#开源生态

Dongxi 东锡 NLP@dongxi_nlp· 14:28AI 评分3131

AI 时代，年轻人应该怎么办？很简单，几个关键词： 1. Stranford CS336 2. Sebastian Raschka: Build a Reasoning Model 3. Nathan Lambert: Reinforcement Learning from Human Feedback 4. 谭成义三分化

IBM CEO 表示开源权重模型在本地部署中表现优秀且成本低廉

IBM CEO Arvind Krishna 在财报电话会议上表示，开源权重模型目前能以闭源前沿模型 10% 到 25% 的 token 成本提供约 90% 的性能，使本地企业应用极具吸引力。他指出，绝大多数日常任务并不需要最高昂的闭源模型，这正推动企业对本地 AI 基础设施的需求激增。

OpenAI 和 Anthropic 如何在几个月内将 LLM 价格下调高达 80%

过去几个月中，OpenAI 和 Anthropic 的多款 LLM 产品价格大幅下调高达 80%，引发了行业内激烈的价格竞争。这些价格降幅不仅适用于各项 API 服务，也涵盖了诸如 Codex 和 Claude Code 等订阅制智能体工具中的模型使用。与此同时，由于模型性能提升的速度快于价格下降的速度，整体支出反而呈现增长趋势。

What Adobe v ArtCraft teaches us 带来的思考

AI 实验室通过廉价模型和开源生态摧毁了软件公司的商业模式，导致传统软件收费站失去收入来源。大模型以极低价格向大众提供高性价比的编码能力，反而瓦解了本应为高价智能买单的客户基础。开源和开放权重模型的普及打破了人工智能的人工稀缺性，使 AI 实验室陷入既无法大幅涨价又无法维持低价补贴的两难困境。

Nathan Lambert@natolambert· 20:52AI 评分3131

Interconnects 播客第 20 期深入探讨了近期 AI 领域的争议与现实问题，主要讨论了 Kimi K3.1 Pro 虽有惊人基准测试成绩却引发混合评价的原因，以及开源模型与网络安全风险的认知差异。节目还剖析了网络安全专家与 AI 专家在近期事件上的观点分歧，并展望了未来几个月的行业走向。

Nathan Lambert@natolambert· 20:04AI 评分3131

不错的讨论串，一些闭源实验室使用的强化学习细节正在慢慢泄露出来。

meng shao@shao__meng· 10:44AI 评分4343

Nathan Lambert 在哈佛大学 CS 2881R AI 安全客座讲座的视频已正式发布。他在讲座中全面探讨了开源模型现状，指出中国开源全面领先，而美国拥有 10 倍以上的算力优势，并认为蒸馏并非关键问题。

Nathan Lambert@natolambert· 01:43AI 评分7171

月之暗面发布 Kimi K3.1 Pro，其基准测试表现极强，有望成为当前最强的开源权重模型，计划于 11 月 4 日前公开权重。该模型在网络安全风险控制方面给出了明确说明，其单 token 价格比 K3 便宜，但由于每答一题消耗更多 token，实际综合成本可能相近。

Nathan Lambert@natolambert· 01:43AI 评分6363

Nathan Lambert 发布并重建了各大推理平台的开源模型推理量对比图，指出 DeepSeek 单集群日处理 token 量达到 150T，超过 OpenRouter、Fireworks、Together 和 BaseTen 的开源模型推理量总和。

为什么 AI 算力呈现长方形 — Modal CEO Erik Bernhardsson 访谈

Modal CEO Erik Bernhardsson 在访谈中探讨了 AI 算力需求与传统固定合同的差异，并分享了公司在完成 7.5 亿美元 Series D 融资及估值达到 160 亿美元背景下的业务增长。该公司近年来年化收入运行率跨过 10 亿美元大关，并已启动近 30 亿个 sandbox。

Nathan Lambert@natolambert· 19:52AI 评分3232

开源模型在网络防御中发挥着重要作用，其发展轨迹比人们想象的要好。开放权重模型可能会被用于网络攻击，但开源模型也是未来十二个月维持网络安全的关键部分。此观点旨在挑战关于网络与开源模型的宿命论及AI安全悲观言论。

为什么说企业 AI 需要具备操作上下文

缺乏业务操作上下文的企业 AI 容易忽略约束条件并做出成本高昂的错误决策，而引入上下文层能帮助 AI 智能体理解复杂工作流并产出更可靠的建议。Celonis 企业 AI 首席科学家 Devavrat Shah 指出，结合上下文与智能体能力可带来“决策 intelligence”，从而在保障防护栏的同时实现日常运营和规划的自动化。

indigo@indigox· 15:37AI 评分6262

Mirendil 发布了千亿参数代码基座模型 Mirendil-Base，由一名研究员带领一群 Agent 在 3.5 个月内以不到 1000 万美元的成本从零预训练完成。该模型在代码预测损失上优于 GLM-5.3、DeepSeek-V4-Pro-Base 和 Nemotron-550B，但不开放权重和 API，作者分析认为这是资深研究员与 Agent 协同的效率胜利。

meng shao@shao__meng· 10:33AI 评分5353

Nathan Lambert 在哈佛大学的讲座指出，中国开源模型在性能、下载量和论文引用方面全面领先，但美国在算力上拥有 16 倍的持久优势。他认为开源模型落后闭源前沿 3 到 5 个月，将蒸馏当作核心问题是被高估了，而禁止开源只会损害经济活动。

a16z 合伙人撰文分析为何硬件专用化时代回归

a16z 合伙人撰文分析了为何硬件专用化时代迎来回归。文章回顾了 20 世纪 90 年代通用微处理器如何凭借规模效应击败专用硬件，并对比探讨了当前 AI 时代下硬件加速器与专用芯片面临的机遇与挑战。

Corporate Linux

Linux 内核开发中将移除对 LLM 辅助补丁强制添加 Assisted-by 标签的要求，相关信息改为记录在 cover letter 中。文章分析了这一变化对 GPL 许可证执行、美国版权局 AI 生成内容指引以及开源社区贡献门槛潜在的影响。

No Kings 账号被封事件为何说明不该从 Zuck 那里租用扩音器

随着 No Kings 的 Instagram 账号在抗议期间被封禁约一小时引发审查猜测，Techdirt 探讨了无论是否故意，该事件都凸显了依赖集中式平台控制言论的风险。文章指出，数字组织者应防范第三方关闭账号的风险，转向去中心化和用户可控的开放平台以保障认知自由。

meng shao@shao__meng· 14:33AI 评分1818

最近 Github 和 X 最热的开源项目，应该非 REA: Reverse Engineer Anything 莫属了吧！ 这不 @supabase CEO @kiwicopple 也来玩梗： 他让 12 个 Claude agents 跑 6 小时 "逆向工程" 100% 复刻出来了 Supabase 😄 如同某博主逆向复刻 Blender 一般，因为 Supabase 本来就 tm 是开源的！！ 重新认识一下吧，开源项目 Supabase： https://github.com/supabase/supabase

indigo@indigox· 14:17AI 评分3434

李飞飞在 Cloudflare Connect 2026 上表示，AI 行业同时需要开源和闭源生态，开放权重模型对推动创新和确保透明度至关重要。她指出，学术界、公共部门和政府必须能够上手检验模型，不能仅依靠追求变现的公司来判断安全边界。同时，她认为动不动谈论人类灭绝是不负责任的技术表达方式。

学者有责任捍卫像维基百科这样的开放知识系统

随着生成式 AI 公司分流流量并削弱读者基础，维基百科等开放知识系统正面临生存威胁。学术界作为知识生态的结构性参与者，肩负着通过贡献专业知识和引用等方式保护并支持维基百科的伦理责任。

Nathan Lambert@natolambert· 02:01AI 评分2727

看起来 AI 的网络风险可能更多是一个生态系统问题，而不是开源模型特有的问题。如果我们能在这里找到正确的平衡点，我想鉴于即将到来的 RSI 和 AI 发展态势，会有很多人愿意支持更多开放性。

Yuchen Jin@Yuchenj_UW· 01:29AI 评分6363

深度求索（DeepSeek）公开了推理集群数据，显示单集群日服务吞吐量达 155 万亿 token，非高峰定价下每 GPU 小时收入为 $38。作者指出，其开源了推理框架 DeepInfer 并在架构中支持多种硬件。

通研院孵化的通衍灵智探索 RSI，发力持续自进化 Personal AI

通研院孵化的通衍灵智聚焦 Recursive Self-Improving Personal AI（递归自进化个性化智能），通过共享基础模型与轻量化 Personal LoRA 参数适配架构，探索让个人与组织在长期使用中积累专属智能资产。

Hugging Face 政策主管 Irene Solaiman 谈内嵌 AI 评估员面临的挑战

Hugging Face 政策主管 Irene Solaiman 在 TechCrunch Disrupt 上表示，模型评估方法仍处于演变阶段，行业对内嵌评估员的信任度面临可复现性和标准化等挑战。她指出，当前评估正从单纯测试模型转向测试整个系统，而智能体评估不仅难度大且成本高。

Thomas Wolf@Thom_Wolf· 05:30AI 评分1212

太棒了，这一切都是开源的

Ethan Mollick@emollick· 05:30AI 评分3131

多人 AI 需要超越群聊阶段。群聊非常混乱，每个人都能看到所有内容（这会引发社交与管理问题），而且不适合长期项目。更糟糕的是，它们将 AI 禁锢在现有团队内部，而 AI 真正的潜力在于跨团队协作与提供帮助。

商汤大装置如何提升推理效能以支撑日均6万亿Token服务

商汤大装置通过PD分离与异构混合调度构建万卡级异构推理集群，在特定测试配置下可使整体Token吞吐量提升至原来的5倍。目前该平台日均Token服务量已达到6万亿，预计2026年第四季度将达到日均10万亿Token规模。

中信证券：看好国产大模型持续崛起，Harness 成 DeepSeek 生态关键一环

中信证券研报认为，DeepSeek Harness 有望成为 DeepSeek 从模型供给走向平台生态的关键一环，将开源与工程优势转化为用户基础和商业化能力。该框架于 2026 年 8 月开源，采用 MIT 许可证并以 TypeScript 编写，主打一切皆插件。报告同时看好国产大模型持续崛起，认为成本效率与开源生态优势有望推动 AI 应用向知识工作与企业场景渗透。

Thomas Wolf@Thom_Wolf· 07:42AI 评分4141

Hugging Face Hub 上衍生最多的模型不是 Llama 或 Qwen。而是来自德国实验室 Black Forest Labs 的 FLUX.1-dev：拥有 4.3 万个衍生模型。欧洲训练了 Hub 上约 8% 的开源模型算力，但人们在其基础上构建的内容中约有 18% 来自欧洲。构建还是投降？去构建，构建开源的。本周 GTC Berlin 见

Thomas Wolf@Thom_Wolf· 07:26AI 评分2727

下周柏林 GTC 的主要议题之一。我今天在餐巾纸上粗算的一个数据：HuggingFace 上约 10 亿美元的开源模型训练算力中，欧洲实验室贡献了大约 8%。Mistral 占了其中大部分。在开源模型方面，“自建”选项显然依然可行，而且比人们想象的要便宜。

meng shao@shao__meng· 22:03AI 评分4545

播客 SemiAnalysis Weekly 拆解了开源模型 GLM 5.3 的推理性能、架构与后训练管线。GLM 5.3 架构与 5.2 相同，性能提升全靠后训练，在网络安全任务中被评估接近 Anthropic 的 Fable 级水平。该模型从第一天起全栈适配七大国产芯片平台，且其稀疏注意力与硬件协同设计进一步验证了推理场景中带宽优先于容量的趋势。

Hacker News 讨论：DeepSeek-v4.1-Flash-1017 与 AI 监管及行业竞争

Hacker News 社区围绕 DeepSeek-v4.1-Flash-1017 模型展开讨论，评论者探讨了 OpenAI 和 Anthropic 等前沿 AI 公司推动监管壁垒的战略动机。讨论指出，监管捕捉可能有助于头部企业巩固市场优势，而市场生态的多样性对于应对复杂的 AI 挑战至关重要。

Hacker News 讨论 Apple ML Research: Muse Spark Open with MLX on Mac Studio

Meta 投入巨资构建开源权重模型，而用户则向 Apple 支付高昂费用在 Mac Studio 上运行这些模型。这种现象表明，开源模型的大规模发展最终让 Apple 等硬件厂商获益匪浅。

Hacker News 讨论 DeepSeek-v4.1-Flash-1017 的使用体验与性能表现

开发者在 Hacker News 讨论了 DeepSeek-v4.1-Flash-1017 的实际使用体验，指出其具备优秀的 token 吞吐量和 TTFT 速度，且可见 CoT 过程且不易触发安全审查拦截。多位用户对比了该模型与 GLM 5.3 Flash 在代码生成和多轮交互中的表现。

Nathan Lambert 解析 Meta Muse 系列如何改变开放与闭源前沿格局

Nathan Lambert 撰文分析了 Meta 发布 Muse Spark Open 权重及 Muse Wonder 闭源模型后西方前沿格局的变化。

Nathan Lambert@natolambert· 22:33AI 评分2828

回顾 Meta 的重大一周，美国开源模型目前的现状，以及对 Anthropic 和 OpenAI 展开实质性竞争的前景。Meta 给人一种势头正劲的感觉，但他们能缩小与 Claude 的最后一点差距吗？

Nathan Lambert@natolambert· 21:25AI 评分6767

Nathan Lambert 称 DeepSeek 发布了 V4.1-Flash-1017，其命名方式包含次要模型编号和日期标签，评测步子迈得很大，且内置视觉能力或强于 GLM 5.3。

亚马逊CTO Werner Vogels：别让恐惧，替企业做AI决策

亚马逊CTO Werner Vogels表示，企业在采用AI转型时应避免盲目跟风，需先理清任务需求、核算使用成本并设定Agent的操作边界。他强调，尽管AI能提升效率，但开发团队仍须对系统的执行结果承担责任，且人类的实际经验无法通过算法压缩。

Claude 揭示 ECDSA 曲线起源引发的讨论

Hacker News 评论围绕 Claude 揭示 ECDSA 曲线起源展开讨论，用户担忧模型提供商与公众之间因使用限制正逐渐拉大差距。评论指出开源模型的持续发展是桥接这一差距的关键，同时也有观点认为未来模型权重可能面临类似军火的监管。

Nathan Lambert@natolambert· 22:44AI 评分6161

Nathan Lambert 讨论了商务部针对开源 AI 技术出口拟议的自动许可便利措施，指出社交媒体上存在关于大型开源模型出口终结的讨论，但该声明意在为开源技术提供便利，其实际效果很大程度上取决于具体的落地执行方式。