金句：两万亿参数模型打架，偷看小抄那个真能赢吗？ Moonshot的K3缓存比DeepSeek V4大，这件事本身就像学霸考试带了两本笔记本。一本记重点，一本记全部。但重点来了，两本笔记本的重量差距，直接决定了谁跑得快、谁记得牢。这篇文章不聊代码，只聊缓存大小背后那点人性。缓存就是模型的小抄本，越大能记的东西越多，但翻书速度也越慢。...

Nanbeige4.2-3B：紧凑型智能体模型」已在 HyperAI（hyper.ai）上线，帮助开发者以更低成本探索本地智能体应用，感兴趣的小伙伴快来一键探索吧！1、进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，选择「Nanbeige4.2-3B：紧凑型智能体模型」，点击「运行此教程」。2.待运行完成，根据 README 提示，在终端输入代码启动 Open...

一台手机能塞下两万台电脑，那电脑会哭吗？ GPT-2在2019年还是个大家伙，1.24亿个参数。到了2026年，Kimi K3塞进了2.8万亿个参数。两者一比，差了22580倍。七年时间，数字翻了这么多，中间到底发生了什么？不是简单地把模型做大。每一代架构都在解决同一个头疼的问题：记忆体塞满了怎么办。...

【TechWeb】7月28日消息，月之暗面27日深夜正式发布Kimi K3模型权重、技术报告，并同步开源三项关键基础设施技术。这是Kimi迄今能力最强的模型，也是中国AI开源社区迄今为止规模最大的一次技术开放。月之暗面在公告中表示，坚信开放权重模型的价值，它们能降低获取智能的门槛，推动创新，并赋予用户对数据更大的控制权、隐私保护和所有权。根据Kimi...

80张显卡跑Kimi k3本地大模型！Kimi K3这个庞然大物有2.8万亿个参数，居然只用游戏显卡和普通网线就跑了起来：80张RTX 5090联手干活，每秒吐20个词。 这等于把超级计算机的门槛踹碎了，任何实验室、初创公司甚至大学都能上手把玩。 开放权重模型第一次摆脱了昂贵的HBM芯片的绑架，只用GDDR7显存和MXFP4压缩格式就实现了前沿智能。 参数巨人闯进游戏厅 2.8万

具身智能正在从「参数竞赛」进入「架构竞赛」。

AI模型价格从70万打到1.5万，开源社区是把大厂当韭菜割了吗？ 80%的模型体积被削掉，智商居然还保留82%。一群民间高手在Discord里把7530亿参数的顶级大模型塞进了不到2万块的显卡里，他们到底对模型干了什么？ 模型体积与内存带宽构成第一道成本高墙...

编码参数选错，轻则画质下降，重则用户投诉「视频模糊」。但 iOS VideoToolbox 和 Android MediaCodec 的参数体系完全不同。本文写一个 Claude ...

上海人工智能实验室发布了基于新架构的Intern-S2-Preview-397B大模型，旨在解决科学智能领域的知识与推理分离问题。该模型通过Memory Decoder和Mobius架构实现专业知识的动态更新与推理效率提升，显著提高了生命科学和材料科学等领域的科研效率和准确性。

歌歌AI开发了一种新型AI音乐模型，专注于生成符合中文演唱逻辑的音乐，解决了中文歌词与旋律的对齐问题，提升了人声的自然度和情感表达。与字节跳动合作，确保生成的音乐合法上架多个平台，推动AI音乐的商业化。此外，计划研发民乐专属模型，以保护和传承传统文化。

埃隆·马斯克宣布，SpaceXAI将于周四发布Grok 4.5模型，该模型在内部测试中获得积极反馈。Grok 4.5是一个更快、更高效、成本更低的Opus级模型，基于1.5万亿参数的V9基础模型，并经过Cursor的专门训练，可能在软件工程任务中表现更佳。此外，预计在八月发布更大规模的2万亿参数V系列模型。

本文讨论了通过调整 llama.cpp 的采样参数（如温度、TopP、MinP、TopK）来提高模型推理速度和效果，减少重复、幻觉和语法降解。强调现代采样方法（如 DRY、XTC 和 Mirostat）的优势，合理配置可显著提升本地模型的生成质量和效率。

美团发布了新一代万亿参数大模型LongCat-2.0，并将其开源。该模型在国产算力集群上完成全流程训练，支持1M超长上下文，专注于代码理解与生成，表现优异，成为全球开发者的热门选择。

文章讨论了AI领域的参数话题，并提到在即将举行的WAIC UP!活动中，行业对这一主题的关注。此外，文章还提到与三体宇宙合作发布的AI全感穿戴设备。

AI行业正在快速变化，WAIC UP!选择深入思考而非追逐热点，通过刊物和线下活动汇聚全球思想领袖，探讨技术对人类的意义。到2026年，WAIC UP!将进一步推动青年参与和实践，成为思辨的前沿阵地。

通过微调6亿参数的小模型Qwen 3 0.6B，家庭问题分类准确率从9.92%提升至91.6%。关键在于让模型学习无意义的代码，降低认知负担，提升分类效果。这一策略适用于特定领域的AI应用。

何恺明团队推出新论文MiniT2I，探索文生图生成。该模型基于MM-JiT架构，仅用258M参数，训练成本相当于一次标准ImageNet实验。MiniT2I通过直接在像素空间生成图像，简化了模型结构，去掉了VAE等复杂模块，显著降低计算开销。实验结果显示，MiniT2I在性能上超过多款大型模型，展现出强大竞争力。

NVIDIA发布了Nemotron 3.5 ASR，这是一个支持40种语言的流式自动语音识别模型，拥有6亿参数。该模型采用FastConformer-RNNT架构，实时转录时无需单独处理标点和大小写，推理延迟可调，适合多种应用场景。经过微调，希腊语和保加利亚语的识别准确率显著提高。