● 详解 Kimi K3：强到冲击 Anthropic 估值的模型什么样？

📌 一句话摘要 从工程与算法双视角，深度拆解 K3 作为首个 3T 级开源模型的架构创新、训练工程与开源生态影响。 📝 详细摘要 本期节目从架构与工程双重视角，深度解读了 Kimi 最新发布的 K3 模型。嘉宾赵晨阳和曾致远详细拆解了 K3 的技术报告，指出其核心创新在于采用了一种名为 KDA

● 大模型重回参数竞赛：2 万亿成标配，3 万亿是下一站？ - 经济观察网 － 专业财经新闻网站

📌 一句话摘要 本文分析中国大模型厂商正重启参数竞赛，月之暗面发布的 2.78 万亿参数模型 Kimi K3 引领潮流，探讨技术演进、产业链传导及商业化路径。 📝 详细摘要 文章深度解析中国大模型行业从 2025 年深度优化转向 2026 年参数规模竞赛的转变。月之暗面 Kimi K3（2.78

● 谁在训练 Kimi K3 ? 深挖贡献者名单，这有一份最全档案

📌 一句话摘要 文章梳理了月之暗面 Kimi K3 模型背后 400 余名核心贡献者的背景与贡献，展示其年轻团队、技术创新与独特企业文化。 📝 详细摘要 文章通过详细列出月之暗面（Moonshot AI）在 Kimi K3 模型中的 400 余人贡献者名单，展示了该团队的年轻化特征（平均年龄不到

● 黄仁勋为何力挺梁文锋、杨植麟？

📌 一句话摘要 文章剖析中国大模型公司通过重塑 Transformer 关键部件、混合专家模型和长上下文技术，突破算力与数据壁垒，并解释黄仁勋为何公开支持梁文锋、杨植麟的背后动机。 📝 详细摘要 本文聚焦中国大模型在算力围墙与数据墙双重约束下的技术突围。作者详细阐述了 Kimi 系列模型（K2.

● 把思考折叠进序列：WeLM 617B MoE 的隐式 Scaling 路径

📌 一句话摘要 微信 WeLM 团队提出 Hidden Decoding 方法，将额外算力折叠进序列内部实现隐式推理，并在 617B MoE 模型上验证了全面超越自回归基线的效果。 📝 详细摘要 文章详细介绍了微信 WeLM 团队最新发布的 Hidden Decoding 技术及其在 617B

● 探讨大模型参数规模增长与 Gated Delta Networks 架构

📌 一句话摘要 作者分析近期大模型参数量突破 T 级且质量提升的原因，重点关注 Gated Delta Networks 及 Mamba 相关的混合架构。 📝 详细摘要 作者通过阅读论文发现 Gated Delta Networks（基于 Mamba 思想）可能是近期大模型（如英伟达 Nemot

● 通识为体、专业为用：Intern-S2-Preview-397B 开启科学智能体基座时代 | WAIC 2026

📌 一句话摘要 上海 AI 实验室发布 Intern-S2-Preview-397B 科学基座模型，通过 Memory Decoder 与 Mobius 架构解耦知识存储与逻辑推理，在分子设计、材料生成等任务上追平万亿参数模型，并推出「书生·端砚」科学发现平台。 📝 详细摘要 2026 WAIC

● 397B 参数追平万亿模型，上海 AI Lab 发布科学智能体新基座 | WAIC 2026

📌 一句话摘要 上海 AI Lab 发布 Intern-S2-Preview-397B 模型，以 397B 参数通过架构革新追平万亿模型，实现知识与推理分离，并在科学任务上显著提升效率。 📝 详细摘要 文章报道了上海人工智能实验室在 WAIC 2026 发布的 Intern-S2-Preview

● [随笔]什么是 AI Native

📌 一句话摘要 本文是作者关于 AI Native 的深度随笔，提出核心观点：AI Native 的本质应是「Human as a Copilot for AI Model」，即人做模型的副驾驶，而非模型做人的副驾驶。 📝 详细摘要 这是一篇以随笔形式展开的技术思考文章。作者首先分享了自己回避复

● Z Tech｜专访 FaceMind 创始人 Adam Lu：循环世界模型（LoopWM）极有可能是下一代通用世界模型架构

📌 一句话摘要 本文专访 FaceMind 创始人 Adam Lu，深度解析循环世界模型 LoopWM 的架构设计、训练策略及其对世界模型未来发展的关键判断。 📝 详细摘要 本文是一篇对 FaceMind 创始人 Adam Lu 的独家专访，围绕其团队提出的循环世界模型 LoopWM 展开。文章

● Loop 世界模型论文登顶 Hugging Face，来自中国一家初创，周鸿祎陆奇都投了

📌 一句话摘要 本文报道中国初创公司 FaceMind Research Asia 的 Looped World Models（LoopWM）论文登顶 Hugging Face Papers，介绍其通过共享参数循环迭代实现世界模型参数效率 100 倍提升，并披露公司背景与投资方。 📝 详细摘要

● Jumper 跳槽 Anthropic 后复盘 AlphaFold 的苦涩教训：成功源于定制化架构，根本不靠堆算力

📌 一句话摘要 AlphaFold 核心开发者 John Jumper 在访谈中详细复盘了 AlphaFold 的成功原因，强调其成功依赖针对蛋白质折叠任务的定制化架构设计，而非盲目堆算力，并有力反驳了「苦涩的教训」这一 AI 领域流行观点。 📝 详细摘要 文章是对 John Jumper（前

● Gemma 4 12B 通过无编码器架构实现设备端多模态主动工作流

📌 一句话摘要 本文介绍谷歌 Gemma 4 12B 模型，其采用无编码器多模态架构，可直接处理图像和音频，支持设备端本地部署与自主工作流。 📝 详细摘要 文章详细报道了谷歌发布的 Gemma 4 12B 模型，核心创新是统一式无编码器多模态架构，省去独立的视觉与音频编码器，降低延迟与内存碎片。

● Transformer 之父离开谷歌，奥特曼等了他十年

📌 一句话摘要 Transformer 核心作者 Noam Shazeer 离开 Google 加入 OpenAI，担任架构研究负责人，标志着 AI 行业开始寻找 Transformer 之后的下一代模型架构。 📝 详细摘要 本文报道了 AI 领域一则重磅人事变动：Transformer 核心作

● HuggingFace CEO 力荐，Bengio 团队也押注：这个 1500 美元训出的 HRM 模型，凭什么火了？

📌 一句话摘要 本文深度解读 Sapient Intelligence 发布的 HRM-Text 模型，分析其 1500 美元训出 1B 参数模型背后的分层递归推理架构，并论证该路线正在成为下一代推理模型的重要方向。 📝 详细摘要 文章围绕 Sapient Intelligence 发布的 HR

● 新架构模型 HRM-Text 创新纪录！1B 参数、1000 美元，图灵奖得主都亲自下场了

📌 一句话摘要 本文深度解读 Sapient Intelligence 发布的 HRM-Text 模型，该模型以 1B 参数和极低训练成本，通过分层递归架构与针对性训练目标，在推理基准上挑战了传统 Scaling Law，并获得了图灵奖得主 Yoshua Bengio 的跟进研究。 📝 详细摘要

● 有关第三代模型，苹果管理层回应一切

📌 一句话摘要 苹果在 WWDC 2026 上发布第三代基础模型 AFM 3，包含 5 款模型，通过指令跟随剪枝、MoE 架构和与谷歌 Gemini 的蒸馏合作，在端侧和云端实现了 AI 能力的全面升级，并明确了隐私边界与合作细节。 📝 详细摘要 本文是腾讯科技对苹果 WWDC 2026 上发布

● jina-embeddings-v5-omni 发布！全模态向量小模型

📌 一句话摘要 Jina AI 发布 jina-embeddings-v5-omni 全模态向量模型，通过冻结文本底座并仅训练 0.35% 的投影层参数，以极低成本实现了文本、图像、音频、视频四模态支持，且文本向量与 v5-text 逐字节一致，无需重建索引。 📝 详细摘要 Jina AI 正式

● 开源神话：DeepSeek-V4 开源 SOTA！总参数 1.6T，最大开源模型；Flash 版输出仅 0.28 美元/百万 token；与 OpenClaw 等无缝集成；三项架构升级

📌 一句话摘要 DeepSeek 正式发布并开源 V4 系列模型，包含 1.6T 总参数的 Pro 版和 284B 总参数的 Flash 版，在多项基准测试中达到开源 SOTA，API 定价极低，并引入三项关键架构升级。 📝 详细摘要 本文报道了 DeepSeek-V4 系列模型的发布。该系列包

● DeepSeek-V4 全新注意力机制解析

📌 一句话摘要 DeepSeek-V4 结合 token 压缩与 DSA 稀疏注意力，实现低功耗长上下文能力。 📝 详细摘要 作为前条推文的补充，深入解释了 DeepSeek-V4 的技术特性。该模型开创了在 token 维度进行压缩的注意力机制，并结合 DSA（DeepSeek Sparse