跳到正文

#开源生态

今日 2 条
今天10月1日周四
  1. Sakana AI35

    Sakana AI 联合创始人兼 CEO David Ha 在《日经亚洲》撰文《AI 的未来属于编排者》，指出前沿企业靠堆算力、扩大模型规模的竞争已现瓶颈：开源模型差距缩至数月，前沿模型推理成本常高于其所辅助人员的时薪。他认为价值将从模型权重本身转向按情境调度、整合多个模型的编排智能，并主张主权 AI 的关键是不依赖单一供应商、能组合全球资源的供应链韧性。

9月30日周三
  1. Tomer Tunguz 博客（VC 分析）69

    Tomer Tunguz 分析 AI 领域的开源模型替代潮

    Tomer Tunguz 分析称企业、应用和销售各层买家正在用更便宜的开源模型替代前沿闭源模型，省下的钱并未缩小 AI 账单，而是被再投入到指数级增长的 token 用量。

    推荐理由：作者用 Coinbase、Lindy、Harvey 等实例说明开源模型替代闭源模型后节省被再投入更多 token，提供一个理解 AI 成本结构的框架。

  3. Tomer Tunguz 博客（VC 分析）37

    Theory Ventures 成立三周年：AI 压缩时间如何重塑风投与推理市场

    Theory Ventures 在成立三周年回顾中提出，AI 正在压缩时间：新模型每 41 天发布一次，企业以创纪录速度达到 1 亿美元营收，推理已成为 AI 的主导市场。该机构认为 seed 轮规模已从 100 万美元延伸至 5 亿美元，传统融资阶段分类不再代表公司成熟度；闭源与开源、云端与本地模型的差距也在收窄，本地运行可降低成本、改善延迟并减少数据治理顾虑。

9月29日周二
  1. Nathan Lambert66

    Nathan Lambert 转发并反驳 SemiAnalysis 的迁移观点，称 ModelScope 在中国之外几乎无法正常使用，且缺少人们真正想用的模型，认为这类内容已开始影响人们对政策的判断。SemiAnalysis 此前表示，因 NVIDIA 收购 HuggingFace 且其硬件无关软件记录不佳，正考虑将部分工作迁移到 ModelScope 等替代方案，但同时称赞 ModelScope 的用户体验很好。

    引用SemiAnalysis@SemiAnalysis_

    Ever since NVIDIA acquired @HuggingFace, we have been looking into migrating some of our work off of HuggingFace and to alternative solutions like ModelScope. Even though NVIDIA's announcement claims they will continue allowing HuggingFace to be accelerator-agnostic, NVIDIA does not have a good track record of developing hardware-agnostic software. We love HuggingFace and hope we are wrong, but at the same time, we are also finding the UX of ModelScope to be great!

9月28日周一
9月23日周三
  1. elsewhere：文章（RSS）72

    大模型的斩杀线斩的是谁：从小米 MiMo-V2.6 看智能成本前沿的位移

    十字路口Crossing 发文分析大模型的「斩杀线」现象，即模型在智能和成本两个维度同时被超越后失去被选择的理由。9 月 22 日小米发布并开源 MiMo-V2.6 系列三款模型，智能水平接近前代两倍而价格不变，与同日发布的 Grok 4.7 智能指数持平但单项任务成本仅 0.13 美元，约为后者的 1/21 到 1/29。

9月21日周一
  2. Nathan Lambert：Interconnects（RSS）72

    Nathan Lambert 分析开源权重模型的中美力量对比

    Nathan Lambert 发表关于开源权重模型格局的长文，指出中国自2025年7月起在开放权重模型上领先美国，Hugging Face 下载量达约3.2B、约为美国的两倍，GLM-5.3 和 Kimi K3 在 Artificial Analysis Intelligence Index 上得分45和44，领先美国最强模型。

    推荐理由：作者基于自己维护的下载量、基准和论文引用数据，系统梳理了中美开源权重模型的实力对比与采用格局。

9月11日周五
8月24日周一
  1. Andrew Ng54

    Andrew Ng 转发 Percy Liang 的消息：Marin 535B-A23B 本周启动训练，计划在 11 台 GB200 NVL72 上用约 3 个月完成 18.75T tokens 的预训练与 midtraining，全程开源代码、数据、配方和实验结果。此前已通过 1.6B-A61M 到 27.7B-A1.2B 的 4 级 scaling ladder 调试并预测主训练表现。Ng 称 Marin 是捍卫 AI 开放的珍贵示范，开放发布曾一度是研究常态。

    引用Percy Liang@percyliang

    🚢 Marin 535B-A23B started training this week! As usual, the whole process is open. Voyage plan: pretraining (80%) + midtraining (20%) on 18.75T tokens on 11 x GB200 NVL72 for ~3 months (2.7e24 FLOPs). Post-training will follow. Before kicking off the run, we trained a 4-rung scaling ladder from 1.6B-A61M (48B tokens) to 27.7B-A1.2B (926B tokens) to debug issues, and to make a forecast of our hero run. This is by far our biggest run, so definitely expecting the unexpected.

8月18日周二
8月17日周一
8月1日周六
  1. Mira Murati54

    Mira Murati 转发 Thinking Machines 博客文章，介绍其开源权重发布策略，认为不加区分地发布权重不安全，但把强大模型锁在少数实验室里也不可取。文章说明如何评估 Inkling，以及为何安全取决于模型本身和其进入的生态，提出通过测试、分阶段开放访问和更强防御来走向更大开放，链接 thinkingmachines.ai/blog/a-safe-path-to-open-weights。

    引用Thinking Machines@thinkymachines

    Releasing weights indiscriminately isn't safe. Neither is keeping capable models inside a few labs. We think there's a path between them. We haven't mapped all of it. Our new post covers the part we can see: how we assessed Inkling, and why access should widen in stages. https://thinkingmachines.ai/blog/a-safe-path-to-open-weights

7月31日周五
  1. Thinking Machines Lab：官方博客（RSS）70

    Thinking Machines 阐述开放权重的安全路径并评估 Inkling 发布风险

    Thinking Machines 提出安全开放权重的框架，认为发布安全取决于模型本身与其进入的生态，并据此发布了 Inkling 和 Inkling-Small 两个开放权重语言模型。

    推荐理由：Thinking Machines 结合自家 Inkling 的发布评估，给出了分层开放权重与生态准备的安全框架，并指出数据过滤等仍开放的问题。

7月25日周六
  1. Jim Fan50

    Stay hungry, stay foolish. 绝对的传奇 @JensenHuang： 我的第一条帖子，分享一封 @NVIDIA 签署的关于开放模型为何重要的信。 AI 将变革每个行业，赋能每家公司，并由每个国家来构建。 开放模型增强安全与网络安全，加速创新与扩散，并实现主权。 世界既需要前沿闭源模型，也需要前沿开源模型。 https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf

    引用Jensen Huang@JensenHuang

    For my first post, I’m sharing a letter @NVIDIA signed on why open models matter. AI will transform every industry, power every company, and be built by every country. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. The world needs both frontier closed models and frontier open models. https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf

  2. Mira Murati39

    让 AI 变得有用的知识是分散的。它存在于科学家、工程师、临床医生、企业之中。AI 要想从分布式知识中受益，自身就必须是分布式的。同意 Jensen 的观点，这是值得构建的未来。

    引用Jensen Huang@JensenHuang

    For my first post, I’m sharing a letter @NVIDIA signed on why open models matter. AI will transform every industry, power every company, and be built by every country. Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty. The world needs both frontier closed models and frontier open models. https://images.nvidia.com/pdf/Open-Weights-and-American-AI-Leadership.pdf

7月22日周三
  1. Nathan Lambert：Interconnects（RSS）63

    Nathan Lambert 播客复盘 Kimi K3 与开源模型生态，反驳蒸馏争议

    Nathan Lambert 与 Florian Brand 在季度开源模型总结播客中讨论 Kimi K3 发布后的开源模型格局，称 Kimi K3 在研究类任务上超出预期，但 API 拥堵导致响应明显慢于 GPT。

    推荐理由：Lambert 结合上手实测与行业一手观察，拆解开源模型与闭源前沿的差距、蒸馏争议和安全依赖问题，判断较有信息量。

7月20日周一
  1. Nathan Lambert：Interconnects（RSS）75

    Nathan Lambert 评 Kimi K3：开源权重的升级时刻

    Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，为 2.8T 参数 MoE 模型，权重定于 7 月 27 日开放，在 Vals AI 指数排第 2、Artificial Analysis 智能指数排第 3、Frontend Code Arena 排第 1。

    推荐理由：作者基于榜单和架构细节分析 K3 对开源模型经济与中美竞争格局的影响，提供了可参考的行业判断框架。

7月13日周一
  1. Nathan Lambert：Interconnects（RSS）61

    Nathan Lambert：开源模型距监管限制可能只剩 6 个月

    Nathan Lambert 撰文称，白宫正讨论通过新行政令管理开放权重模型，最可能的行动是禁止或无限期推迟能力超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 水平的开源模型，且这一时点可能在 6 个月内到来。

    推荐理由：作者基于白宫行政令讨论和模型许可会议细节，分析了开源模型禁令的时间线、知识蒸馏争议及其政策走向。

7月10日周五
  1. Thinking Machines Lab：官方博客（RSS）53

    Thinking Machines Lab 发文阐述以人为核心的 AI 发展路线

    Thinking Machines Lab 发表文章，主张构建延伸人类意志与判断的 AI，认为当前多数模型集中训练后固化，未受使用者塑造。公司提出训练强模型、提供可微调模型权重的工具、开发原生多模态交互模型、发布研究等四个技术方向，并将对齐视为分散在多元模型生态中的持续过程。

6月29日周一
6月22日周一
  1. Nathan Lambert：Interconnects（RSS）81

    Nathan Lambert：GLM-5.2 是开源智能体的台阶式跃迁

    Nathan Lambert 撰文分析 Z.ai 于 6 月 13 日向 GLM Coding Plan 用户推出、6 月 16 日以 MIT 许可发布权重的 GLM-5.2，认为它是首个在编码工具链中作为通用智能体表现称职的开源权重模型。

    推荐理由：作者结合亲测与社区评测，分析 GLM-5.2 为何标志开源模型首次在编码智能体场景形成可信替代。

6月19日周五
  1. Nathan Lambert：Interconnects（RSS）46

    禁止开源 AI 将是一个错误

    针对华盛顿近期签署的 AI 模型审查行政令、国会立法提案以及限制外国公民访问 Anthropic 最先进模型等监管动向，Nathan Lambert 与 Interconnected 联合撰文警告，未来政策可能误伤甚至禁止开源 AI，而这将是严重错误。

6月17日周三
  1. Together AI 研究与产品博客（RSS）53

    Together AI 实测 Kimi K2.7 Code 与 Claude Fable 5 生成落地页，成本约低94%

    Together AI 让 Kimi K2.7 Code 和 Claude Fable 5 各生成12个落地页对比，Kimi 平均比 Fable 便宜约16倍、比 Opus 便宜约8倍，整体成本低约94%，质量接近但评分略低。通过自定义 MCP 服务器提供截图和设计参考，Kimi 生成的页面层级、排版和构图明显改善，所有页面及成本、token 用量和生成时间明细已发布在 OVSC 网站。

3月31日周二