭配 Claude Code harness,在 Terminal-Bench 4.0 得分 65.7%。 適用情境:原文提及長時間程式開發、3D 創作與研究。

    推薦理由:vLLM 在 Kimi K3.1 Pro 發布當日即提供服務支援,並列出長上下文、Terminal-Bench 成績及 GPU、TPU 與 RL 支援範圍。

  2. Hacker News (official RSS)86

    Kimi K3.1 Pro 開放權重發布

    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。