月之暗面开源发布 Kimi K3：2.8T 参数原生多模态智能体模型
月之暗面（Kimi）发布开源原生多模态智能体模型 Kimi K3，总参数 2.8T、激活 104B，原生支持文本、图像与视频，配备 1M token 上下文窗口。
推荐理由：Kimi K3 以 2.8T 参数和原生多模态设计开放权重，并在推理、编码与智能体多项基准上与 Claude Fable 5、GPT-5.6 Sol 等前沿模型直接对比，读者可据此查看其相对位置。
技术方向
推理能力 最新动态
让大模型先想再答的能力：思维链、推理模型，数学与逻辑评测上的突破和争议。
213 条精选近 30 天 180 条共收录 260 条
更新
精选归档 · 第 11 页
Kimi (Moonshot)精选AI 评分7979
阶跃 StepFun精选AI 评分6262 阶跃 StepFun 发布 198B 参数视觉语言模型 Step 3.7 Flash
StepFun 发布 198B 参数稀疏 MoE 视觉语言模型 Step 3.7 Flash，每 token 激活约 11B 参数，吞吐量最高 400 tokens/s，支持 256k 上下文窗口与低/中/高三档推理强度。
推荐理由：原文说明了该 198B MoE 模型针对高频生产与智能体工作流的定位，以及通过三档推理强度平衡成本与速度的设计取舍。
Kimi (Moonshot)精选AI 评分7474 Kimi K2.6 开源发布：支持 300 子智能体协同，主打长程编码与原生多模态
Kimi K2.6 开源发布，定位原生多模态智能体模型，重点强化长程编码、代码驱动的界面设计与 Agent Swarm 多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向扩展至 300 个子智能体执行 4000 步协同任务，并在单次自主运行中产出文档、网页、表格等端到端结果。
推荐理由：原文给出 K2.6 与 GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro 在 Agentic、编码、推理、视觉四类基准的多维对比，可作为开源前沿模型与闭源旗舰能力差距的一手参考。
Meta AI Blog精选AI 评分6969 Meta 发布 Muse Spark 模型，主打多模态推理与多智能体编排
Meta Superintelligence Labs 发布 Muse Spark 模型，原生多模态推理，支持工具调用、视觉思维链和多智能体编排。其 Contemplating 模式通过多智能体并行推理，在 Humanity's Last Exam 上达到 58%、FrontierScience Research 38%。
推荐理由：Muse Spark 在预训练效率和多智能体推理上给出了具体数字，可以与 Llama 4 Maverick 及同类推理模型横向比较。
阶跃 StepFun精选AI 评分7070 阶跃开源 Step 3.5 Flash 基座模型，总参数 196B 每 token 激活约 11B
阶跃（StepFun）开源 Step 3.5 Flash 基座模型，总参数 196.81B，每 token 激活约 11B，采用稀疏 MoE 与 3-way Multi-Token Prediction（MTP-3）。
推荐理由：原文给出了 11B 激活参数下的稀疏 MoE 设计与多模型基准对比，可用于评估开放模型的推理与 Agent 能力边界。
Kimi (Moonshot)精选AI 评分7676 Moonshot AI 开源发布原生多模态智能体模型 Kimi K2.5
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 用约 15T 视觉和文本混合 token 继续预训练，支持即时与思考双模式及 Agent Swarm 协同执行。
推荐理由：原文给出 1T/32B MoE 架构与 256K 上下文的多模态智能体能力，并附与 GPT-5.2、Claude 4.5 Opus、Gemini 3 Pro 的横评。
Kimi (Moonshot)精选AI 评分7979 月之暗面发布开源思考模型 Kimi K2 Thinking
Kimi K2 Thinking 是月之暗面（Moonshot AI）发布的开源思考模型，采用 MoE 架构，总参数 1T、激活 32B，原生支持 256k 上下文与 INT4 量化推理。
推荐理由：给出了K2 Thinking在推理、Agent搜索和代码任务上与GPT-5等多款主流模型的对照成绩，便于横向比较当前开源思考模型的水平。
xAI News精选AI 评分7272 xAI 发布 Grok 4 Fast，主打成本高效推理
xAI 发布 Grok 4 Fast 模型，主打成本高效推理，支持 2M token 上下文窗口，并采用统一架构在同一权重下切换推理与非推理模式。官方称其在 GPQA Diamond、AIME 2025、HMMT 2025 等基准上接近 Grok 4，平均思考 token 减少 40%，达成同等性能的价格下降 98%。
推荐理由：xAI 公开了 Grok 4 Fast 在多推理与搜索基准上的成绩和定价，读者可直接拿来对比 Grok 4、GPT-5 等模型的性价比。
xAI News精选AI 评分7171 Grok 4 与 Grok 4 Heavy 发布：原生工具调用与实时搜索集成
xAI 发布 Grok 4 与 Grok 4 Heavy，号称全球最智能模型，集成原生工具调用与实时搜索，已向 SuperGrok 和 Premium+ 订阅用户开放，并通过 xAI API 提供。
推荐理由：原文披露了在 200K GPU 集群上扩展强化学习的训练路径，并给出多个基准成绩，可作为对比前沿模型推理能力的参考。
xAI News精选AI 评分7676 xAI 发布 Grok 3 Beta 模型与 DeepSearch 智能体
xAI 发布 Grok 3 Beta 与 Grok 3 mini，主打基于大规模强化学习的推理能力，Grok 3 (Think) 在 AIME 2025 上达到 93.3%（cons@64）、GPQA 84.6%、LiveCodeBench 79.4%，Chatbot Arena Elo 1402，支持 1M token 上下文窗口。
推荐理由：读者可据此对比 Grok 3 与 Gemini 2.0、DeepSeek-V3 等模型在数学、代码与知识任务上的实测差距。
xAI News精选AI 评分6969 xAI 发布 Grok-2 与 Grok-2 mini Beta，登陆 𝕏 平台并开放企业 API
xAI 发布 Grok-2 与 Grok-2 mini Beta，已在 𝕏 平台对 Premium 和 Premium+ 用户开放测试，企业 API 将于本月晚些时候上线。
推荐理由：原文给出 LMSYS Elo 排名与多项学术基准对比，读者可直接看到 Grok-2 与 GPT-4 Turbo、Claude 3.5 Sonnet 的相对位置。
xAI News精选AI 评分6767 xAI 发布 Grok-1.5：128K 上下文与改进的推理能力
xAI 发布 Grok-1.5 模型，支持 128K tokens 上下文长度，主打长上下文理解与改进的推理能力；在 MATH 上取得 50.6%（4-shot）、GSM8K 90%（8-shot）、HumanEval 74.1%（0-shot）、MMLU 81.3%（5-shot），并在 Needle In A Haystack 评测中实现 128K 长度内的完美检索。
推荐理由：原文提供了与 GPT-4、Claude 3 Opus、Gemini Pro 1.5 等模型的横向基准对比，读者可以据此判断 Grok-1.5 的相对性能位置。
xAI News精选AI 评分6666 xAI 推出 Grok 聊天助手，公布底层大模型 Grok-1 基准成绩
xAI 发布 Grok 聊天助手，由其自研大模型 Grok-1 驱动，目前以限量早期测试向美国用户开放。Grok-1 在 HumanEval 上得 63.2%、MMLU 上得 73%、GSM8k 上得 62.9%、MATH 上得 23.9%，在同算力档下超过 GPT-3.5 和 Inflection-1，但仍落后于 GPT-4。
推荐理由：给出了 Grok-1 在 GSM8k、MMLU、HumanEval 等基准上的成绩，读者可与 GPT-3.5、GPT-4 等模型横向对比。