AI能力的演变从模型内部向外部系统转移，关注点从模型的知识转向如何组织模型的行动。当前的“harness”阶段标志着能力外移，模型被视为推理引擎，真正的智能分布在外部结构中。未来可能会出现自组织系统，智能的边界将不断扩展。

随着AI在各行业的快速应用，企业在管理和分发大型模型权重文件时面临挑战。现有模型存储方法未能与Kubernetes原生交付结合，导致部署脆弱和安全风险。文章提出了一种云原生解决方案，将模型权重视为OCI工件，利用容器工具链实现高效管理和分发，提升AI模型的生命周期管理。

益普索与京东的《AI消费电子产品消费洞察报告》显示，用户对AI的认知已从“概念好奇”转向“场景依赖”。报告指出，工作、娱乐、教育等六大场景推动需求，AI功能在购买决策中与传统硬件参数同等重要，47%的用户关注AI的实用性，近50%的消费者希望AI功能无缝融入生活。

我于2021年加入AWS，见证了Amazon EC2实例的快速发展。最新的M8azn实例基于AMD EPYC处理器，性能显著提升，适合高性能计算任务。此外，AWS还推出了Amazon Bedrock的开放权重模型和EKS自动模式的日志增强等新功能。

Kubernetes改进了cgroup v1到cgroup v2的CPU权重公式，解决了CPU优先级分配问题，提升了优先级和粒度，使请求1 CPU的容器获得接近默认值的权重，改善资源分配。此变更需OCI运行时支持，建议在非生产环境中测试。

亚马逊云科技在2025 re:Invent大会上宣布，Amazon Bedrock新增18款开放权重模型，包括Mistral Large 3和Ministral 3系列，进一步丰富全托管模型选择。

今天，Amazon Bedrock 正式推出来自多家公司的 18 个开放权重模型，包括 Mistral Large 3 和 Ministral 3 系列。客户可以根据需求选择模型，支持无服务器访问，优化性能和成本，适用于多种应用场景。

真正的开源应具备可重现、可验证和可共创的特性，而不仅仅是可下载。在AI时代，许多模型虽然开放权重，但未公开训练数据和代码，导致“开源”与“开放权重”之间存在差异。传统开源强调源码的完整性和可重现性，而AI时代则更注重权重的开放性和可验证性。

证据权重法（WofE）在成矿预测中存在理论缺陷，特别是证据层之间的条件独立性假设不成立，导致系统性偏倚和虚假精确感。为解决这些问题，研究者提出了模糊证据权重法、序列证据权重法和混合模型等改进方法，以提高预测的准确性和适用性。然而，WofE仍面临对已知矿床样本依赖等挑战。

本文提出了一种基于Mimic Score的新数据选择方法，旨在优化大规模网络数据集中的样本选择，以提高数据效率。该方法通过参考模型权重评估样本质量，并在六个图像数据集上实现了性能提升。

亚马逊云科技在Amazon Bedrock上新增Qwen3和DeepSeek-V3.1开放权重模型，扩展了模型阵容。Qwen3系列模型支持多步骤工作流规划和长上下文处理，而DeepSeek-V3.1则提供混合推理能力，提升AI透明度和灵活性。

Nous Research发布的Hermes 4是一个开放权重模型系列，采用后训练技术，具备混合推理能力。核心组件DataForge通过有向无环图生成合成数据，显著提升推理样本质量。Hermes 4在多个基准测试中表现优异，展现了开源AI的潜力与中立性。

马斯克创立的AI公司xAI已将Grok 2.5模型权重上传至Hugging Face，并计划在约六个月后开源Grok 3。Grok 2.5是去年的最佳模型，但因社交媒体上的争议，xAI决定对其进行重新训练，以清理训练数据中的“垃圾”。

苹果研究人员的论文指出，少量“超级权重”在大型语言模型（LLM）中对功能影响显著。识别这些权重有助于模型压缩，提升资源受限设备的性能。研究表明，保留超级权重和激活可显著改善压缩质量，推动未来研究。