搜索

Moonshot 发布 Kimi K3(2.8T 开放版),NVIDIA 宣布 Open Secure AI Alliance,Perplexity 强化其企业版产品

由人工智能生成的文章
Moonshot 发布 Kimi K3(2.8T 开放版),NVIDIA 宣布 Open Secure AI Alliance,Perplexity 强化其企业版产品

本期涉及的公司

取消勾选不感兴趣的内容。您的选择适用于所有期次,并保存在本设备上。

主要实验室
中国
编程工具
智能体与网络搜索
生成式媒体
基础设施与开源

ai-powered-markdown-translator

使用 gpt-5.4-mini 将文章从法语翻译成中文。

在 GitHub 上查看项目 ↗

2026 年 7 月 27 日是信息密集的一天,三项重大且彼此独立的公告同时出现。Moonshot AI 发布了 Kimi K3 的权重和技术报告,这是一款拥有 2.8 万亿参数的开放模型,首日即由 Together AI 托管。NVIDIA 在同一天联合了约三十家合作伙伴——从 Adobe、Microsoft 到 Hugging Face 和 SpaceXAI——成立了 Open Secure AI Alliance,这是一个面向开放式 AI 安全工具的联盟,正值前文已报道的 Hugging Face 安全事件之后。Perplexity 则发布了两周来的首个更新日志,推出了九项非常偏向企业场景的新功能。围绕这三条主线,还延伸出七项值得注意的新动态——Cognizant 与 Anthropic、Cohere North Automations、Zed 采用 Opus 5——以及五项较小的公告。


Kimi K3:Moonshot AI 发布 2.8 万亿参数的开放模型,首日即由 Together AI 托管

7 月 27 日,17:14 — Moonshot AI 发布了 Kimi K3 的权重和技术报告,厂商将其描述为首个属于 3 万亿参数级别的开放模型——这是 Moonshot 的表述,应按其原文理解。这是一个 MoE(Mixture-of-Experts)模型,总参数量为 2.8 万亿,其中每个 token 仅激活 1040 亿参数,分布在 93 层之中。两项自研架构创新构成了其主要性能增益:Kimi Delta Attention(KDA),结合注意力残差机制(Attention Residuals),以及一种高度稀疏的 MoE(“Stable LatentMoE”),每次仅从 896 个专家中激活 16 个。Moonshot 声称,相比 Kimi K2,其扩展效率提升约 2.5×——“不只是参数更多”。该模型还原生集成了视觉能力(MoonViT-V2 编码器)以及一百万 token 的上下文窗口。

Kimi K3 现已可在 Kimi.com、移动应用(iOS/Android/HarmonyOS)、桌面应用 Kimi Work、命令行编码代理 Kimi Code(可通过 /model 选择)以及 Kimi API(模型 kimi-k3,兼容 OpenAI/Anthropic)中立即使用;输入端带缓存价格为 $0.30/MTok,不带缓存为 $3.00/MTok,输出为 $15.00/MTok。Together AI 是首日托管合作伙伴,Hugging Face 转载了该公告,未附加额外评论。

基准测试Kimi K3Claude Fable 5Claude Opus 4.8GPT-5.5
SWE-Marathon42,035,040,0—
MCPMark-Verified94,587,4——
GPQA Diamond93,592,691,093,5

Moonshot 也明确承认了若干局限:对保留式推理模式高度敏感(必须在后续轮次中原样重放完整历史,否则会不稳定)、在长而模糊的任务上有“过度主动”的倾向,以及实验室自身认为与 Claude Fable 5 和 GPT-5.6 Sol 相比存在“显著”的用户体验差距。与此同时,一份与新注意力机制兼容的前缀缓存实现也已贡献给 vLLM 社区,与该模型同步发布。

“Releasing the model weights and technical report of Kimi K3. Kimi K3 is our most capable model: a 2.8T MoE model with native visual understanding and a 1M-token context window. New model architecture: 2.5x the intelligence per unit of compute, not just more params.”

🇨🇳 我们发布 Kimi K3 的模型权重和技术报告。Kimi K3 是我们性能最强的模型:一个拥有 2.8 万亿参数的 MoE 模型,具备原生视觉理解能力和一百万 token 的上下文窗口。新架构:每单位计算带来 2.5 倍的智能提升,而不仅仅是更多参数。 — @Kimi_Moonshot 在 X 上

🔗 模型权重 — Hugging Face

🔗 技术报告 — GitHub


NVIDIA 联合发起 Open Secure AI Alliance,聚集三十余家伙伴推进 AI 安全

7 月 27 日 — NVIDIA 宣布成立 Open Secure AI Alliance,这是一个由约三十家创始伙伴组成的联盟——其中包括 Adobe、Cadence、Capital One、Cisco、Cloudflare、Cognition、CrowdStrike、Databricks、Dell、Hugging Face、IBM、LangChain、Linux Foundation、Microsoft、NAVER、Palantir、Red Hat、Salesforce、SAP、ServiceNow、Siemens、Snowflake、SpaceXAI 和 Thinking Machines Lab——专注于开发和共享面向 AI 系统安全与可靠性的开放工具。

该公告明确建立在 Hugging Face 于 7 月中旬发生的安全事件之上(此前已报道):NVIDIA 的博客提到,Hugging Face 曾在自己的基础设施上运行开放模型 GLM 5.2,以分析超过 17,000 个操作并遏制入侵——NVIDIA 认为,这一案例表明,顶尖开放模型是防御资产,而不是安全负担。

联盟伙伴具体贡献
NVIDIANOOA(NVIDIA Labs Object-Oriented Agent),面向代理测试框架的研究框架,已在 GitHub 开源
Hugging Face将 Safetensors 格式捐赠给 PyTorch Foundation
MicrosoftMDASH,多模型代理扫描测试框架,用于证明可利用漏洞
HPESPIFFE/SPIRE,面向代理和 AI 服务的零信任身份体系
SpaceXAI开放终端编码代理 Grok Build,未来将推出 Grok 系列权重

罕见的是,Jensen Huang 亲自评论了这一公告——这是他在 X 上发表的第二条消息,前一条是 7 月 24 日的公开信,前文已经提及。同一天,Cognition(Devin)也加入该联盟,并提交了其关于开源衍生模型可靠性研究的成果,这些研究已于 7 月 8 日公开:

“Closing open source models hurts innovation. The path forward is better tools to evaluate, secure, and deploy them responsibly.”

🇨🇳 关闭开源模型会损害创新。前进的道路在于提供更好的工具,用于评估、保护并以负责任的方式部署它们。 — @cognition 在 X 上

Sakana AI 也在同一天加入了由 Jensen Huang 于 7 月 24 日公开信所引发的开放模型推动浪潮——这是与联盟本身不同的第三个信号,标志着这一周的收束:安全事件(7 月 21 日)、公开信(7 月 24—26 日)、以及切实的产业联盟(7 月 27 日)。

🔗 官方公告 — NVIDIA

🔗 Jensen Huang 在 X 上

🔗 Sakana AI 加入这一浪潮


Perplexity 发布两周来的首个更新日志:九项功能,聚焦企业

7 月 27 日 — Perplexity 发布了一条内容密集的更新日志,这是自 7 月 13 日(“Introducing Brain for Perplexity Computer”)以来的第一条更新,在该渠道上已经连续两周没有新内容。此次更新汇总了九项分别影响 Perplexity Search、Computer、Agent API 和 Comet Assistant 的功能。其中八项为全新功能;第九项——Claude Opus 5 已集成到 Search 和 Computer 中——此前已于 7 月 25 日在 X 上宣布,这里只是通过更新日志正式确认。

新功能技术细节
基于角色的访问控制(RBAC)+ SCIM自定义角色、组同步、按组额度限制——仅限年度 Enterprise 合同
API 凭据保险库Computer 可对接任何第三方 API,而不会将密钥暴露给代理或沙箱
Brain 扩展至 Max 订阅用户自我改进记忆能力扩展到全球所有 Max 订阅用户,支持 15 种语言的 wiki 撰写
Agent API 的 Skills面向开发者代理的按需加载可组合能力
Comet Assistant 中的 Computer直接从 Comet 面板访问 Computer,无需离开当前页面
检查来源验证 Ask 或 Computer 的回答是否确实由其引用来源支持
Source Context Panel用于检查、比较并深入了解回答来源的侧边栏面板
基于提示词的会话管理可从一次简单对话中恢复、总结、分叉或并行化 Computer 会话

表中的前两项功能专门面向年度 Enterprise 合同组织:带 SCIM 同步的基于角色访问控制,满足典型的 IT 治理需求(集中式配置、按团队设定额度上限);而 API 凭据保险库则将 Computer 扩展到那些没有原生连接器的第三方服务,同时从不向代理暴露原始密钥。Brain 扩展到所有 Max 订阅用户,则覆盖了比该功能一个月前首次上线的 Enterprise 细分市场更广泛得多的受众。

这九项功能中,没有任何一项被标注为仅供预览版使用:在发布时,它们要么已经可用,要么正在全面部署中。就其广度——企业治理、开发者和普通用户都集中在同一条更新里——而言,这份更新日志是 Perplexity 自 7 月中旬推出 Personal Computer 以来最密集的一次发布。

🔗 官方更新日志 — Perplexity


Cognizant 与 Anthropic 扩大企业合作

7 月 27 日 — Cognizant 成为 Claude Partner Network 中的 Global Premier Partner。Claude 现已集成到公司内部三大平台中:Flowsource(全栈工程平台,其中 Spec-Driven Development 模块由 Claude Code 按项目规范和蓝图驱动)、Neuro AI Engineering 和 Neuro IT Ops。超过 30,000 名 Cognizant 员工已经接受了 Claude 培训,纳入该集团新的“Frontier Certified”劳动力模型。

客户案例量化结果
客户体验门户(全球制造商)6 个月交付
合同智能(生物制药)复核时间最多减少 40%,抽取准确率超过 88%
风险导航(保险)每人每周节省约 8 小时

Cognizant 首席执行官 Ravi Kumar S 提到,AI 能力与企业吸收这些能力的速度之间的差距正在扩大,并将 Cognizant 定位为连接业务上下文、工程规模与信任框架的桥梁,以支撑这些部署。

🔗 官方公告 — Anthropic


代码工具:Zed 采用 Claude Opus 5,GitHub Copilot 优化成本

Zed 1.12.1 和 1.13.1 新增 Claude Opus 5

7 月 27 日 — Zed 同时发布 1.12.1(稳定版)和 1.13.1(预览版),为 Anthropic 和 Amazon Bedrock BYOK(bring your own key)提供 Claude Opus 5 支持。Zed 成为第 5 个集成 Opus 5 的代码工具,前面已有 Cursor、Devin、v0 和 Warp——但与前四者不同的是,Zed 仅通过更新日志发布,而没有在 X 上单独公告。预览通道还修复了三个独立问题:项目设置未能重新启用语言服务器、在 Amazon Bedrock 的 Mantle 端点上使用 GPT-5.x 模型时出现重复响应,以及项目搜索错误地返回了本应排除的嵌套仓库。

🔗 稳定版更新日志 — Zed

GitHub Copilot — Auto 路由(HyDRA)让 AI 额度持续 3.3 倍更久

7 月 27 日 — GitHub 解释称,提示词缓存(prompt caching)、工具检索(tool search)以及名为 HyDRA 的模型路由系统,减少了每次 Copilot 会话中重复传入的上下文。量化结果为:HyDRA 在任务解决率上与 OpenRouter Auto 的 70.8% 持平,同时实现了 3.3× 的额度节省。此次公告尚未发布专门博客文章,目前只是一条推文——延续了 6 月 25 日发布的 Copilot 测试框架效率评估的脉络。

🔗 公告 — @github 在 X 上


OpenAI:企业语音功能扩展与新的经济研究

GPT-Live 面向 Edu、Business 和 Enterprise 全球可用

7 月 27 日 — OpenAI 确认,GPT-Live 这一 7 月 8 日推出、用于实现人类与 AI 自然交互的新一代语音模型,现已在全球范围内面向 Edu、Business 和 Enterprise 计划开放。ChatGPT Voice 的桌面应用在 7 月 23 日就已经提到这些计划;这里的新内容是明确确认该语音模型本身——而不仅仅是桌面集成——也已覆盖,而且是全球范围。该公告直接发布在 X 上,没有配套文章:它是本次观察窗口中与 Enterprise 扩展最直接相关的元素。

🔗 公告 — @OpenAI 在 X 上

前沿工作:AI 如何扩展工作中的任务

7月27日 — OpenAI Economic Research 基于对超过 800,000 条美国用户 ChatGPT 消息的分析,发布了新系列中的首份报告。报告引入了任务交叉(task crossover)这一概念:指通常与某一职业相关的工作,却出现在从事另一职业的人使用 AI 的场景中。与工作相关的消息中有 16.8%,而特定职业相关的消息中有 43.5%,涉及的是不同于用户自身职业的任务。

涉及的职业非本职任务占比
客户体验77%
设计75%
人力资源69%
法务56%
营销53%

这一现象在小型组织中更常见:非本职任务占比从 2 到 5 个工位的工作空间中的 18.9%,降至 100 个工位以上的 16.3%,这与 AI 在缺乏专业资源的地方充当通用工具的观点一致。

🔗 完整报告 — OpenAI


Meta AI 将 SAM 和 DINOv3 部署到辅助机器人项目中

7月27日 — Meta AI 发布了一项关于 RAMMP(Robotic Assistive Mobility and Manipulation Platform)项目的案例研究,该项目由匹兹堡大学(HERL)和 ATDev 推动,并获得 ARPA-H(美国联邦先进生物医学研究机构)最高 4,150 万美元资助。目标:为轮椅使用者提供更安全的机器人平台——美国约有 550 万轮椅使用者,每年有超过 100,000 起与轮椅相关的伤害在急诊中接受处理。

开源模型 DINO/DINOv3(自监督 vision transformer)和 SAM/SAM 3.1(分割)直接在机器人的嵌入式硬件上以 edge computing 方式运行——这一约束由电池续航和缺乏可靠网络连接所决定。感知系统依赖 RF-DETR,这是一种利用 DINOv2 embeddings 微调的轻量检测器,其训练数据通过 SAM 自动标注。相关联盟包括 Kinova Robotics、LUCI Mobility、ATDev,以及来自 Carnegie Mellon、Cornell、Northeastern 和 Purdue 的团队。

🔗 完整案例研究 — Meta AI


Cohere 发布 North Automations,为企业提供 agentic 工作流编排

7月27日 — Cohere 推出 North Automations,这是其企业 agentic 平台 North 的一项新能力,可用自然语言设计自动化工作流:计划执行、循环与分支、按步骤选择模型、“Plan” 模式用于构建前审阅、人工审批点,以及 token 消耗追踪。Cohere 将 agents orchestration 的市场机会估算为 5,500 亿美元,并引用了 Gartner 关于 agentic AI hype cycle 的报告。

Automations 建立在 North 现有基础设施之上(本地部署或云部署、专有连接器、MCP 或 SDK、护栏与细粒度权限),现已向所有 North 客户开放。内部方面,Marketing Operations、Customer Success 和 Sales 团队已经构建了各自的自动化流程——分别是将自然语言问题翻译为 BigQuery SQL 查询、聚合 HR、Slack 和 Salesforce 的客户参与追踪器,以及交叉 Salesforce、Slack、Gmail 和 Notion 的潜在客户电话准备流程。

🔗 公告 — @cohere 在 X 上

🔗 博客文章 — Cohere


简讯

  • GitHub Blog — “The harness is all you need (mostly)” — Burke Holland 发布了一个 8 步 Copilot 工作流(选择工具、YOLO 模式、视觉原型、带 /grill-me 的计划、Autopilot 实现、人工审查、由另一模型家族进行交叉审查、交付),适用于整个 Copilot 家族。🔗 来源
  • NVIDIA — Vera CPU 加速芯片设计 — 已在内部 EDA 流程中与 Cadence(Jasper)和 Synopsys(VCS)一起部署,在相同核心数量下,某些验证负载的性能最多提升 1.5×。🔗 来源
  • NVIDIA — Nemotron 3 Ultra 在 agentic RTL 编码中领先 — 在九个真实芯片设计类别中,这一已知的开放模型在测试的开放模型中取得了最佳结果。🔗 来源
  • HeyGen / HyperFrames — 第21天和第22天(共30天) — 通过 HeyGen API 的云端渲染(1080p 约 $0.10/分钟),随后是一个可复用组件目录,用于构建场景而无需从零开始。🔗 第21天 · 第22天
  • ElevenLabs — 10月6日班加罗尔峰会 — 计划在此次活动中展示新模型预览,并演示印度团队在语音 AI 方面的工作。🔗 来源

这意味着什么

模型开放正从口号走向行动。 在 7 月 24 日 Jensen Huang 的公开信及其不断扩大的联盟(Cohere、Ai2、Together AI,以及本周末加入的 Sakana AI)之后,7 月 27 日带来了一个质变:一个结构化的产业联盟,成员提供了具体工具(NVIDIA 的 NOOA、Hugging Face 的 Safetensors、HPE 的 SPIFFE/SPIRE),以及一个旗舰模型 Kimi K3,宣称在开放权重下达到 3,000 亿参数级别。两种不同形式,却是同一股动力,并且在同一天发布。

安全性成为支持开放的理由,而不是反对它。 Open Secure AI Alliance 逆转了一个常见论点:削弱安全性的不是模型开放,而是模型封闭使防御者失去可检查的工具。7 月中旬 Hugging Face 的事件中,一个开放模型(GLM 5.2)帮助对超过 17,000 次入侵行为进行了取证分析,这成为这一论点的示范——NVIDIA 明确引用了这一典型案例来证明成立该联盟的必要性。

开放前沿正在接近封闭前沿。 在多个具体的 agentic 基准上——SWE-Marathon、MCPMark-Verified、GPQA Diamond——Kimi K3 超过或持平 Claude Fable 5、Claude Opus 4.8 和 GPT-5.5,同时也承认自己在整体用户体验上仍有差距。开放模型与专有模型之间的差距在一个个基准上不断缩小,尽管开放实验室本身也承认,它们在整体体验上仍未达到最佳封闭模型的水平。

企业 AI 正通过小块治理积木完成工业化。 Cognizant 培训 30,000 名员工使用 Claude,Perplexity 为 Computer 增加 RBAC 和 SCIM,Cohere 推出带人工审批点的工作流编排,OpenAI 将 GPT-Live 扩展到 Edu/Business/Enterprise:四家不同的参与者在同一天推进访问控制、可追踪性和自动化这些治理积木——这正是让 agentic AI 从原型走向企业大规模部署所必需的基础。


来源