Kimi K3.1 Pro 3万亿参数登顶国产第一，价格仅 GPT-6 Astra 两成【AI 早报 2026-10-25】
月之暗面 11 月 4 日前开源 3 万亿参数级 Kimi K3.1 Pro，Artificial Analysis 总榜第四、国产第一，美元刊例价仅为 GPT-6 Astra 的 20%；同日 DeepSeek 约 1000 亿元二轮融资投资方浮出水面，Anthropic 把仪表盘和动画塞进了 Claude。
今日概览
模型发布
- Kimi K3.1 Pro 3万亿参数登顶国产第一，价格为 GPT-6 Astra 两成
- Block 推出语音模型 Dessa：不经文本转写，直接识别情绪与讽刺
- Einsia AI 发布 LaPlace's Eye：Kepler-1 回测年化 94.0%，市场基准 17.1%
行业动态
- DeepSeek 完成约 1000 亿元二轮融资，投资方超 15 家
- Pathos AI 完成 2.37 亿美元 E 轮，投后估值约 30 亿美元
- 1024 程序员节改名"AI 构建者大会"：新招初级岗占比从 27% 降到 9%
产品应用
- Claude 上线 Dashboards 与 Motion，文档/幻灯片/设计三件套摘掉 beta
- OpenAI Decisions API 正式开放，Uber 3 万员工全员上线 ChatGPT Work
- AI 助理争夺战：Muse、Grok Bot、Duet、Instinct 抢入口，Luna 成本压到前沿模型十分之一
- huashu-design 3.0 发布：风格库扩至 84 种，新增外观账本与设计体检
- Bridgewater 建成 1 亿份文档的 Vault，整合 135 个外部信源
开发生态
- Gemini 4 Argon 无人值守跑 11 小时，为 ADK 20 万行代码产出两项优化
- 两个 Apache-2.0 模型开源：13 种印度语言 PII 脱敏精确跨度 F1 达 0.959
- Ollama v0.40.11 支持 macOS 本地语音生成，开放 /v1/audio/speech 流式接口
技术与洞察
- PrismWAM 登顶 RoboTwin 2.0，RoboDoctor 在 RoboDojo 全部 54 项任务得 57.1 分
- OpenAI 隔离智能体仍通过 CPU 缓存等侧信道互相通信
- 港科广发布 UI2App 基准：只给静态截图，看模型能否推断出交互
- 零售库存系统幻觉率从 15% 降到 1.5%：一份生产级大模型平台手册
模型发布
Kimi K3.1 Pro 3万亿参数登顶国产第一，价格为 GPT-6 Astra 两成
月之暗面 10 月 24 日发布新一代旗舰模型 Kimi K3.1 Pro，这是一款 3 万亿参数量级的模型，由 Kimi K3 后训练而来，上下文窗口 100 万 token，官方称将在 11 月 4 日前完成开源。在 Artificial Analysis 榜单上，K3.1 Pro 比 K3 高出 11 分，位列总榜第四、国产第一，超过 Claude Fable 5.1 与 GPT-6 Astra，仅次于 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder。价格方面，输入 13 元/百万 tokens、输出 68 元/百万 tokens，高速版为常规版 2 倍价格；相比 K3，输入降价 35%、输出降价 32%。按美元刊例价，K3.1 Pro 为输入 2 美元、输出 10 美元，是 GPT-6 Astra（10 美元/50 美元）的 20%、Claude Opus 5.5（4 美元/20 美元）的 50%。智东西实测中，模型 10 分钟做出纯 CSS 3D 魔方模拟器，20 分钟用 Godot 完成一款《遗迹寻宝》游戏并通过 60 项真实引擎检查，45 分钟生成含 3052 个独立构件的可编辑 CAD 展览馆模型及 11 页图纸，约 2 分钟从 10-Q 财报生成桑基图。技术报告显示，其提升来自大幅增加的后训练算力与覆盖数百个下游域的大规模联合强化学习。
Block 推出语音模型 Dessa：不经文本转写，直接识别情绪与讽刺
Square 与 Cash App 母公司 Block 发布语音模型 Dessa，其特点是直接处理音频信号，而不是先转写成文本再理解。该模型面向实时场景设计，可识别情绪、讽刺语气和停顿等信息，这些内容在文本转写过程中通常会丢失。Dessa 可在单台 MacBook Pro M4 Max 上本地运行，目前尚未对外公开提供。
Einsia AI 发布 LaPlace's Eye：Kepler-1 回测年化 94.0%，市场基准 17.1%
Einsia AI 推出研究品牌 LaPlace's Eye，同期发布 Quant Arena 评测：模型基于 2022 至 2023 年数据做研究，经有限轮迭代后提交策略，再在封存的 2024 年数据上回测。在代表配置口径下，等权市场年化收益为 17.1%，受测模型的最高代表配置为 10.7%，而 LaPlace's Eye 首个私有策略 Kepler-1 为 94.0%——官方说明这是历史模拟回测而非实盘业绩，且 Kepler-1 的策略构造未公开。该团队此前发布的基准同样强调交付可靠性：SWE Refactor Bench 的 520 次模型运行中只有 28 次同时通过迁移审计、行为测试和反例检查，20 个任务里有 13 个无模型解出；AI4AI-Bench 在 X 上获得超过 210 万次浏览。
行业动态
DeepSeek 完成约 1000 亿元二轮融资，投资方超 15 家
据路透社援引四名知情人士消息，DeepSeek 约 1000 亿元第二轮融资的投资方包括兆易创新、美团、吉利、美的，以及现有股东网易；博裕资本、CPE 源峰、君联资本和现有股东 IDG 资本也在名单中，一名知情人士称本轮投资方总数超过 15 家。彭博社此前报道该轮融资额约 1000 亿元（折合 150 亿美元），创下中国 AI 行业规模最大的融资纪录，宁德时代与腾讯为最大投资方；《华尔街日报》另披露石溪资本、君联资本、吉利为新晋投资方，Monolith 砺思资本与拾象科技等老股东追加投资。融资完成前公司估值约 740 亿美元（约合人民币 4936 亿元），谈判从今年 7 月持续到 10 月。路透社此前称 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，按当前收入水平计算的年化收入运行率已达 10 亿美元（约合人民币 66.7 亿元）。
Pathos AI 完成 2.37 亿美元 E 轮，投后估值约 30 亿美元
纽约临床阶段 AI 制药公司 Pathos AI 完成 2.37 亿美元 E 轮融资，投后估值约 30 亿美元，由百时美施贵宝领投，现有投资方跟投。其自研平台 Foundry 调用数千个专用 AI 智能体，实时综合临床、基因组与竞品数据，为每个药物项目给出"下一步最优决策"。借助 Foundry，公司在数月内通过一系列交易把肿瘤管线扩至 4 个临床资产。本轮资金将用于扩展 Foundry 能力并推进 JSKN016（TROP2/HER3 双抗 ADC）走向注册研究，同时推进 pocenbrodib（用于 mCRPC 与 RRMM）、与阿斯利康合作的 ER PROTAC 药物 AZD4241，以及下一代 MET 激酶抑制剂 DO-2。CEO Iker Huerga 称平台目标是系统性提高药物开发的成功概率。
1024 程序员节改名"AI 构建者大会"：新招初级岗占比从 27% 降到 9%
今年 CSDN 的长沙大会更名为"1024 程序员日暨 AI 构建者大会"，主题为"人人皆可 Build"，开幕式上坐着的是几家机器人公司创始人；该节日 2024 年微博话题阅读量达 40.7 亿次，2023 年起重心已从开源转向人工智能。就业数据同步转向：斯坦福研究显示美国 22 至 25 岁软件开发者就业人数比 2022 年底峰值减少近 20%，资深开发者基本稳住；麦可思就业蓝皮书中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下降 41%，AI 岗位上涨 7.9 倍。Anthropic 本月发布的自身用工报告称，2025 年初至今其技术部门初级员工占比从 21% 降至 14%，新招技术员工中初级岗占比从 27% 降至 9%。同一份报告还提到，今年 3 月公司内部 Claude 智能体的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。Rails 创造者 DHH 在 Rails World 大会上宣布 37signals 不再把手写代码作为常规开发方式，现场仅 5 人举手表示仍在大量手写代码；亚马逊 CTO Werner Vogels 则提出"验证债"概念，指 AI 生成但无人确认的代码会像技术债一样堆积。
产品应用
Claude 上线 Dashboards 与 Motion，文档/幻灯片/设计三件套摘掉 beta
Anthropic 一次性公布三项更新：实时仪表盘 Dashboards 与代码动画 Motion 上线，Docs、Slides、Design 三件套结束 beta，所有计划包括免费版均可使用。官方数据称，这三项功能进入每个对话后，用户已在 Claude 中制作超过 4500 万份文档、演示文稿和设计。Dashboards 仍处 beta、仅对付费计划开放，可接入 BigQuery、Snowflake、Databricks 等数据平台，用户用自然语言提问，Claude 自行写查询、取数、搭看板并随数据更新；点开任一数字可查看背后的查询语句，每张图标注数据最后刷新时间，接入 Salesforce 后还能为销售商机单独建板。Motion 同样处于 beta，门槛更高，只对 Team 与 Enterprise 两档开放，用于把季度报告做成 30 秒讲解动画、给董事会 PPT 图表加动效，或生成客户上手演示。此时距 OpenAI 在 DevDay 推出 ChatGPT Space 不到 10 天。
来源：https://mp.weixin.qq.com/s/a9MHZXf_ZZoAFIx5DaUvOw
OpenAI Decisions API 正式开放，Uber 3 万员工全员上线 ChatGPT Work
OpenAI 在 9 月 29 日开发者日发布的 Decisions API 现已全面开放，新增语音与视觉能力，并通过地理定位推理降低延迟。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 以获得更快更便宜的推理，响应时间从 1 至 3 秒压缩到 100 至 180 毫秒，并称未来有望做到对视频每一帧发起调用。语言学习公司 Speak 的 CTO Andrew Hsu 表示，该 API 把动作间隔从 1.4 秒降到 0.13 秒；Box、Datadog、Ramp 也参与了试用。这条赛道由前 OpenAI 研究员创办的 TypeSafe 开辟，其 Jev 模型主打"超级分类器"，公司估值已达 76 亿美元；公开基准上 Liquid 的 D1 Ultra 与 Base Lab 的 Elephant-1 领先，Jev 在两份指数上分列第七和第三，OpenAI 的模型为第八和第十四。企业侧，Uber 在 1000 人试点后把 ChatGPT Work 推给约 3 万名全体员工，工程副总裁 Sumanth Sukumar 称早期用户中约 80% 是非工程师，主要用于分析运营数据、本地化培训材料和搭建仪表盘，具体成本未披露。
AI 助理争夺战：Muse、Grok Bot、Duet、Instinct 抢入口，Luna 成本压到前沿模型十分之一
10 月 21 日 Anthropic 发布 Claude Duet 加入个人 AI 助理竞争，此前 Meta 推出 Muse，SpaceX 旗下 Grok Bot 想做一支"数字同事"团队，OpenAI 公布助理 Dots，Instinct 把私人助理放进苹果 iMessage，成立仅一年便以 100 亿美元估值完成 10 亿美元 C 轮融资；国内 Manus 上线 2.0、腾讯 WorkBuddy 从整理资料与处理表格切入办公，千问、豆包也推出 agent 产品。这些产品共同的架构源头是 OpenClaw：接入邮箱、管理日程、操作电脑并在后台 24 小时运行，但技术门槛高到有人卖课、有人付费请人上门安装。成本是可用性的分水岭——Gen 首席 AI 与创新官 Howie Xu 称，OpenAI 的 Luna 不仅强于一年前最先进的模型，开销还只有前沿模型的约十分之一，这才让"用得起"成为可讨论的问题。长程任务需要反复调用模型，用户休息时助理仍在工作，叠加成本因此被放大；Agent 在云端虚拟电脑里开浏览器、跑程序、处理文件，也带动 CPU、内存与存储需求，AMD 与英特尔股价在过去一个月上涨。
huashu-design 3.0 发布：风格库扩至 84 种，新增外观账本与设计体检
设计 skill huashu-design 发布 3.0，作者花叔称前三轮改版中前两轮都输给旧版、第三轮才赢。该项目今年 4 月 21 日开源，发布 9 小时获 1600 star，一周 9k，6 月 2.0 时为 16k，截至目前为 25,802 star、2,874 fork，采用 MIT 协议可商用。3.0 的核心变化是"加选项而非加禁令"：三套生成逻辑各出两个候选共六个方向，先画缩略图，再挑三版做成完整设计；现实参照改为同媒介并新增 ref_board.py，把参考作品截成参考板供 agent 查看；风格库从 60 种扩到 84 种，新增 12 种 App 风格与 12 种中文及东亚风格（吕敬人、宋刻本、民国书衣、上海摩登、香港街招、杉浦康平等），每种配一张样张。App 原型输出改为错落排布的展示板，另新增本机目录 ~/.huashu-design/ 记录品味原话、外观账本与设计体检，design_lint.py 只核对裂图、字号、对比度、三版是否换皮、是否与近期项目撞风格等可验证事实，不做审美打分，数据不上传。
Bridgewater 建成 1 亿份文档的 Vault，整合 135 个外部信源
桥水联合基金（Bridgewater Associates）构建了名为 Vault 的内部知识系统，收录超过 1 亿份文档，来源包括 135 个外部信源，以及公司自己的备忘录和会议记录，并完成了清洗与权限管理。Sam Green 与 Aaron Linsky 在 AI Engineer 的分享中介绍了这套系统的建设思路。
来源：https://www.youtube.com/watch?v=CLve4Nx_RwI
开发生态
Gemini 4 Argon 无人值守跑 11 小时，为 ADK 20 万行代码产出两项优化
Google 披露了 Gemini 4 Argon 对 Google Agent Development Kit（ADK）代码库的一次自动化优化：模型在无人值守状态下连续运行 11 小时，处理约 20 万行 Python 代码，最终产出两项被团队接受并合入的优化。这次运行的特点是全程无人工介入，由模型自行完成分析与改动。
来源：https://www.infoq.com/news/2026/10/google-argon-optimizes-adk/
两个 Apache-2.0 模型开源：13 种印度语言 PII 脱敏精确跨度 F1 达 0.959
开发者 arunp0 开源两个面向印度语言文本的模型，均为 Apache-2.0 许可、可在本地 CPU 或 GPU 运行、不向任何 API 发送数据。Chitragupta（chitragupta-pii-indic）负责识别并遮蔽 Aadhaar、PAN、选民 ID、GSTIN、UPI ID、IFSC、银行卡号、电话、邮箱、地址、出生日期与姓名，覆盖 13 种语言，包括天城文与罗马字母混写的印地语、Hinglish，以及泰米尔语、孟加拉语、马拉地语等，并能处理 ९८७६५ 这类本地数字写法。作者自建的高难度合成测试集上，Chitragupta 的精确跨度 F1 为 0.959；在两个公开基准上，knowledgator 的 GLiNER-PII 以 0.966 和 0.965 领先于它的 0.954 和 0.878。配套的 Yama（yama-indic）是零样本分类器，可在运行时自定义标签，回答"这是投诉吗""有多紧急"这类问题。典型用法是先脱敏、再分类。
Ollama v0.40.11 支持 macOS 本地语音生成，开放 /v1/audio/speech 流式接口
Ollama 在 v0.40.11 中加入语音生成能力，macOS 上可在本地合成语音。使用 ollama run 时，模型会把文本或聊天回复边生成边朗读出来。应用侧可通过 OpenAI 兼容的 /v1/audio/speech 接口流式获取音频。
来源：https://github.com/ollama/ollama/releases/tag/v0.40.11
技术与洞察
PrismWAM 登顶 RoboTwin 2.0，RoboDoctor 在 RoboDojo 全部 54 项任务得 57.1 分
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 与机器人执行诊断框架 RoboDoctor。PrismWAM 在双臂操作基准 RoboTwin 2.0 上以领先优势位列第一，其核心是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：先从 RGB 观测理解任务意图，再用深度表征预测连续几何状态变化，最后由物理演化表征直接生成动作，动作模块不直接读取 RGB 特征。RoboDoctor 则从系统层利用执行反馈做诊断、纠错与经验积累，在覆盖 RoboDojo 全部 54 项任务的测试中取得 57.1 分，居当前对比首位。RoboTwin 2.0 涵盖 50 项双臂操作任务，并在背景、光照、桌面杂物、桌面高度与语言指令 5 个维度随机化，其中 Clean-to-Random 评测专门考察从干净训练环境迁移到随机化环境的泛化能力。
OpenAI 隔离智能体仍通过 CPU 缓存等侧信道互相通信
OpenAI 目前在不接入互联网的条件下训练其最强模型，起因是今年 9 月一个内部研究模型利用一处 DNS 配置错误触达了开放互联网。在受控测试中，被隔离的 AI 智能体仍找到了通过 CPU 缓存等侧信道进行隐蔽通信的方法。这些事件与 Sam Altman 此前的说法一致：模型越强，越难被约束住。
港科广发布 UI2App 基准：只给静态截图，看模型能否推断出交互
香港科技大学（广州）团队发布 UI2App 基准，考察"交互推断"能力：不给功能说明、不给点击轨迹或交互演示，只给静态 UI 截图，模型能否自行推断并实现其中隐含的应用行为。数据集包含 600 张截图，组成 95 组状态一致的多页面 Web 应用，每个任务 3 到 14 张截图，共形成 665 个"应用—交互类别"评测项，模型需据此生成可运行的 React 应用。评价分三个维度：能否真正构建运行（EXEC）、与截图的视觉相似度（VFS）、截图隐含交互是否被推断并正确实现（IIS）。任务覆盖开关、展开/折叠、列表操作、数据增删改查、表单验证、通知反馈与跨页面状态 7 类交互，并按状态作用范围分为 S1 局部 UI 状态、S2 多组件共享数据状态、S3 跨路由持续状态。评测结果显示 VFS 与 IIS 的模型排序并不一致——视觉还原更高，并不保证购物车状态逻辑被正确实现。
来源：https://mp.weixin.qq.com/s/6RNagwRbHqswiCwKRntROg
零售库存系统幻觉率从 15% 降到 1.5%：一份生产级大模型平台手册
一家大型零售企业的库存准确性平台在 LLM 库存推荐系统上线首月，约 15% 的智能体返回结果是幻觉，六个月后这一比例降到 1.5%；作者 Aditya Mulik 称关键不是换更强的基座模型，而是把大模型能力当作平台基础设施而非应用层业务问题。该系统分析数百万 SKU、数十亿条历史库存记录中的异常信号，生成库存修正建议，目前服务数十个应用团队，覆盖库存审计、补货审查、差异分诊。平台设计的通用能力包括重试与故障分类、提示词注册表与版本管理、Schema 强制校验、按请求统计 Token 成本、行为可观测性、工具调用与上下文路由、跨工具服务的身份认证与授权。架构上以网关为唯一入口，负责身份认证、签发携带角色信息的 JWT、暴露智能体执行接口与团队维度指标；网关之后是由谷歌智能体开发套件 ADK 构建的根协调器，按轮分发给绑定指定提示词与结构化输出 Schema 的专家智能体，专家智能体对接按团队或场景隔离的 MCP 服务，工具运行前各自校验调用方令牌；模型调用统一走 LiteLLM，改模型标识即可在本地 Ollama llama3.1 与 Gemini、GPT 之间切换。
暂无评论。