Kimi K3.1 Pro 发布：3 万亿参数、百万上下文【AI 早报 2026-10-25】

AI日报
发布于 2026-10-25 10:10:34 4 次浏览

Kimi K3.1 Pro 发布：3 万亿参数、百万上下文【AI 早报 2026-10-25】

Kimi K3.1 Pro 以 3 万亿参数、百万 Token 上下文和 68 元/百万 Token 输出价入场；Softmax/交叉熵被曝 fp32 下梯度提前归零，DeepSeek 完成约 1000 亿元二轮融资。

今日概览

模型发布

  1. Kimi K3.1 Pro 发布：3 万亿参数、百万上下文

要闻

  1. Softmax 藏 Bug：fp32 下梯度提前归零，PyTorch/JAX 中招
  2. DeepSeek 完成约 1000 亿元二轮融资，估值 740 亿美元

产品应用

  1. Claude 上线 Dashboards 与 Motion：文档/幻灯片/设计转正
  2. OpenAI Decisions API 全面开放，响应延迟降至 100 毫秒级
  3. 腾讯元宝搜索开放：157 个信源，Agent 调用降至 5 次

技术与洞察

  1. 人大等开源 TabClustPFN：一次前向完成表格聚类
  2. 清华团队发布 PrismWAM：RoboTwin 2.0 评测第一
  3. Block 的 Dessa 语音模型：不转文本，本地识别情绪
  4. Einsia AI 发布 LaPlace’s Eye，Kepler-1 回测年化 94%

行业动态

  1. Pathos AI 完成 2.37 亿美元 E 轮，估值 30 亿美元
  2. 调查：79% 企业 GPU 过半时间闲置，70% 仍计划加购
  3. 133 名专利律师实验：撤走 AI 后只有资深律师保留收益
  4. Claude Code 核心作者 Thariq 离职
  5. 1024 观察：后端岗位需求降 41%，AI 岗涨 7.9 倍

开发生态

  1. OpenMobile-2：110 款应用训练环境，开源手机代理登顶
  2. Gemini 4 Argon 用 11 小时优化 ADK 20 万行 Python
  3. Ollama v0.40.11 支持 macOS 语音生成
  4. 库存推荐系统幻觉率从 15% 降至 1.5% 的平台工程手册

前瞻与传闻

  1. Jack Clark：自改进 AI 可能 2027 年到来

模型发布

Kimi K3.1 Pro 发布：3 万亿参数、百万上下文

10 月 24 日，Kimi 发布 K3.1 系列首款模型 Kimi K3.1 Pro，参数规模 3 万亿，支持百万 Token 上下文，重点强化代码、3D 创作、金融研究以及长程 Agent 能力。同步推出 K3.1 Pro Highspeed，保持相同智能水平，输出速度提升约 2～3 倍。API 定价为每百万 Token 缓存命中输入 1.3 元、未命中输入 13 元、输出 68 元，高速版价格约为标准版 2 倍。Terminal-Bench 4.0 得分 65.7%，GPT-6 Astra 为 58.2%，Claude Opus 5.5 为 66.4%；Kimi Code Bench 3.0 Long-horizon 从 K3 的 55.95% 提升到 61.2%。Humanity's Last Exam 从 47% 升到 52%，CritPt 从 23% 升到 25%，SciCode 从 59% 升到 61%，Agent 相关指标提升更明显。Kimi 还推出 Hosted Agents 托管智能体服务，提供 7×24 小时长程任务和多智能体协作，完整模型权重计划在 11 月 4 日前发布。社区反馈称额度 10 分钟烧光，有用户认为其比 Claude Opus 更啰嗦但执行意愿较强。 来源：https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651295910&idx=1&sn=69fe74ceaa7e133f8c64496e3989a96c

要闻

Softmax 藏 Bug：fp32 下梯度提前归零，PyTorch/JAX 中招

Google DeepMind 首席研究科学家 Jonathan T. Barron 与 Dan Gnanapragasam、Michael Tschannen 在 10 月 22 日提交 arXiv 论文，指出 PyTorch、JAX、TensorFlow 等框架普遍采用的 Softmax 和交叉熵标准实现存在两个数值精度 Bug。第一个是 Softmax Collapse：标准实现先减去最大 Logit 再取指数，当正确类别 Logit 领先足够大，分母中的小量被浮点加法舍去，正确类别概率被算成精确 1，交叉熵损失和对应梯度归零，破坏所有类别梯度之和为 0 的约束。论文给出的精度悬崖为 bf16 约 5.5、fp32 约 16.6、fp64 约 36.7 的 Logit Margin。示例 Logit [9,-9,-9] 下，标准 JAX/Optax 算出损失 0、正确类别梯度 0，修复后损失约 3.046×10⁻⁸、正确类别梯度约 -3.046×10⁻⁸，另两类梯度约 1.523×10⁻⁸。第二个是 Softmax Cancellation；团队没有提高浮点精度或替换 Softmax，而是把最大 Logit 项分离出来，用 softplus 重新组织计算，并给出 JAX 参考实现。论文还把该 Bug 与 Grokking 中的 Slingshot 机制联系起来：训练损失接近 0 后越过精度悬崖，可能突然尖峰。Barron 表示 Gemini 承担了大量实验与论文工作。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651069889&idx=1&sn=f243963ab47a3c32471ca7d3319ef4c6

DeepSeek 完成约 1000 亿元二轮融资，估值 740 亿美元

据路透社援引四名知情人士，DeepSeek 约 1000 亿元第二轮融资投资方包括兆易创新、美团、吉利、美的和现有股东网易，另有博裕资本、CPE源峰、君联资本、IDG资本，投资方总数超过 15 家。彭博社报道本轮融资约 1000 亿元（150 亿美元），宁德时代和腾讯是最大投资方，并称这创下中国 AI 行业规模最大融资纪录；《华尔街日报》补充石溪资本、君联资本、吉利，以及 Monolith砺思资本、拾象科技等现有股东追加投资。融资完成前估值约 740 亿美元（约 4936 亿元），谈判从今年 7 月持续到 10 月。路透社此前报道 DeepSeek 已聘请中信证券担任上市顾问，目标明年年初登陆上交所。梁文锋今年 9 月向投资者透露，按当前收入计算的年化收入运行率约 10 亿美元（约 66.7 亿元）。 来源：https://mp.weixin.qq.com/s?__biz=MzA4MTQ4NjQzMw==&mid=2652812625&idx=1&sn=ff305bedc2def14652b5a923cf076197

产品应用

Claude 上线 Dashboards 与 Motion：文档/幻灯片/设计转正

Anthropic 上线实时仪表盘 Dashboards 和代码动画 Motion，并把 Docs、Slides、Design 三件套摘掉 beta 标签，所有计划包括免费版都能用。Anthropic 称用户已在 Claude 里制作超过 4500 万份文档、演示文稿和设计。Dashboards 仍处 beta，只对付费计划开放，可接入 BigQuery、Snowflake、Databricks 和 Salesforce，用自然语言提问后由 Claude 写查询、取数、搭看板；点开任一数字可查看背后的查询，每张图标注数据最后刷新时间。Motion 也处 beta，仅面向 Team 和 Enterprise，可把季度报告做成 30 秒讲解动画、给董事会 PPT 图表加动效或制作产品上手演示，最后导出视频文件。免费用户拿到的是文档、幻灯片、设计三件套正式版，仪表盘和动画仍需付费。X 上有人称 200 美元 Max 套餐“每天都在增值”，也有开发者追问 Dashboards 何时开放 API。 来源：https://mp.weixin.qq.com/s/a9MHZXf_ZZoAFIx5DaUvOw

OpenAI Decisions API 全面开放，响应延迟降至 100 毫秒级

OpenAI 将 9 月 29 日开发者日发布的 Decisions API 向所有客户全面开放，新增语音和视觉能力，并通过地理定向推理降低延迟。API 产品负责人 Nikunj Handa 称，团队没有另建专用模型，而是重新配置 ChatGPT Luna 以加快、降低推理成本，响应时间从 1～3 秒降到 100～180 毫秒。语言辅导公司 Speak 的 CTO Andrew Hsu 表示，API 将动作间隔从 1.4 秒缩短到 0.13 秒；Box、Datadog、Ramp 也进行了试用。该市场由前 OpenAI 研究员创立的 TypeSafe 开辟，其 Jev 模型估值 76 亿美元；公开基准目前由 Liquid 的 D1 Ultra 和 Base Lab 的 Elephant-1 领先，TypeSafe 最新 Jev 在两个主要指数上排名第 7 和第 3，OpenAI 模型排名第 8 和第 14。企业侧，Uber 在 1000 人试点后把 ChatGPT Work 推广到约 3 万名员工，约 80% 早期用户为非工程师，用于分析运营数据、本地化培训材料和搭建看板。OpenAI 同时把前沿模型训练移出实时互联网。 来源：https://theaiinsider.tech/2026/10/24/openai-expands-decisions-api-scales-enterprise-push-with-uber-and-cuts-frontier-training-off-from-the-live-internet/

腾讯元宝搜索开放：157 个信源，Agent 调用降至 5 次

Cloudflare 数据显示网页流量中自动化请求已占 57.5%，人类占 42.5%；DeepSeek 发布搜索 API，腾讯向全行业开放“元宝搜索”。元宝搜索针对 Agent 做了三项优化：直接返回正文而非只给摘要，接入 13 个行业 157 个权威信源，并在建索引时把每个网页压缩成 100 个 token，检索时复用 KV Cache，只计算用户查询，推理开销不随文档长度增长。腾讯内部元宝、IMA 等产品换用后，完成一个任务的平均搜索调用从 8 次降到 5 次。作者用 9 个品类 31 条 query 实测，金融行情能返回“跌逾 7%”“成交额超 150 亿”，权威信息落在政府网、国家统计局等来源，但空泛问句、学术论文和视频搜索需要额外参数或垂类 API。元宝搜索支持三种接入方式，结果与时间、垂类等参数关系很大。 来源：https://mp.weixin.qq.com/s?__biz=MzkwMzY5NzU2Nw==&mid=2247490791&idx=1&sn=d8133e4e93c4d701ace6726b10ae6a30

技术与洞察

人大等开源 TabClustPFN：一次前向完成表格聚类

中国人民大学、罗格斯大学、新加坡国立大学和 MBZUAI 团队提出 TabClustPFN，论文已被 NeurIPS 2026 接收，第一作者为人大 Tianqi Zhao，通讯作者为 MBZUAI 的 Qiong Zhang。模型先在大量合成表格上预训练，学习群体形状、重叠方式和合理分组；面对新表格时参数固定，通过一次前向推断预测样本归属与分组数量，无需针对当前表格重新训练或迭代优化。它支持 2 到 10 类，并为每个候选簇数输出概率，让使用者看到模型对“分几组”的把握；在 3200 个未参与训练的高斯混合合成数据集上，按预测概率构造累计概率 95% 的候选簇数集合，真实簇数落入比例为 96.8%。论文称其耗时与简单传统方法相当，比其他被比较的 PFN 方案更高效。训练结合高斯混合与 ZEUS 两类先验，覆盖数值与类别特征；团队已开源代码和预训练权重。 来源：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651069889&idx=3&sn=be03ed61a5b5eccacdb6e68cce1c5210

清华团队发布 PrismWAM：RoboTwin 2.0 评测第一

厘清智能创始人、清华大学人工智能学院李一鸣团队发布两项 Physical AI 成果：世界动作模型 PrismWAM 和机器人执行诊断框架 RoboDoctor。PrismWAM 把语义上下文与物理状态解耦，建立 Semantic Planning → Physical Rollout → Executable Action 的注意力链路：RGB 用于理解任务语义，深度表征预测连续几何状态变化，动作生成直接利用物理演化表征，不直接读取 RGB 特征。该模型在 RoboTwin 2.0 评测中以领先优势位列第一；RoboTwin 覆盖 50 项双臂操作任务，并在背景、光照、桌面杂物、桌面高度和语言指令五个维度做随机化，C2R 评测考察从干净环境到随机化环境的迁移。RoboDoctor 从系统层利用执行反馈做诊断、纠错和经验积累，在覆盖 RoboDojo 全部 54 项任务的测试中取得 57.1 分，位居当前对比首位。 来源：https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247557585&idx=1&sn=a822dbe7750cb768a887e17b45773785

Block 的 Dessa 语音模型：不转文本，本地识别情绪

Block（Square 和 Cash App 母公司）发布语音模型 Dessa，直接处理音频而不是先转成文本，设计目标是实时识别情绪、讽刺和停顿。该模型运行在 MacBook Pro M4 Max 本地，目前尚未公开可用。与依赖文本转录的模型相比，Dessa 保留语调、节奏和停顿等声学信息，用于捕捉文本模型容易漏掉的情绪线索。 来源：https://the-decoder.com/blocks-new-ai-model-dessa-was-trained-entirely-on-human-speech-to-catch-emotions-text-based-models-miss/

Einsia AI 发布 LaPlace’s Eye，Kepler-1 回测年化 94%

Einsia AI 发布 Quant Arena，并推出研究品牌 LaPlace’s Eye，首个私有策略 Kepler-1 在榜单中领先。Quant Arena 让大模型基于 2022 至 2023 年数据开展研究，有限轮迭代后提交策略，再在封存的 2024 年数据上回测；代表配置下等权市场年化收益 17.1%，受测模型最高 10.7%，Kepler-1 为 94.0%。这些数字来自历史模拟回测，不是实盘业绩；论文全量配置中 GPT-6 Sol medium 另有 18.4% 的单项结果，高于等权市场基准，Kepler-1 的策略构造未公开。Einsia AI 此前公开项目覆盖 SWE Refactor Bench、BrowserBC、EmbodiedEvo、PPTBench 等，重点都是把模型放进真实任务并检验经验能否迁移。LaPlace’s Eye 的推文从拉普拉斯妖讲到“拉普拉斯之眸”，强调观察、行动、校准与持续学习，而不是承诺预知未来。 来源：https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247518961&idx=1&sn=19f597b6f6dcc2db34b515a27d02603e

行业动态

Pathos AI 完成 2.37 亿美元 E 轮，估值 30 亿美元

纽约临床阶段 AI 与科技公司 Pathos AI 完成 2.37 亿美元 E 轮融资，投后估值约 30 亿美元，由百时美施贵宝（BMS）领投，现有投资者参与。其 Foundry 平台使用数千个专业 AI agent 实时综合临床、基因组和竞品数据，为每个药物项目识别下一步最佳决策，帮助公司将肿瘤管线扩展到 4 个活跃临床资产。CEO Iker Huerga 称平台目标是系统性提高药物开发成功概率；资金将扩展 Foundry，并推进 JSKN016 这一 first-in-class TROP2/HER3 双特异性抗体偶联药物走向注册研究。资金还将推进 pocenbrodib 在 mCRPC 和 RRMM、与阿斯利康合作的 AZD4241 ER PROTAC，以及下一代 MET 激酶抑制剂 DO-2。 来源：https://theaiinsider.tech/2026/10/24/pathos-ai-secures-237m-in-series-e-financing-to-scale-agentic-ai-drug-development-platform-and-advance-oncology-pipeline/

调查：79% 企业 GPU 过半时间闲置，70% 仍计划加购

VentureBeat Intelligence 汇总 2026 年 7 月、8 月、9 月三轮 VB Pulse 调查，共 385 名来自员工不少于 100 人机构的受访者；79% 的企业表示其 GPU 算力至少一半时间完全闲置，这一比例三个月稳定在 77% 至 81%。在这些 GPU 平均利用率不超过 50% 的企业中，70% 仍计划未来 12 个月引入、扩充或更换 AI 计算平台。9 月调查中，64 名计划采用新 AI 平台的受访者里有 58 人没有经过财务部门审核的 ROI 数据，占比 91%。计划采购新计算平台且 GPU 闲置的企业中，90% 看向公有云与模型 API 服务商，仅 8% 考虑扩建本地私有集群。文章把这归因于两类支出错配：恐慌驱动的 GPU 储备缺乏内部场景跑满，业务团队又路径依赖 OpenAI、Anthropic、Google 的闭源前沿模型 API。Uber 曾因鼓励员工尽可能使用 AI 工具、设立使用排行榜，在几个月内耗尽 2026 年全年 AI 预算。 来源：https://mp.weixin.qq.com/s/7eJn7SYFdMJ4kA2uxohsiw

133 名专利律师实验：撤走 AI 后只有资深律师保留收益

一项为期三个月、覆盖 133 名专利律师的现场实验显示，AI 能提升即时工作表现，初级律师从 AI 中获得的即时提升最大。实验的关键在于撤走 AI 之后：只有资深律师保留了此前的收益，初级律师未保留同等收益。研究据此提出，基线专业知识是把 AI 辅助实践转化为持久技能的前提，否则 AI 可能悄悄削弱初级律师的专业成长。 来源：https://the-decoder.com/ai-makes-junior-patent-attorneys-instantly-better-but-may-quietly-stunt-their-professional-growth/

Claude Code 核心作者 Thariq 离职

Claude Code 核心作者 Thariq Shihipar 在 X 发布长文告别信，宣布离开 Anthropic；他称加入 Claude Code 一年多，见证其规模扩展到远超想象。告别信核心是“向上竞赛”：如果努力且负责任地工作，就能抬高行业标准并激发其他人变得更好。文中他称赞 Anthropic 同事是最有才华、最周到、最能干且最真诚的人，并表示信任团队继续掌舵，结尾 @ 多位核心开发者。文章称在短短 45 分钟内，Claude 团队最知名的两位成员相继离职；Thariq 在评论区还写道“是不是只有我一个人觉得 Opus 5.5 变蠢了？”他的履历包括多伦多大学工程科学、MIT Media Lab 研究科学家、PubPub 联合主导、YC 项目 One More Multiverse（融资超 1700 万美元）以及被 HubSpot 收购的 Chime。 来源：https://mp.weixin.qq.com/s/2mkO2QKRg_dRfVnxZKswlQ

1024 观察：后端岗位需求降 41%，AI 岗涨 7.9 倍

文章围绕 1024 程序员节讨论 AI 对编程岗位的影响。斯坦福研究显示，美国 22 岁到 25 岁软件开发者的就业人数比 2022 年底峰值少近 20%，资深开发者基本稳住；麦可思就业蓝皮书里，计算机类专业首次跌出本科绿牌专业榜和高薪专业前十；脉脉数据显示后端开发岗位需求降 41%，AI 岗位涨 7.9 倍。Anthropic 本月中旬报告称，2025 年初到现在，初级员工在技术部门占比从 21% 降到 14%，新招技术员工中初级岗占比从 27% 降到 9%；今年 3 月公司内部 Claude 智能体工作时长首次超过人类员工，到 8 月员工指挥的智能体工作时长已是人类的 6 倍。37signals 的 DHH 在 Rails World 宣布不再把手写代码作为开发软件的常规方式，现场只有 5 人举手表示仍在大量手写代码。亚马逊 CTO Werner Vogels 称初级工程师招聘数量“与过去一样”，但新人价值转向协作、理解老系统和判断哪些 AI 生成代码需要检查，并提到“验证债”。 来源：https://mp.weixin.qq.com/s?__biz=MTMwNDMwODQ0MQ==&mid=2653115374&idx=1&sn=c5633cf8674bab7bca9f3c4035ce0ddb

开发生态

OpenMobile-2：110 款应用训练环境，开源手机代理登顶

OpenMobile-2 的研究者构建了一个开放训练环境，包含 110 多个应用，其中 35 个是热门应用的复刻版本。研究结论是，手机智能体不是靠处理更多数据变强，而是靠训练时覆盖尽可能多不同的应用。在真实 Android 设备上，该模型在开源手机智能体中得分最高。 来源：https://the-decoder.com/openmobile-2-proves-open-source-smartphone-agents-can-rival-proprietary-models/

Gemini 4 Argon 用 11 小时优化 ADK 20 万行 Python

Google 说明了一次 11 小时无人值守运行：Gemini 4 Argon 对 Google Agent Development Kit 的 20 万行 Python 代码库进行优化，最终产生两个被接受的优化。这次运行没有人工逐步干预，模型自行完成代码分析与修改。 来源：https://www.infoq.com/news/2026/10/google-argon-optimizes-adk/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global

Ollama v0.40.11 支持 macOS 语音生成

Ollama v0.40.11 在 macOS 上新增语音生成能力。用户运行 ollama run 时，Ollama 可以在生成音频的同时朗读文本或聊天模型的回复；应用可以通过 OpenAI 兼容的 /v1/audio/spee… 接口流式输出音频。版本号 v0.40.11 的本次变化集中在语音输出与接口兼容。 来源：https://github.com/ollama/ollama/releases/tag/v0.40.11

库存推荐系统幻觉率从 15% 降至 1.5% 的平台工程手册

一家大型零售企业的库存准确性平台用多智能体 LLM 分析数百万 SKU、数十亿条历史库存记录中的异常信号，为业务生成库存修正建议。项目上线第一个月末约 15% 的智能体返回结果是幻觉，六个月后降到 1.5%；作者称关键不是换更强基础模型，而是把 LLM 能力当平台基础设施。共享平台内置提示词注册表与版本管理、Schema 强制校验、按请求进行 Token 成本归因、行为可观测性、工具调用与上下文路由，以及跨工具服务的身份认证与授权。架构上，网关负责调用方认证、签发携带角色信息的 JWT、暴露智能体执行接口和成本指标；根协调智能体基于 Google ADK 识别意图并分发给专家智能体，专家智能体绑定注册表中的提示词与结构化输出 Schema，通过 LiteLLM 调用本地 Ollama llama3.1 或云端 Gemini、GPT。平台服务于数十个应用团队，覆盖库存审计、补货审查、差异分诊等场景。 来源：https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2651295910&idx=3&sn=1ba1717d6519299a7aab6c1a443ac941

前瞻与传闻

Jack Clark：自改进 AI 可能 2027 年到来

P-Zero Research 发布新基准，衡量 AI 模型自主设计和评估实验的能力。基准结果显示，模型在这类任务上的表现提升很快，Anthropic 联合创始人 Jack Clark 因此把自改进 AI 的预测时间提前到 2027 年。这是基于基准趋势的预测，不是已经实现的能力。 来源：https://the-decoder.com/anthropic-co-founder-jack-clark-moves-his-prediction-for-self-improving-ai-forward-to-2027/

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录