vLLM 团队实现 Kimi K3 在 NVIDIA GB300 NVL72 上 842 tokens/s 解码
vLLM 和 NVIDIA 把 Kimi K3 推理速度干到了单批 842 tokens/s，还公开了完整 kernel 实现和评测细节，做推理优化的可以细看。
全部动态
AI 相关资讯全量信息流 · 342 条
10月18日
10月17日
DeepSeek 发布开源模型 DeepSeek-V4.1-Flash-1017
DeepSeek 新出的 V4.1-Flash-1017 是开源的，DeepSWE 1.1 跑分 77%，把 GPT-5.6 Sol 和 Opus 5 都比下去了，价格还便宜。
AMD MI355X 在 Kimi K3 推理上性能超 NVIDIA B300 24.4%
AMD 卡跑 Kimi K3 吞吐反超 NVIDIA B300 四分之一，每美元 token 还多 87%，文中还有 vLLM 瓶颈排查套路，自己搭推理服务的可以看看。
10月16日
NVIDIA Vera Rubin NVL72 首批基准成绩公布
NVIDIA 新一代 Vera Rubin NVL72 的跑分出来了，跑 DeepSeek V4 Pro 每兆瓦吞吐量是上一代的 5.7 倍，还刷出 906 tok/s 的单用户最快速度。
用 Gemini 3.8 Flash、Kimi K3、Opus 5.5 各出四版界面方案
一个人用三个模型各出四版界面设计，再用 GPT 6 Astra 协调评审，多模型比稿的玩法可以抄。
Meta 发布开放权重模型 Muse Spark Open：8160 亿参数可免费商用
Meta 第一次放出 Muse 系列大模型权重，免费能商用，工具调用和防越狱成绩很强，写代码不如 Kimi K3，想本地跑得先看看钱包和内存条。
美国首个接近前沿智能体能力的开放权重模型引发关注
Nathan Lambert 说美国终于有了能打的开放权重模型，之前只有 GLM 5.2 和 Kimi K3 这个级别，开发者值得关注。
10月15日
AMD MI355X 跑分出炉：Artificial Analysis 将其纳入 AA-AgentPerf 对比 NVIDIA
AMD MI355X 和 NVIDIA B200/B300 跑智能体工作负载的对比数据来了，DeepSeek V4 Pro 上每瓦吞吐反超 B200 最多 40%，但高负载下被拉开，想选卡部署的可以看数据。
10月14日
Meta 发布 Muse Wonder 系列：Text Arena 排名第二
Meta 的 Muse Wonder 在文本榜冲到第 2，只差 Gemini 4 Argon 12 分，网页开发榜也进了前 15，可以直接 API 调用试试。
LMArena 推出 Max 路由方法，跨模型组合实现性能与成本优化
LMArena 的 Max 路由器能把任务自动分给不同模型，比单独用 Fable 5 (High) 还准一点，成本砍了一半多。
10月13日
Artificial Analysis 发布 AA-3D 基准：21 个模型盲测比拼 3D 场景搭建
AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。
Cognition 发布 FrontierCode 1.1 编程基准，Claude Opus 5.5 以 52% 居首
Cognition 的新基准看代码能不能被维护者真合并，最强模型也只有 52%，GPT-6.1 Sol 花十分之一的钱就追平 Claude，榜单数据很硬核。
Artificial Analysis 推出 FrontierCode 1.1 编程基准排行榜
Cognition 的 FrontierCode 1.1 排行榜来了，专测代码能不能被真实维护者合并。Claude Opus 5.5 拿 52% 居首，GPT-6.1 Sol 用十分之一的价格打平，开源的 MiMo-V2.6-Pro 也很能打。
Agent Arena 数据：开源模型 12 周追平 Claude Fable 5
LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。
10月10日
SGLang 优化 NVIDIA Vera Rubin 推理性能
SGLang 优化了 NVIDIA Vera Rubin 的推理性能，还支持强化学习训练，性能提升明显。
博主实测：前端审美类任务 Claude 和 Kimi K3 表现更稳
做前端页面总被吐槽丑的可以试试，博主实测 Claude 和 Kimi K3 审美最在线，换成 Kimi K3 干这活儿可能就够用了。
10月9日
Step 5 Preview 在 Cline 中免费开放
StepFun 的 Step 5 Preview 免费进 Cline 了，DeepSWE 成绩压过 Kimi K3 和 GLM-5.3，写代码的可以直接试试。
10月8日
Mistral Large 4 发布：1T 参数、49B 激活，开源权重月底放出
Mistral 的 Mistral Large 4 来了，1T 参数只激活 49B，权重月底开源，视频里直接和 GPT-6.1、Claude Opus 5.5 掰手腕，可以看看它到底排在哪一档。
Mistral Large 4 在 AutomationBench 办公自动化基准上领先
Mistral 晒了新基准成绩：Mistral Large 4 跑 657 个办公自动化任务，赢了 Kimi K3 和 DeepSeek V4 Pro，做 agent 介绍的可以看看。
10月7日
Kimi K3 之后两个月，国产模型仍未突破其性能上限
博主说 Kimi K3 虽训练不足，两个月了国产模型还是没人在核心能力上超过它，想了解国产模型格局的可以看看。
Agent基准测试需评估评分者而非仅任务
Zapier的AutomationBench基准测试被多家前沿实验室引用，但评分者存在严重缺陷，修复后评分差异达27.9%。
Shaped 审计 Zapier AutomationBench，修复 206 个验证器漏洞
Shaped 给 Zapier 的 AutomationBench 做了一次验证器审计，用智能体找茬找出 206 个真实漏洞，近三成 Kimi K3 成绩因此改变，做评测的都该看看。
Shaped 审计 Zapier AutomationBench：600 个任务中发现 206 个验证器 bug
Shaped 把 Zapier 的 AutomationBench 全查了一遍，206 个验证器有 bug，修完后 Kimi K3 近三成评分都变了，做评测的都该看看。
10月6日
Mistral 发布 1T 参数多模态模型 Mistral Large 4，编程与安全成绩对标 GLM-5.3
Mistral 这次真支棱起来了，1T 参数只激活 49B，用 4000 块芯片就训出能跟 GLM-5.3 掰手腕的模型，欧洲总算有能打的了。
Reflection AI 开源 Beam：501B 参数 MoE，号称最强西方开源模型
Reflection AI 开源了 Beam，501B 参数 MoE，作者称推理算力只要 GLM-5.2 的三分之一，Apache 2.0 可商用，不过注意这数字只是估算。
10月5日
开源模型观察清单：Qwen 4、Kimi K3.1、GLM-5.4、DeepSeek V4.2 发版传闻汇总
帮你盘了下四款国产开源模型的发版传闻：Qwen 4、Kimi K3.1、GLM-5.4、DeepSeek V4.2，想本地跑模型可以先记好时间线。
10月4日
Ling 3.1 Flash 接入 Cline，10月13日前免费使用
写代码的朋友可以试试，560B 的 MoE 模型 Ling 3.1 Flash 进 Cline 了，10月13日前免费用，性能对标 Kimi K3 和 DeepSeek V4 Pro。
10月1日
LangChain引擎在Kimi K3微调后提升代码审查精度
LangChain用自家Kimi K3微调的引擎，代码审查精度提升近20%，工具调用减少29%。
计算机使用代理速度测试结果
Astra和Kimi K3同分不同速，4.4倍差距值得开发者关注
Fulcrum 使用 Fireworks API 训练 Echo 模型
Fulcrum 用 Fireworks API 和 Kimi K3 训练 Echo，成本仅 4500 美元，还分享了角色训练技巧。
OpenAI支持企业直接使用GLM和Kimi模型
OpenAI开放平台支持直接使用GLM和Kimi，企业可统一管理支出
Fireworks推出Ember-1模型，推理效率接近Kimi K3
Fireworks新出的Ember-1模型，比Kimi K3更省token，成本更低，速度更快。
9月30日
大模型深度诅咒破解方法对比
Kimi、DeepSeek和字节跳动各自提出不同方法解决深度诅咒，DepthBench将对比效果。
大模型深度与性能关系研究
Kimi、DeepSeek和字节跳动各自提出不同方法解决深度诅咒，看看哪种方案更有效。
GLM-5.3在控制流劫持测试中取得突破
GLM-5.3首次在控制流劫持测试中取得突破，与Claude Mythos Preview差距缩小。
Arena平台展示前沿模型重建古罗马进展
Arena平台展示了多个前沿模型重建古罗马的能力，Claude和GPT的最新版本即将公布分数。
9月29日
Together在OpenRouter开源编码模型中占据首位
Together在开源编码模型领域领先，GLM、DeepSeek和Kimi三款模型占据OpenRouter平台大部分份额。
JevRouter实现多模型协同编程
JevRouter自动匹配最优模型，用99%的Opus 5.5和GPT-6 Astra性能实现40%成本节省。
Perplexity 红队测试 SPACE 沙箱：108 次运行中 4 个模型借网络访问绕过封锁
Perplexity 拿 9 个模型做沙箱越狱测试，108 次全没逃出 VM，但一开网络就有 4 个钻了空子，连 E2B、Vercel 都有同样的坑，细节很有意思。
9月28日
Fireworks 推出 Ember-1：基于 Kimi K3，推理 token 用量减少约 40%
Fireworks 拿 Kimi K3 改了个 Ember-1，推理 token 少用 40% 还不掉分，省钱党可以看看。