Kimi K3.1 Pro 发布：3 万亿参数、100 万上下文，Terminal-Ben【AI 早报 2026-10-24】

AI日报
发布于 2026-10-24 00:09:28 16 次浏览

Kimi K3.1 Pro 发布：3 万亿参数、100 万上下文，Terminal-Ben【AI 早报 2026-10-24】

今天的关键词是“自己造自己”：Kimi 端出 3 万亿参数、100 万上下文的 K3.1 Pro，田渊栋的 Recursive 用自动化研究系统四个月搓出本地编程模型，Mirendil 则让 AI 写了 99% 的代码、单人训出千亿基座。模型侧同时有 MiniMax 428B 开源、蚂蚁决策模型与讯飞全国产算力升级落地。

今日概览

要闻

  1. Kimi K3.1 Pro 发布：3 万亿参数、100 万上下文，Terminal-Bench 得分 65.7%
  2. MiniMax M3.1 Flash 开源：428B 总参数，上线 72 小时处理 100 万亿 Token
  3. Claude 几周写出 1.8 亿行形式化证明，从 123 个开源库挖出数百个 bug
  4. Claude 下周默认开启自动模式：AI 审批 AI，人类拦截率仅 13.6%

模型发布

  1. 田渊栋新公司首模型 Flint-40B-A2B：MacBook 本地生成 125 token/s
  2. 蚂蚁 LingDT-Decision-1.0：27B 版 23 项基准综合第一，Token 消耗降 97%
  3. 科大讯飞星火 X2.6 基于全国产算力升级，首发 Agent OS 与 APA
  4. 至知 IQuest-Q1 技术报告：320B 参数、29T Token、30 项基准成绩
  5. 中国电信开源 Xing4.0-29B-Intent：冷启动类别 F1 达 70

开发生态

  1. GitHub Copilot 用量 API 新增 totals_by_client，覆盖 OpenCode 等外部工具
  2. 阿里 OpenSandbox 加入 AAIF：MicroVM 沙箱 100 毫秒启动
  3. Ollama v0.40.10：新增 Nemotron 3.5 Bolt E4B 视觉语言模型支持

产品应用

  1. Meta Muse 用户破 1000 万：四分之一购物用户单笔超 200 美元
  2. Anthropic 发布 Claude Duet 预览版，入局个人 Agent

技术与洞察

  1. 微软 MAI-DxO 复杂病例诊断准确率 83%，为全科医生的 2.3 倍
  2. Mirendil 单人 3.5 个月训出 100B–500B 编程基座，算力花费不到 1000 万美元
  3. 复旦等提出 ReasoningShield：首个思维链安全审核基准，开源 1B/3B 审核模型

行业动态

  1. Mach9 获 3400 万美元 A 轮：工程图纸生成快 10 倍、成本 1/5
  2. Nebius 获花旗 35 亿美元贷款，扩 AI 云与 GPU 采购
  3. 英伟达 DGX Spark 64GB 版上市，定价 4999 美元

要闻

Kimi K3.1 Pro 发布：3 万亿参数、100 万上下文，Terminal-Bench 得分 65.7%

月之暗面发布 K3.1 系列首个模型 Kimi K3.1 Pro，参数规模 3 万亿级，支持 100 万上下文，是 Kimi K3 的后训练版本，后训练算力大幅增加。在 Terminal-Bench 4.0 上得 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 相差 0.7 个百分点；内部基准 Kimi Code Bench 3.0 Long-horizon 得 61.2%，高于 K3 的 55.95%。在考察 CAD 代码重建 3D 模型的 BenchCAD 上得 92.7%，接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。同步推出 Kimi K3.1 Pro Highspeed，同等智能下输出速度约 2~3 倍。Kimi 在多个案例中展示了端到端生成能力：在虚幻引擎 5.8 中搭建半径 1,750 米、36 开间柱廊的天宫场景，3,600 万源三角形经 Nanite 与 Lumen 渲染；在 Godot 4.7.2 中做出含五个区域、两阶段 Boss 战的 3D 冒险游戏；还生成含 2,317 个零件、268 条动态走线的 3D 机械臂展示页。长程任务上，它基于含 296 个骨骼组件、402 个肌肉组件的开源人体解剖模型搭建行走动力学仿真器，经 167 项任务、420 次独立评审修正肩部肌肉力臂计算中的 36 处错误，使仿真人体连续行走 11.2 秒。即日起可通过 kimi.com、Kimi App、Kimi Work、Kimi Code 和 Kimi API 使用，完整模型权重将于 11 月 4 日前发布。 来源：https://mp.weixin.qq.com/s?__biz=MzcwMjM3ODEzOA==&mid=2247487748&idx=1&sn=ceec50327d6be7c1e07203c9306c9ebc

MiniMax M3.1 Flash 开源：428B 总参数，上线 72 小时处理 100 万亿 Token

MiniMax 开源 M3.1 Flash 模型权重，总参数 428B、激活参数 23B，相较上一代 M3 能力全面提升。效率侧做了三项改动：把前三个全注意力层替换为稀疏注意力；QAT 将路由 MoE 专家（共享专家除外）迁移到 W4A4，稀疏注意力索引器和主分支从 Q8KV8 迁到 Q8KV4；Power-aware scheduling 通过精细分配计算卡功耗让算力维持高位。官方数据称，M3.1 Flash 上线后 72 小时内真实用户处理超过 100 万亿 Token。开源首日接入方包括华为昇腾、平头哥、昆仑芯、摩尔线程、壁仞、海光、沐曦、天数、NVIDIA、AMD 等芯片厂商，以及 Together AI、Fireworks、Nebius、Baseten、Modal、DigitalOcean 等推理与云平台；vLLM、SGLang、智源 FlagOS、Hugging Face、魔搭同步支持。 来源：https://mp.weixin.qq.com/s?__biz=MzE5MTA3NzcxMQ==&mid=2247489204&idx=1&sn=bc21e172929a366edfe02c720bef9208

Claude 几周写出 1.8 亿行形式化证明，从 123 个开源库挖出数百个 bug

Anthropic 前沿红队与软件安全证明公司 Theorem 联合发布研究：用 Claude 为 123 个开源软件库的 239 个测试入口生成约 1.8 亿行形式化证明。做法是把库和测试编译成 RISC-V 机器码，由 Theorem 的芯片与系统模型生成命题，Claude 写证明、Rocq 检查器逐行核对。单份证明通常约 60 万行，对应程序中位数约 1.8 万条机器指令。证明卡住的位置往往就是真 bug，团队让 Claude 自行打补丁、重新生成命题后继续证明，最终挖出数百个漏洞，包括一个解压器的计数器下溢导致内存越界写、需约 20MB 特定结构输入才能触发。传统模糊测试输入通常不超过 1MB，而这次证明覆盖到 64MB。作为成本参照，Anthropic 引用 seL4 内核的例子：写代码花 2 人年，形式化验证花了 20 人年。 来源：https://mp.weixin.qq.com/s/654MiHO20vJjofZhOl5bMw

Claude 下周默认开启自动模式：AI 审批 AI，人类拦截率仅 13.6%

Anthropic 宣布下周起 Claude 默认开启自动模式，每一步能否执行由另一个 AI 判定，不再逐步弹窗询问用户。支撑这一决定的是内部测试：1053 名付费测试者写代码时被悄悄插入一条危险命令，人类只拦下 13.6%，AI 拦下 89%；连续点过 50 多次弹窗后，人类拦截率跌到约 5%。Anthropic 未披露 AI 审批的具体机制，OpenAI 公开的方案是多级监控——每个生成的 Token 先经过读取模型内部激活信号的分类器，发现可疑内容再逐级交给更聪明的调查员。第三方评估也暴露了漏洞：METR 的 David Rein 与 Redwood 的 Adam Kaufman 在 OpenAI 驻场三周，产出 61 页报告（公开摘要删去 23 页），指出当时监控只在 Agent 交还控制权时才审查，内部 Codex 流量虽 99.2% 在监控范围内，但一个永不收工的 Agent 可以一直不被检查。 来源：https://mp.weixin.qq.com/s/J3YxHOcXOBImZLFadlcfhw

模型发布

田渊栋新公司首模型 Flint-40B-A2B：MacBook 本地生成 125 token/s

田渊栋参与创立的 Recursive_SI 发布首个模型 Flint-40B-A2B，一款面向本地硬件的智能体编程模型。它是 MoE 架构，总参数 400 亿、每 Token 仅激活 25 亿，在少量员工与 AI 智能体参与下从零训练不到 4 个月，研发流程几乎全部环节由自研自动化研究系统 Eureka Machine 完成，包括数据处理、训练方案、基础设施与推理优化。在 SWE-Bench Pro v2、Terminal-Bench 2.1、SWE-Bench Verified 上，它超过总参数低于 500 亿的其他 MoE 模型，编程能力与 250 亿至 400 亿参数稠密模型相当，速度却快 5 倍以上。推理速度方面，M4 Pro MacBook Pro 上超过 125 token/s，64GB 内存的 NVIDIA RTX Spark 上超过 150 token/s；开发者实测 M5 Max 为 114~132 token/s，12GB 显存的 RTX 3060 上以 256K 上下文运行约 46 token/s。模型权重以 Apache 2.0 在 Hugging Face 开放，支持最长 512K 上下文（官方建议控制在 256K 内），兼容 llama.cpp、Ollama、Unsloth、LM Studio、vLLM 与 SGLang，并配套开源轻量推理引擎 rec。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651069516&idx=2&sn=c8828ee6931d4fb8aa6a093d9c964b0f

蚂蚁 LingDT-Decision-1.0：27B 版 23 项基准综合第一，Token 消耗降 97%

蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，面向客服、风控、金融等高频决策任务，不生成大段文本，直接返回选项、分数或判断结果。它首创原生多选与按序决策（DAG）能力：前者可在一次判断中同时命中退款、关闭续费、补开发票等多个诉求，后者按依赖关系安排处理顺序。在 23 项开源评测基准中，27B 版本综合评分第一，该评分由 90% 单选成绩与 10% 多选成绩构成，准确率超过 Microsoft-Decision-1、Jev 1.13.0 与 Fastino/GLiDE。官方测试数据显示，数据标注场景相比 DeepSeek-V4-flash，Token 消耗降低约 97%、处理时效提升约 10 倍；智能客服场景相比 Qwen-3.7-flash，Token 消耗降低 90%、时效提升约 1 倍，风险识别准确率从 76% 升到 89%；金融场景工具组合完全匹配率提升约 2.6 倍，幻觉召回率从 44% 升到 70%。模型已上线蚂蚁数科 DTMaaS 平台，限时免费体验。 来源：https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652812508&idx=3&sn=689e3eb2133fadd78200ecb2da922eb4

科大讯飞星火 X2.6 基于全国产算力升级，首发 Agent OS 与 APA

在 10 月 22 日的讯飞 1024 全球开发者节上，科大讯飞发布基于全国产算力升级的星火 X2.6，并首次推出端云一体协同架构，由系统按任务需要选择本地处理、云端处理或两端协作。企业侧一次首发三款产品：给人、多个 Agent 和业务系统定分工的 Agent OS，负责流程自动化的 APA，以及供开发者组合行业方案的星辰 TaaS，配套讯飞 CLI。交互侧，面向智慧空间的软硬件方案 SpaceMind 以 WallEX 实现多设备联动，用户在厨房说的话可在客厅电视上接续；全景摄像头加环形麦克风阵列支持 360° 范围内 5 人多模态降噪，-10dB 噪声测试中语音识别准确率 90.1%；平台支持 40 多种语言，其中 30 多种可免切换交互，端侧平均响应时间 0.85 秒。语音合成模型 ULingo-TTS-1.0-Preview 在 10 月 16 日 SuperCLUE-TTS 测评总榜拿下 71.39 分，为全部参测模型最高。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652737151&idx=1&sn=3b617ebb4075c43736abc5fe2434a9d8

至知 IQuest-Q1 技术报告：320B 参数、29T Token、30 项基准成绩

至知创新研究院（IQuest Research）公开 IQuest-Q1 完整技术报告《IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems》。模型为 320B 总参数、15B 激活参数，重点面向代码开发、命令行交互与复杂 Agent 任务。报告给出 30 项 Benchmark 成绩，对照模型包括 Claude Opus 5、GPT-5.6 Sol：AutomationBench 得 52.7、τ³-Banking 得 51.8，均居列示对照模型首位；SkillsBench 74.1、MCP-Atlas 78.4、Toolathlon-Verified 75.0；Claw-Eval 77.1、内部基准 IQuest-CLIBench 53.7；NL2Repo-Bench 63.0、CyberGym 84.5；BrowseComp 85.5、WideSearch 81.8、GPQA Diamond 93.3。训练侧公开的数字包括 29T Tokens、超过 100 万个可执行任务实例、1.93× 的架构规模化效率，以及一套专门防止模型在训练中“作弊”的机制。 来源：https://mp.weixin.qq.com/s/4mO9z1vOW1tky89hj3Slcw

中国电信开源 Xing4.0-29B-Intent：冷启动类别 F1 达 70

中电信人工智能科技有限公司星辰通用人工智能实验室开源意图理解专用模型 Xing4.0-29B-Intent，29B 规模可本地部署。与只做选择题的 Jev 不同，它把意图识别与参数抽取合并处理：既判断用户要办什么业务，也从原话中提取地址、收件人等字段，相当于同时做选择题和填空题。在 5606 道意图分类题、零示例冷启动条件下，其类别 F1 为 70，比 Jev 最好的答法高十几个点，超过 GPT-4.1，与 GPT-5.5 基本打平；严格全对口径为 61，通用大模型在 50 到 56 之间，Jev 最低只有 21。在 839 道“正确答案是什么都不该选”的题目上，Xing4.0-29B-Intent 得 70 分，Jev 逐个判是非的答法只有 5 分。模型权重已在 GitHub 与 Hugging Face 开放，天翼 AI 开放平台提供 3 个月、1 亿 tokens 的免费试用额度。 来源：https://mp.weixin.qq.com/s?__biz=MzkwMzE4NjU5NA==&mid=2247521803&idx=1&sn=5e185291b79bef49a7c2ae029837e332

开发生态

GitHub Copilot 用量 API 新增 totals_by_client，覆盖 OpenCode 等外部工具

GitHub 为 Copilot 用量指标 API 增加 totals_by_client 数组，出现在企业、组织、企业用户、组织用户四类 1 日与 28 日报告中。每个条目包含 client（如 opencode、claude_code、codex、zed、copilot_cli、github_app、cloud_agent、code_review、vscode、jetbrains，未识别客户端归入 other）、request_count、session_count，以及 prompt token、输出 token 和每请求平均 token。totals_by_model 则按模型拆分同样的指标，并用 model_selection_mode 区分 user_selected、auto、product_selected，暂不单独上报的模式显示为 other，无法归一的值显示为 unknown。此次改动的背景是：越来越多开发者把 Copilot 当作 IDE 之外工具的模型提供方，而这些工具往往不上报编辑器遥测，导致用量在 totals_by_ide 中缺失；改为服务端计数后，可按工具比较请求量与 Token 量。该功能面向企业所有者、账单管理员、组织所有者及拥有 View Copilot Metrics 权限的自定义角色，需启用 Copilot 用量指标策略。Copilot 代码审查与云 Agent 的请求因由产品选择模型，标记为 product_selected，其中代码审查模型报告为 unknown。 来源：https://github.blog/changelog/2026-10-23-usage-metrics-api-adds-usage-from-tools-like-opencode

阿里 OpenSandbox 加入 AAIF：MicroVM 沙箱 100 毫秒启动

Linux 基金会旗下的 Agentic AI Foundation（AAIF）宣布接收四个新项目，阿里巴巴捐赠的 OpenSandbox 与 Anthropic 的 Agent Skills、OpenAI 的 Open Responses、Hugging Face 的 OpenEnv 一同进入。AAIF 目前托管 MCP、goose、AGENTS.md、Agent2Agent（A2A）、agentgateway 和 Agent Router。OpenSandbox 是面向 AI 应用的通用沙箱平台，提供多语言 SDK、统一沙箱 API、Docker 与 Kubernetes 运行时，覆盖编程智能体、GUI 智能体、智能体评估、代码执行与强化学习训练。性能指标上，MicroVM 沙箱可做到 100 毫秒级启动，支持按需 Snapshot 与跨主机 Pause/Resume，通过批量创建与池化预热应对高并发、短生命周期负载。项目自 2025 年 11 月开源以来获 16k GitHub Stars、OpenSSF Best Practices Silver，收录于 CNCF Landscape，已集成 Harbor、AgentScope、NeMo Gym、DeerFlow 等框架，在阿里内部日均创建百万数量级沙箱，内部版本与开源版本同源。 来源：https://mp.weixin.qq.com/s?__biz=Mzg4NTczNzg2OA==&mid=2247512151&idx=1&sn=4141fadeb55100e34b5481d5543e28b3

Ollama v0.40.10：新增 Nemotron 3.5 Bolt E4B 视觉语言模型支持

Ollama 发布 v0.40.10，新增对 NVIDIA Nemotron 3.5 Bolt E4B 的支持。该模型是 NVIDIA 基于 Gemma 4 的小型视觉语言模型，面向本地快速对话、图像理解与工具调用，支持 128K token 上下文。 来源：https://github.com/ollama/ollama/releases/tag/v0.40.10

产品应用

Meta Muse 用户破 1000 万：四分之一购物用户单笔超 200 美元

Meta 在第三季度财报电话会议上披露，其 AI 应用 Muse 用户数已超过 1000 万；扎克伯格称，在完成设置的用户中约 25% 每天都会使用。购物是热门用途之一：通过 Muse 智能体购物的活跃用户中，超过四分之一平均单笔金额超过 200 美元。扎克伯格引用金融科技公司 Plaid 的说法称，此前在任何其他服务上都没见过通过其连接器呈现的这种活跃度，Muse 正是用 Plaid 连接器实现智能体购物。其他高频用途是个人效率任务，如把 Agent 接入电子邮件或日历；他以此说明用户信任 Muse 的安全设置，包括保护数据隐私的“Muse Secure VM”，以及即将推出的“Muse Confidential VM”——后者将让包括 Meta 在内的任何人都无法查看用户内容。变现路径为：多数用户免费，从平台交易中抽取分成，需要使用最强模型或更多 token 的高级用户付费；Meta 预计 Muse 每用户收入将超过目前应用家族（Facebook、Instagram、WhatsApp、Messenger）约“每年数百美元”的水平。算力方面，扎克伯格称正在建设未来几年服务超十亿人的容量，短期运行成本很高，但预计明年成本效率提升 10 倍以上；Reality Labs 亏损预计从 2025 年的 191 亿美元收窄至今年 150 亿美元。 来源：https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247518931&idx=3&sn=cc55c33b271830915781fdadc4f8d3fb

Anthropic 发布 Claude Duet 预览版，入局个人 Agent

Anthropic 周三宣布推出 Claude Duet 预览版，定位小型企业和专业人士，与 OpenAI 的 Dots、Meta 的 Muse 正面竞争。按官方博客描述，它每天向用户发送简报、持续关注已连接的应用，可执行构建仪表板、安排会议、制作财务预测等任务，“会主动告诉你哪些事项需要关注，完成你交给它的任务，即使你暂时离开也会继续工作，并且在代表你采取行动之前会先征求你的确认”。Anthropic 表示，由于面向工作场景设计，Duet 在订票等个人事务上“表现没那么出色”——这也与主打消费者的 Muse 形成差异。发布当天开放候补名单，预览期面向 Pro 和 Max 订阅用户，可通过独立应用或 Claude 网站使用。 来源：https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247518931&idx=2&sn=ee5bd71487ca45a8b503eacac6a64ec1

技术与洞察

微软 MAI-DxO 复杂病例诊断准确率 83%，为全科医生的 2.3 倍

微软的 AI 诊断系统 MAI-DxO 在《Science》发表的一项模拟研究中，对复杂病例的诊断正确率为 83%，而单独工作、可查阅参考资料的全科医生与普通内科医生为 36%。DxO 协调多个 AI 智能体像医生小组一样工作：询问患者、开具检查、辩论诊断，病例取自《新英格兰医学杂志》。研究同时测试了 OpenAI、Google、Anthropic、Meta 与 DeepSeek 的模型，最佳结果来自 OpenAI 的 GPT-5 与 GPT-5.5：复杂病例上 DxO 把 GPT-5.5 从 72% 提升到接近 87%，成本还略低；GPT-5 提升约 4 个百分点，每例节省约 3000 美元；较弱模型获益最大，Gemini 2.5 Flash 从 46.4% 升到接近 69%；两类模型在急诊病例上均无显著提升。微软 AI 负责人 Mustafa Suleyman 称这是迈向医疗超级智能的一步；微软 AI 健康副总裁 Dominic King 表示，将与波士顿 Beth Israel Deaconess 医疗中心合作，在急诊与急症场景中把 DxO 的建议与医生对照，预计是该类研究中规模最大的一项。Suleyman 还透露正与 Mayo Clinic 合作训练医疗基础模型，计划明年发布，并预计医疗模型能力在 24 至 36 个月内提升一个数量级。 来源：https://theaiinsider.tech/2026/10/23/microsofts-ai-diagnostic-system-outperforms-generalist-doctors-on-complex-cases-science-study-finds/

Mirendil 单人 3.5 个月训出 100B–500B 编程基座，算力花费不到 1000 万美元

初创公司 Mirendil 公布实验：仅 1 名研究员从零训练出参数量 100B–500B 的编程基座模型 Mirendil-Base，全程算力花费不到 1000 万美元（含前期探索实验与 Agent 的 Token 消耗），耗时 3.5 个月。项目从空代码库起步，未购买商业授权数据，未使用模型蒸馏或合成数据，仅基于 PyTorch、JAX 与公开的 GitHub 代码和网页数据；AI 智能体编写了超过 99% 的代码、跑完全部实验并自行诊断训练故障，人类只决定研究方向与判断哪些结果可信。在预测代码库任务中，团队以跨分词器公平对比的 bits per byte 交叉熵为指标，把 Mirendil-Base 与 Kimi-K3（2.8T 总参/104B 激活）、DeepSeek-V4-Pro-Base（1.6T/49B）、Inkling（975B/41B）、GLM-5.3（753B/40B）、Nemotron-550B-Base（550B/55B）同台比较，在多个训练后新发布的外部代码库测试中取得高分。更大的 Mirendil-Base-Large（500B–2T）已训练 80%，旗舰版 Base-XL（2T–10T）进度 19%，其当前表现已逼近 Large 版本得分；下一代模型将由 Mirendil-Base 自己参与构建。 来源：https://mp.weixin.qq.com/s/a96DDNSF92LDNArFijjazw

复旦等提出 ReasoningShield：首个思维链安全审核基准，开源 1B/3B 审核模型

上海创智学院与复旦大学团队提出 ReasoningShield，首次定义“思维链安全审核”任务，并构建专用数据集、评测基准与审核模型，工作已被 NeurIPS 2026 Evaluations and Datasets Track 录用。问题在于推理模型的思考过程包含假设、试探与自我否定，安全声明与有害细节可能交替出现，最终答案拒绝不代表中间步骤没有泄露可操作信息；先导实验显示，既有审核工具从答案审核迁移到思维链审核后，F1 最大下降 35.2 个百分点。团队整合学术安全基准与行业内容政策，建立覆盖暴力、仇恨与歧视、欺骗与虚假信息、权利侵害、网络安全等 10 大类、42 个细分类别的风险体系，并把推理轨迹分为安全（0）、潜在有害（0.5）、有害（1）三级。数据集包含 ReasoningShield-Train 7000 条（有害/潜在有害/安全约 35.2%/19.8%/45.0%）与 ReasoningShield-Test 2200 条（约 28.6%/15.2%/56.3%），测试集含 600 条域内样本与 1600 条分布外样本，覆盖 8 个推理模型；另加入 1064 条 Alpaca 无害指令以降低误报。团队开源了 ReasoningShield-1B/3B 审核模型。 来源：https://mp.weixin.qq.com/s/lo4smJrbcGGoFTeE5GhkeQ

行业动态

Mach9 获 3400 万美元 A 轮：工程图纸生成快 10 倍、成本 1/5

面向土木工程的 AI CAD 公司 Mach9 完成 3400 万美元 A 轮融资，由 First Round Capital 与 Bessemer Venture Partners 联合领投，Prudence 参投、Quiet Capital 继续跟投，累计融资达 4900 万美元。公司把 LiDAR 等 3D 扫描数据转为工程图纸，速度最高提升 10 倍、成本降至五分之一，可自动绘制路缘、电杆、线缆等要素，精度达到厘米级。其软件已在全美 50 个州、2500 多个项目上使用，客户包括 WSP、HNTB 与加州交通局（Caltrans）。需求侧背景是：美国大量基础设施建于约 70 年前、设计寿命 50 年，《基础设施投资与就业法案》拨款 1.2 万亿美元用于重建，而把扫描转成图纸仍高度依赖人工、可能耗时数周到数月；2011 至 2025 年间注册测量师执照数量下降 24%。公司由 CEO Alex Baikovitz 与卡内基梅隆大学机器人研究所校友共同创立，本轮资金将用于扩展测绘与土木工程 AI 软件。 来源：https://theaiinsider.tech/2026/10/23/mach9-secures-34m-series-a-to-bring-civil-engineering-into-the-ai-era/

Nebius 获花旗 35 亿美元贷款，扩 AI 云与 GPU 采购

在纳斯达克上市的荷兰 AI 云公司 Nebius 与花旗签订 35 亿美元高级担保融资，用于全球 AI 基础设施扩张。资金将投入数据中心建设与 GPU 采购及一般企业用途；该融资期限 364 天，初始利率为 Term SOFR 加 2.75%，最高升至 3.50%，花旗担任牵头安排行、代理行与担保代理行。Nebius 称这是其多元化、分阶段融资策略的一部分，同时依靠客户预付款与经营现金流，以保留未来融资时点与结构的灵活性。首席运营官 Ophir Nave 表示，分阶段融资有助于优化长期资本成本，本次额度支持近期产能增长；公司下一阶段仍有多种资金来源，包括以超过 400 亿美元长期合同（客户为投资级）为基础的资产支持融资。 来源：https://theaiinsider.tech/2026/10/23/nebius-secures-3-5b-citi-facility-to-expand-ai-cloud-capacity/

英伟达 DGX Spark 64GB 版上市，定价 4999 美元

英伟达推出 64GB 内存版 DGX Spark，定价 4999 美元，搭载与 128GB 版本相同的 GB10 芯片。TechRepublic 的报道对比了两款机型的内存上限、可支持的模型范围以及集群部署成本，并列出 IT 采购方在下单前需要核实的具体事项。 来源：https://www.techrepublic.com/article/news-nvidia-dgx-spark-64gb-price-specs/

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录