🧠 模型發佈/更新
1. Kimi K3 開源：2.8T MoE 模型與技術報告
Kimi 發佈其最強模型 Kimi K3，這是一個 2.8T 參數的 MoE 模型，具備原生視覺理解和 1M token 上下文窗口。新架構實現了每單位計算 2.5 倍的智能提升。除模型權重外，Kimi 還開源了高性能注意力內核、MoE 通信庫及大規模智能體運行環境基礎設施。
TIP來源：X：Kimi.ai (@Kimi_Moonshot)
2. Kimi K3 上線 Modal，支持無損加速推理
很高興 @modal 成為 Kimi K3 的 Day 0 發佈合作伙伴！ 他們為 K3 的架構訓練了自定義 DFlash 投機器，實現更快推理且無質量損失。
TIP來源：X：Kimi.ai (@Kimi_Moonshot)
🚀 產品發佈/更新
1. Kimi 發佈視覺感知基準 PerceptionBench
Kimi.ai 發佈 PerceptionBench，一個從當前前沿模型在 42 個基準上的失敗模式中歸納出的視覺感知基準。該基準將視覺感知拆解為 10 種原子能力，並構建了 3000 道驗證題，每道題只考察單一感知能力，無需推理或外部知識。
TIP來源：X：Kimi.ai (@Kimi_Moonshot)
2. SGLang 和 Miles 為月之暗面 2.8T 參數 Kimi K3 模型提供發佈當日支持
SGLang 和 Miles 為月之暗面開源的 2.8T 參數模型 Kimi K3 提供發佈當日支持，分別負責推理和 RL 訓練。K3 採用 69 層 KDA 線性注意力與 24 層 MLA 交錯的混合架構，在 SGLang 上單卡 batch-1 解碼速度達約 113 tok/s，結合 DSpark 推測解碼可達約 423 tok/s。
TIP來源：LMSYS：Blog（Chatbot Arena 團隊）
🏛️ 行業動態
1. Google AI Overviews 搜索結果出現率升至43%
Google AI Overviews 在搜索結果中的出現率一年內從15%升至43%，AI Mode月訪問量從1.26億增至2.79億。用戶搜索長度增加，正從短關鍵詞轉向更長的自然對話式查詢。
TIP來源：TechCrunch：AI
2. NVIDIA 等多家行業領袖聯合成立 Open Secure AI Alliance，推動 AI 安全與防禦開源化
NVIDIA、Microsoft、Hugging Face、IBM 等數十家機構聯合成立 Open Secure AI Alliance，旨在通過開源模型、工具和框架構建可審查、可定製的 AI 安全防禦體系。
TIP來源：NVIDIA Blog
3. Cognizant 與 Anthropic 擴大合作，成為 Claude Partner Network 全球首要合作伙伴
Cognizant 與 Anthropic 擴大合作，成為 Claude Partner Network 中的 Global Premier Partner，並將 Claude 嵌入其 Flowsource 等平臺。已有超過 3 萬名員工完成 Claude 培訓，其為一家生物製藥公司構建的智能合約系統將合同審核時間縮短最高 40%，提取準確率超過 88%。
TIP來源：Anthropic：Newsroom（網頁）
📄 論文研究
1. Apple 提出 GH-ESD：面向實例級視覺任務的假設驅動錯誤切片發現方法
Apple 機器學習研究團隊提出 GH-ESD（Grounded Hypothesis-Driven Error Slice Discovery），一種針對目標檢測與分割等實例級視覺任務的錯誤切片發現方法。現有方法主要適用於圖像級分類，難以捕捉由上下文關係和空間視覺模式導致的實例級失敗。GH-ESD 通過基於假設的驅動方式，系統性地發現模型在語義連貫子集上的系統性失效。
TIP來源：Apple Machine Learning Research
💡 技巧與觀點
1. 用AI Skill自動生成可協作HTML PPT
Vista 基於 bento PPT 改造了一個 Skill，輸入內容或主題即可自動生成可編輯、在線演示並支持協作的 HTML PPT。安裝指令為 npx skills add joeseesun/qiaomu-bento-ppt，推薦使用 Kimi K3 或 Opus 4.8+ 等前端審美好的模型。
TIP來源：X：Vista (@vista8)
2. GitHub Copilot 發佈“Harness”工作流：用單一工具完成原型、規劃、實現與代碼審查
GitHub Copilot 推出“Harness”工作流，讓開發者通過單一 AI 工具完成從原型設計、規劃、實現到代碼審查的完整軟件開發流程，無需追逐多種新 AI 工具。該工作流強調實用性與集成性，旨在減少工具切換帶來的效率損耗。
TIP來源：GitHub Blog
3. 用Claude和Python構建技能驅動的金融分析智能體
本教程基於Anthropic的financial-services倉庫，用純Python復現其技能驅動架構。通過解析SKILL.md文件構建可搜索技能註冊表，並創建可複用SkillAgent，將金融分析劇本注入Anthropic Messages API，支持迭代工具調用循環。
TIP來源：MarkTechPost
4. OpenAI 稱越來越多員工用 ChatGPT 做其他崗位的工作
OpenAI 分析超 80 萬條與工作相關的 ChatGPT 消息後發現，43.5% 的崗位特定查詢涉及另一職業，營銷和工程任務交叉最多。用戶用 AI 處理合同審查、數據分析、網站故障排查等原由專家負責的工作。OpenAI 認為這是崗位職責正在變化的早期信號，該趨勢在缺乏專業團隊的小公司尤為明顯。
TIP來源：The Decoder：AI News
5. GitHub Copilot app 入門指南：多 Agent 會話工作區與 Canvas 預覽
GitHub Copilot app 將 AI 編碼工具升級為多 Agent 會話工作區，支持同時管理多個任務線程而不丟失進度。用戶可為每個會話綁定項目上下文，通過 /create-canvas 命令在瀏覽器 Canvas 中預覽 UI 並直接點選修改，還能啟用 Agent Merge 自動處理 PR 審查反饋和合並衝突。
TIP來源：GitHub Blog
6. 浪費20億Token後，我開源了幫Agent定義目標的Leader.skill
作者開源了Leader.skill，用於將模糊的人類需求轉化為Agent可獨立執行數小時的目標任務書。該Skill基於“目標七問”方法論，涵蓋目的、完成態、反作弊、邊界等維度，並推薦用Claude Fable 5或Kimi K3規劃目標，再交由GPT-5.6 Sol或GLM-5.2等模型長程執行。項目已開源。
TIP來源：公眾號：數字生命卡茲克
7. Anthropic 澄清立場：從未主張全面禁止開源權重模型，支持芯片出口管制與安全測試
Anthropic CEO Dario Amodei 明確表示公司從未主張禁止開源權重模型，並認為不具備危險能力的開源權重模型是公共產品。他提出三項實際措施：對華芯片出口管制、打擊工業級知識蒸餾、對所有足夠強大的模型進行強制性安全測試。Amodei 指出，保護主義禁令無法解決其最擔憂的國家安全威脅，包括威權政府利用更強大 AI 實現軍事優勢或深度監控。
TIP來源：Anthropic：Newsroom（網頁）
8. OpenRouter 新增圖像生成模型專用 API 端點
OpenRouter 通過專用 /api/v1/images 端點提供圖像生成模型服務，圖像理解仍通過 /chat/completions 端點完成，兩者共用同一 API Key 和計費體系。該平臺同時公佈了兩種任務的完整接口合約，並修復了此前出現的“no endpoints found”錯誤。
TIP來源：OpenRouter：Announcements
