

> 2.8万亿参数绝不仅是枯燥的数字游戏，更是底层算力调度的暴力美学。Kimi K3通过极端的MoE架构切分，在大幅压降推理成本的同时，彻底撕开了大模型领域的开源与闭源路线之争。

模型参数量的军备竞赛从未停止，但这一次，月之暗面将桌子直接掀翻。当行业普遍在千亿参数级别徘徊、试图通过数据清洗来“榨干”小模型潜力时，Kimi K3直接甩出了一个令人窒息的数字——2.8万亿参数，并且采用开源策略。这不仅是对现存闭源巨头的一次背刺，更是底层架构层面的一次极限测试。

## 拆解MoE架构 算力分配的精密手术刀

要理解2.8万亿参数的恐怖之处，必须先扒开MoE（混合专家模型）的外衣。传统Dense（稠密）模型在处理任何指令时，整个神经网络的所有神经元都会被唤醒。这就好比你为了问路，强行把全城两百万人全部叫醒一样，其算力浪费是极其巨大的。
![12.jpg](https://static.downly.cn/images/7c24f9530d78aa4ea263dd9e6501bfc6.jpg)
<center>图源备注 图片由AI生成</center>

核心突破　Kimi K3的稀疏激活机制。在K3的架构设计中，2.8万亿参数被切割成了数千个细分的“专家网络”。当用户输入一个关于量子力学或者法律合同的指令时，模型前端的“路由器（Router）”会像顶尖的接线员一样，瞬间评估出最适合处理该问题的几个专家网络，并仅唤醒它们。这意味着，尽管它拥有2.8万亿的庞大身躯，但在单次推理时消耗的算力可能仅相当于一个千亿级模型。

这种设计极其考验基础设施的调度能力。在显存墙和通信墙高筑的今天，如何在不同的GPU节点之间以微秒级延迟传递这些“专家”的数据包，是真正的技术深水区。月之暗面此次公开的技术报告，显然在分布式训练框架和通信带宽优化上交出了令开发者眼馋的答卷。

## 重塑开发者生态 算力下放的涟漪效应

大模型的开源与否，本质上是对开发者注意力的争夺。闭源模型通过API收租，而开源模型则是通过降低门槛来构建生态壁垒。Kimi K3的出现，直接切中了当前企业级市场的痛点。

![13.jpg](https://static.downly.cn/images/5743492c30fb5bd72464ea9ea8c888d2.jpg)
<center>图源备注 图片由AI生成</center>

关键影响　本地化部署的质变。过去，企业若想获得GPT-4级别的数据分析或文本推理能力，必须将核心机密数据上传至云端，这对金融、医疗等强监管行业而言是不可接受的。K3的开源，意味着只要企业拥有中等规模的算力集群，就能在内网跑起一个具有极高智商底线的超级大脑。

此外，由于MoE架构的特性，开发者在进行微调（Fine-tuning）时不再需要牵一发而动全身。他们可以针对性地“喂养”特定领域的专家网络，这极大地降低了行业垂直大模型的训练成本。

务实的未来预测　K3的发布不会立刻摧毁闭源巨头的商业模式，但它设定了一条极具破坏性的“基准线”。随着开源社区对其架构的进一步剪枝和量化优化，未来六个月内，我们将看到一大批基于K3魔改的专业领域大模型涌现。大模型厂商单纯依靠“参数垄断”收取高额API费用的日子，已经正式进入倒计时。

月之暗面开源2.8万亿参数Kimi K3 打响底层大模型架构反击战

> 进入 2026 年年中，全球主流 AI 编程开发平台（Claude Code、Antigravity、GitHub Copilot、Cursor、Windsurf）迎来了一轮集体颠覆性的计费与限频机制调整。行业正在全面告别传统的“无限次/固定次数包月制”，转向“代理时数（Agentic Hours）”**与**“用量/代币池（Usage-based/Token Pool）”驱动的精细化计费时代。



## 🎯 一、 2026 年 6 月五大平台核心数据横向对比

为了让您能够最直观地在不同品牌之间进行权衡，以下是五大主流平台在基础档、重度档以及计费核心上的全面横向横评：

| **平台**           | **基础 Pro 价格** | **重度 Max/Ultra 价格** | **计费核心依据**    | **2026 年 6 月最新关键变化**                         |
| ------------------ | ----------------- | ----------------------- | ------------------- | ---------------------------------------------------- |
| **Claude Code**    | $20 / 月          | $100 ~ $200 / 月        | 代理时数 / 速率限制 | **6/15 日起，实施 Agent 专属独立计费**，区分一般对话 |
| **Antigravity**    | $19.99 / 月       | $100 ~ $200 / 月        | 多模型共享代币池    | 价格全面下调，原 $250 档位降至 $200                  |
| **GitHub Copilot** | $10 / 月          | 按需叠加用量            | AI Credits (点数)   | 6/1 全面彻底转向纯用量计费，取消请求制               |
| **Cursor**         | $20 / 月          | $60 / $200 / 月         | 代理额度 / API点数  | 强化中端 Pro+ 档位，引入云端高级 Agents              |
| **Windsurf**       | $20 / 月          | $200 / 月               | 日周配额 (Quotas)   | 与 Cursor 价格对齐，整合 Devin 顶级代理              |



## 二、 各平台套餐详细讲解与内部对照

### 1. Claude Code (Anthropic)

2026 年 6 月 15 日起，Anthropic 正式实施了全新的“代理导向（Agentic）”计费模型，将 Agentic（代理式）任务与一般对话任务的配额进行了彻底剥离。

#### 📊 内部套餐方案详细对照

| **订阅方案**         | **月费 (USD)** | **核心配额与包含特性**                                       | **适用人群建议**         |
| -------------------- | -------------- | ------------------------------------------------------------ | ------------------------ |
| **Claude Pro**       | $20            | 包含 Claude Code 访问权，提供基础代理时数（约 5 小时/周），支持 Opus 4.7 与 Sonnet 4.6 模型。 | 个人轻度/日常开发者      |
| **Claude Max (5x)**  | $100           | 提供 Pro 方案 **5 倍**的速率限制与代理配额。                 | 中度全职开发需求         |
| **Claude Max (20x)** | $200           | 提供 Pro 方案 **20 倍**的速率限制与代理配额。                | 重度全栈开发者、独立黑客 |
| **Team Premium**     | $100 / 人      | 包含 Max 级别配额，增加团队管理后台、增强的安全合规与集中计费。 | 企业开发团队、小型工作室 |

#### ⚙️ 限频机制深度解析

- **5 小时滚动窗口**：2026 年 5 月 6 日起，Anthropic 将 Pro 用户的 5 小时限额直接翻倍，并彻底取消了此前备受诟病的高峰时段（Peak Hours）限制。
- **周限额天花板**：在滚动窗口外，后台仍设有一道 7 天总计计算时长的上限（Ceiling），用于拦截恶意自动化脚本或防止资源滥用。



### 2. Gemini / Antigravity (Google)

Google 将 AI 编程工具 Antigravity 彻底并入 Google AI 订阅体系。其核心逻辑是取消了固定的“调用次数”，改为多模型共享的“性价比换算机制”。

#### 📊 内部套餐方案详细对照

| **订阅方案**              | **月费 (USD)** | **核心配额与包含特性**                                       | **2026 年最新政策变化**       |
| ------------------------- | -------------- | ------------------------------------------------------------ | ----------------------------- |
| **Google AI Pro**         | $19.99         | 基础开发方案，提供 Antigravity 访问权，包含 Gemini 3.5 Pro/Flash 模型。 | 基础入门方案                  |
| **Google AI Ultra (100)** | $100           | 提供 Pro 方案 **5 倍**的代币配额，适合高频日常开发。         | **2026 年 5 月新增方案**      |
| **Google AI Ultra (200)** | $200           | 提供 Pro 方案 **20 倍**的代币配额，针对顶尖重度开发者。      | **价格大幅下调**（原价 $250） |
| **Gemini Enterprise**     | 洽询销售       | 整合进 Google Cloud，提供企业级安全与自定义代理部署。        | 面向企业级定制                |

#### ⚙️ 限频机制深度解析

- **7 日循环代币池（Token Pool）**：用户不再以“次数”计费。由于 Flash 模型在代币池中的消耗比 Pro 模型便宜 8 倍，开发者在进行日常轻量修改时多调用 Flash，可以使整个代币池的额度成倍耐用。
- **速率暴涨**：2026 年 5 月 21 日，Google 官方将 Antigravity 的 Gemini 模型速率限制直接提升了 3 倍，极大缓解了自动多文件修复时的卡顿现象。



### 3. GitHub Copilot & Codex (Microsoft)

2026 年 6 月 1 日，GitHub 正式完成了从传统“请求制”向“纯用量点数制（Usage-based）”的全面转型。

#### 📊 内部套餐方案详细对照

| **订阅方案**         | **月费 (USD)** | **包含的 AI Credits (点数)** | **核心特性与支持模型**                                       |
| -------------------- | -------------- | ---------------------------- | ------------------------------------------------------------ |
| **Copilot Pro**      | $10            | 内含 **$10** 价值的额度      | 基础点数用完后可随时按需加购。支持 GPT-5.3 Codex 与 Claude 代理。 |
| **Copilot Pro+**     | $39            | 内含 **$39** 价值的额度      | 针对专业个人开发者，提供更高优先权的计算资源与独立通道。     |
| **Copilot Business** | $19 / 人       | 企业池化点数，组织共享       | 支持组织级别的点数共享、集中管理，默认整合最新 Codex 基础模型。 |

> 📌 **Codex 最新状态说明**：Codex 目前已不再作为独立 API 产品售卖，而是作为 GitHub Copilot 的后端基础模型（当前版本为 GPT-5.3-Codex）。

#### ⚙️ 限频机制深度解析

- **全面取消时间限频**：不再有“每小时/每天限制多少次”的概念。
- **AI Credits 实时扣减**：系统纯粹依据“点数消耗”实施限制。每 0.01 美元对应 1 个 AI Credit，系统会根据你选择的底层模型以及实际生成的 Token 消耗进行精确扣减。用完后，开发者可以像加油一样随时在线续费续航。



## 4. Cursor (Anysphere)

Cursor 作为领先的 AI 原生 IDE，在 2026 年进一步细分了针对“代理（Agent）”和模型 API 成本折算的订阅等级。

#### 📊 内部套餐方案详细对照

| **订阅方案** | **月费 (USD)** | **包含的 Agent / 点数配额**                     | **核心特性与权限**                                           |
| ------------ | -------------- | ----------------------------------------------- | ------------------------------------------------------------ |
| **Hobby**    | 免费           | 严格限制 Agent 请求次数                         | 仅包含基础的 Tab 代码补全。                                  |
| **Pro**      | $20            | 包含 **$20 等值**的 Agent 使用额度              | 提供无限次的基础 Tab 代码补全。                              |
| **Pro+**     | $60            | 包含约 **$70 等值**的 Agent 额度（Pro 的 3 倍） | **2026年重点强化档**。全面支持云端高级代理（Cloud Agents）。 |
| **Ultra**    | $200           | 提供最高级别的极高配额                          | 针对 Power Users 设计，享有全天候最高优先权的计算资源。      |
| **Teams**    | $40 / 人       | 与 Pro 相同的个人配额                           | 增加团队上下文共享、集中计费、以及管理员分析面板。           |

#### ⚙️ 限频机制深度解析

- **5 小时滚动窗口**：该机制仅针对高耗能的复杂 Agent 请求进行限制，防止单一用户短时间内抢占过多的服务器资源。
- **无限次基础 Tab**：代码补全（Tab）是 Cursor 的护城河，无论付费处于哪个档位，均提供无限次使用，不消耗核心点数。
- **点数池透明化**：Cursor 已彻底取消了早期的“快速请求次数”机制，完全改为由模型实际 API 成本折算的点数池，让长上下文（Long-context）消耗的每一分钱都完全透明。



## 5. Windsurf (Cognition AI)

被 Devin 的开发商 Cognition AI 收购后，Windsurf 展现出了强大的后发优势，并在 2026 年将定价与 Cursor 全面对齐。

#### 📊 内部套餐方案详细对照

| **订阅方案** | **月费 (USD)** | **核心配额（Quotas）**         | **核心特性与代理能力**                                       |
| ------------ | -------------- | ------------------------------ | ------------------------------------------------------------ |
| **Free**     | 免费           | 每日限制的 Cascade 与 Tab 点数 | 基础代码补全与有限的 AI 交互体验。                           |
| **Pro**      | $20            | 包含 **500 个** 高级 AI 配额   | 支持所有主流模型**（2026年3月从 $15 上调以对齐市场）**。     |
| **Max**      | $200           | 最高配额级别                   | **2026 年 3 月新增方案**。直接整合 Devin Cloud 的顶级全自动代理访问权。 |
| **Teams**    | $40 / 人       | 提供与 Pro 相同的个人配额      | 增加团队协同管理、单点登录（SSO）与集中计费。                |

#### ⚙️ 限频机制深度解析

- **日/周双重配额（Quotas）**：2026 年 3 月 19 日实施全新配额系统，取代了原有的点数系统。
  - *配额分配逻辑*：每日的可用配额约占每周总配额的 20%。
  - *弹性超支机制*：**这是 Windsurf 的最大亮点。** 它允许临时超支。如果用户在某一天有紧急的大型交付任务，可以消耗超出 20% 的额度，系统会自动扣减本周后续几天的可用额度，确保紧急工作流不被死板的限频机制中断。



## 💡 2026 选型与避坑终极建议

- **如果你是“按量克制型”开发者**：直接选 **GitHub Copilot Pro**。纯用量点数扣减让它的闲置成本极低，出差或度假时不会白白浪费固定月费。
- **如果你临近 Deadline 经常需要突击加班**：推荐 **Windsurf (Pro)**。其“日/周弹性超支”机制在实际项目推进中不易因当日限频而导致工作流中断。
- **如果你需要 AI 独立帮你重构或 Debug 大型项目**：建议上 **Cursor (Pro+)** 或 **Windsurf (Max)**。云端高级 Agents 以及 Devin 顶级代理的加入，是 2026 年真正解放双手的杀手级工具。



## 引用

1. [Claude API Pricing](https://platform.claude.com/docs/zh-CN/about-claude/pricing)
2. [Choose a Claude plan](https://support.claude.com/en/articles/11049762-choose-a-claude-plan)
3. [Anthropic doubling Claude Code's rate limits (May 6, 2026)](https://www.anthropic.com/news/higher-limits-spacex)
4. [Google One AI Premium Plans](https://one.google.com/intl/en/about/google-ai-plans/)
5. [Changes to Antigravity Plans (May 19, 2026)](https://antigravity.google/blog/changes-to-antigravity-plans)
6. [Google triples Gemini usage limits for Antigravity (May 21, 2026)](https://9to5google.com/2026/05/21/google-has-tripled-gemini-usage-limits-for-antigravity-twice/)
7. [GitHub Copilot moving to usage-based billing (April 27, 2026)](https://github.blog/news-insights/company-news/github-copilot-is-moving-to-usage-based-billing/)
8. [GitHub Copilot is moving to usage-based billing](https://github.blog/news-insights/company-news/github-copilot-is-moving-to-usage-based-billing/)
9. [GitHub Copilot Usage-based Pricing Details](https://www.directionsonmicrosoft.com/github-copilot-to-move-to-usage-based-pricing-in-june/)
10. [GPT-5.3-Codex as base model for Copilot (May 17, 2026)](https://github.blog/changelog/2026-05-17-gpt-5-3-codex-is-now-the-base-model-for-copilot-business-and-enterprise/)
11. [Cursor Official Pricing Page](https://cursor.com/pricing)
12. [Cursor Pro+ Plan Update Announcement](https://www.reddit.com/r/cursor/comments/1lk43q3/i_knew_pro_was_too_good_to_be_true_pro_update/)
13. [Cursor Pricing Explained 2026](https://www.vantage.sh/blog/cursor-pricing-explained)
14. [Windsurf Pricing 2026: Plans, Quotas & What Changed](https://k-antenna.com/windsurf-ai-pricing/)
15. [Introducing our new Windsurf pricing plans (March 18, 2026)](https://windsurf.com/blog/windsurf-pricing-plans)
16. [Windsurf Quota-Based Usage Documentation](https://docs.windsurf.com/zh/windsurf/accounts/usage)

“收你们来了”！2026 年 6 月 - 主流 AI 编程平台全面收紧订阅！



> 月之暗面提出全新注意力残差架构，打破了沿用近十年的传统等权相加模式。该技术在不增加算力消耗的前提下大幅提升模型效能，标志着国产大模型在底层基础理论创新上迈出关键一步。

## 撼动祖传架构 破解深层网络无效运算痛点

同样的算力与数据 凭什么有的模型效果更胜一筹 月之暗面给出了一个直击深度学习底层逻辑的硬核答案。3月16日，Kimi正式发布重磅技术报告《Attention Residuals》。该项研究针对自2015年以来几乎从未被变动过的大模型基石 残差连接 进行了大刀阔斧的彻底重构。

传统的残差连接虽然在历史上成功解决了深层神经网络难以训练的梯度消失问题，但其等权相加的粗暴方式正日益暴露出局限性。随着网络层数不断加深，每一层贡献的新特征极易被庞大的累积历史信息所淹没，导致大量中间层实际上沦为不产生有效增益的无效干活节点。

![42.png](https://static.downly.cn/images/923472cd82042e10a83d0a6610b3eb01.png)

<center>图源备注：图片由AI生成</center>

## 深度维度的优雅旋转 引入查询向量机制

面对这一行业顽疾 Kimi研发团队展现了极高的数学直觉。团队敏锐地发现 深度网络在纵向维度上的信息稀释与传统RNN在时间维度上的遗忘现象 在数学结构上具有高度的一致性。基于此 团队进行了一次堪称优雅的旋转 将原本用于处理文字序列的注意力机制横向转动90度 创造性地应用到了纵向的网络深度维度上。

通过这种全新的注意力残差机制 每一层网络不再是被动地接受叠加信息 而是通过一个轻量级的查询向量 主动且有选择性地决定从前面哪些层提取多少历史信息。为了解决大规模训练中不可避免的内存开销激增问题 团队进一步提出了Block AttnRes分块方案 将庞大的网络划分为若干区块 在确保性能大幅跃升的同时 成功将推理延迟增量死死控制在2%以内。

![43.png](https://static.downly.cn/images/d2776a1c21887db95e717452ed086dd3.png)

<center>图源备注：图片由AI生成</center>

## 突破缩放定律瓶颈 开启深度学习新纪元

严格的实验数据印证了这一底层创新的巨大威力。在保持相同算力消耗的情况下 新方法训练出的模型效果 竟等同于基线模型花费1.25倍算力才能达成的水平。在极具挑战的GPQA-Diamond科学推理任务上 该架构实现了7.5%的惊人飞跃 在数学与代码生成任务上也分别斩获了3.6%和3.1%的显著增益。

![44.png](https://static.downly.cn/images/bf2e84c13e9e282c0fa493ce45f7c810.png)

<center>图源备注：图片由AI生成</center>

这一突破性进展迅速引爆了硅谷AI圈。知名科技巨头与众多业内技术泰斗纷纷在社交媒体上表达赞誉。OpenAI o1模型核心研发成员将其称作深度学习2.0的开端 而前OpenAI联合创始人也感慨行业对注意力机制的潜力挖掘仍大有可为。当前 整个AI行业正逐渐遭遇算力扩张的物理瓶颈 当绝大多数企业还在进行应用层的精装修时 月之暗面选择下沉到最深处 用一记重锤精准敲开了下一代深度学习架构的大门。

月之暗面重构大模型底层基石 算力效率跃升获硅谷极客力挺



> V4大模型携原生多模态架构与两千亿参数重磅来袭。通过全面深度适配国产软硬件，此次升级不仅攻克推理计算瓶颈，更将极大催化本土算力生态圈的繁荣。

## 原生多模态与超长上下文突破

在经历了V2与V3系列的快速迭代后，大模型赛道的明星企业即将迎来一次关键性跃升。即将面世的V4版本彻底摒弃了传统的后期拼接模式，在预训练阶段便深度融合了文本与视觉理解能力。这种原生多模态架构赋予了模型更为敏锐的空间推理与结构化输出表现。

以目前正处于测试阶段的“sealion-lite”版本为例，其拥有两千亿的庞大参数规模，并且将上下文窗口拓展至惊人的一百万tokens。这一跨越式升级意味着系统能够一次性吞吐和解析数百万字的超长文本，在复杂任务中展现出压倒性的优势。同时其使用极简代码即可生成高质量图像的能力，再次印证了底层架构优化的巨大潜力。

![22.png](https://static.downly.cn/images/6eaee95aa4fce5de2a69d7031e2a6e35.png) <center>图源备注 图片由AI生成</center>

## 软硬协同赋能本土算力破局

除了算法层面的精进，V4在底层硬件适配上的战略布局同样意义深远。为了打破对单一计算平台的依赖，研发团队在算力兼容性上进行了针对性攻坚，全面深化与国产制造芯片的底层融合。这一举措有效消除了大模型在推理阶段的物理瓶颈。

软硬件的高效协同不仅大幅度降低了企业级客户的部署成本，更有望在需求端为国产半导体注入强劲动能，推动整个AI产业链向着自主可控的方向加速演进。

![23.png](https://static.downly.cn/images/bb572769ab24fd53d31ea3f204eae474.png) <center>图源备注 图片由AI生成</center>

## 持续迭代稳固综合性能护城河

回顾该团队的发展脉络，从早期的效率摸索到如今的性能狂飙，其产品矩阵始终保持着极高的进化频率。随着完整版超过万亿参数的巨无霸模型揭开面纱，以及详尽技术报告的后续释出，市场对这种兼顾技术透明度与商业落地闭环的演进模式充满了期待。多模态能力的全面铺开，无疑将为人工智能领域注入全新的产业活力。


DeepSeek V4全模态架构前瞻 兼容国产算力或重塑芯片生态圈



> 导语
> Transformer 架构联合创始人 Ashish Vaswani 领衔的 Essential AI 正式开源了其首款旗舰模型 Rnj-1。这款拥有 80 亿参数的模型向伟大的数学家拉马努金致敬，采用了与主流“后训练”强化学习相反的路线，坚持通过高质量预训练决定智能上限。Rnj-1 在代码生成、STEM 推理及 Agent 智能体能力上表现惊人，特别是在 SWE-bench Verified 测试中取得了同量级模型数量级的领先优势，并以 Apache 2.0 协议完全开源，允许在消费级显卡上运行。



## 逆流而上 回归预训练的本质

在当前 AI 行业普遍痴迷于通过强化学习（RLHF）和后训练（Post-training）来提升模型表现的浪潮中，Essential AI 选择了一条截然不同的“复古”路线。由 Transformer 论文作者 Ashish Vaswani 和 Niki Parmar 创立的这家公司，坚信“预训练决定了智能的天花板”，而后训练仅仅是挖掘已有的潜力。

Rnj-1 就是这一理念的结晶。该模型完全从零开始训练，使用了高达 8.4 万亿 token 的数据集。与盲目堆砌数据不同，研发团队构建了精细的数据分类学，专注于科学、技术、工程、数学（STEM）以及代码数据的混合。这种对预训练质量的极致追求，使得 Rnj-1 在逻辑推理和复杂问题解决上展现出了“原生”的强大能力，而非通过后期微调“模仿”出来的智能。

## 小身材大能量 吊打同级竞品的代码能力

![image.png](https://static.downly.cn/images/2aab691c48fc3e0255519957e206ed38.png)
这里，rnj-1 指的是基础模型，而 rnj-1-instruct 指的是训练后调优的指令模型。
Rnj-1 的核心亮点在于其惊人的代码与推理能力。尽管只有 80 亿参数（8B），它在著名的软件工程基准测试 SWE-bench Verified（bash-only 模式）中取得了 20.8% 的高分。

这一成绩意味着什么？官方数据显示，Rnj-1 在该项测试中的表现比同等规模的其他开源模型高出一个数量级，甚至能够通过 Agent 框架解决现实世界中的 GitHub 问题。除了代码能力，它在数学竞赛（AIME）、科学问答（GPQA）等硬核 STEM 领域也表现出色，证明了其并非“偏科生”，而是具备深层逻辑推理能力的通用模型。
![image.png](https://static.downly.cn/images/8ac38bb18ccee44d3aa503609c51b0f9.png)

## 专为开发者打造 消费级硬件上的 Agent 利器

Essential AI 此次开源显得诚意十足。Rnj-1 及其指令微调版本（Rnj-1-instruct）均采用宽松的 Apache 2.0 许可证，这意味着开发者和企业可以免费商用。

对于广大开发者而言，Rnj-1 的硬件友好性极具吸引力。得益于其 8B 的紧凑体积，经过量化后的模型可以轻松在拥有 16GB 显存的消费级 GPU 甚至高端笔记本电脑上运行。同时，模型支持 32k 的上下文窗口，结合其在函数调用（Tool Use）和 FIM（代码中间填充）方面的优化，使其成为构建本地 AI 编程助手和自主智能体（Autonomous Agents）的理想底座。

## 技术细节揭秘 站在巨人肩膀上的创新

虽然 Rnj-1 的架构借鉴了 Google 的 Gemma 3，但团队进行了关键性的改良。模型采用了全局注意力机制（Global Attention）以及用于长上下文扩展的 YaRN 技术，确保了在处理长文档和复杂代码库时的稳定性。

值得一提的是，在训练过程中，团队使用了 Muon 优化器，显著提升了训练效率。Essential AI 坦诚地表示，Rnj-1 虽然在推理和代码上登峰造极，但由于专注于 STEM 数据，它并不是一个为了“事实检索”而优化的模型，有时甚至会产生幻觉，误认自己的身份。这种“坦诚”反而让社区对其在特定垂直领域的专业性更加充满信心。

## 开源社区的新里程碑

Rnj-1 的发布不仅仅是一个新模型的诞生，更是对“Scaling Law”和模型训练方法论的一次有力探索。它向业界证明，通过科学的数据配比和扎实的预训练，小参数模型依然可以在高难度的推理任务中挑战极限。

对于那些苦于 API 成本高昂、由于隐私问题无法使用闭源模型的开发者来说，Rnj-1 提供了一个强大、开放且可本地部署的全新选择。随着技术报告的即将发布，Rnj-1 有望激发开源社区在 Agent 和代码智能领域的又一轮创新热潮。
注：该模型需要 Ollama 0.13.3，目前处于预发布阶段

Transformer 之父重磅回归：Essential AI 开源 Rnj-1，8B 小模型引爆代码推理革命



> AI界风起云涌，技术应用与产业格局均迎来重磅更新。从谷歌Gemini实时生成交互界面的惊艳技术，到字节跳动、海螺AI等公司在视频生成领域的持续加码，AI正以前所未有的速度渗透到创意与交互的方方面面。与此同时，月之暗面开源其强大的多模态模型Kimi-2506，进一步推动社区发展。产业层面，苹果意图收购Perplexity的传闻引发市场巨震。然而，在一片高歌猛进中，MIT的研究也为我们敲响警钟，提醒我们需警惕对AI的过度依赖可能带来的认知影响。

## 警惕AI陷阱 MIT研究揭示过度依赖AI或导致大脑“变懒”

麻省理工学院（MIT）的一项最新研究为我们揭示了过度依赖AI工具可能带来的潜在风险。实验表明，与独立写作或使用搜索引擎辅助相比，长期完全依赖AI（如ChatGPT）进行写作的用户，其大脑在处理任务时的活跃度显著降低。这可能意味着认知能力的“走捷径”会削弱我们深度思考和解决问题的能力。研究还发现，亲身参与创作过程能显著增强人们对作品的归属感和满意度，这是纯粹由AI生成的作品无法替代的。

![iShot_2025-06-23_11.34.16.png](https://static.downly.cn/images/fd04b6a34281a853aae107ce409605b3.png)

## 字节跳动亮出新王牌 DreamActor-H1让商品图秒变带货视频

<video src="https://static.downly.cn/images/6ba10cca10c17c49251a28ddcf57071b.mp4"  title="30647320772-1-16.mp4"></video>
字节跳动近日发布了名为 [DreamActor-H1](https://submit2025-dream.github.io/DreamActor-H1/) 的视频生成系统，展示了其在AIGC视频领域的最新成果。该系统能够仅通过一张商品图片和一张人物照片，自动生成一段高质量、专业风格的带货短视频。从技术演示来看，其效果与广受欢迎的AI视频工具HeyGen相似，能够极大降低电商视频的制作门槛。目前，DreamActor-H1仍处于技术展示阶段，官方仅发布了演示视频和技术报告，尚未公布论文或开源计划。


![image.png](https://static.downly.cn/images/ff55f3865fb3c3d5438b81a67ab2f6c2.png)




## 谷歌开源Magenta RT 音乐创作进入实时生成新纪元

谷歌DeepMind团队为音乐创作者和开发者带来了一份大礼——开源了实时音乐生成模型Magenta RealTime (Magenta RT)。作为其先进模型Lyria的开放权重研究预览版，Magenta RT专注于实时交互式音乐创作与表演，能够根据用户的输入即时生成连贯的音乐片段。这一举措预示着AI在音乐领域的应用正从离线生成迈向实时协作，为现场表演、即兴创作和音乐教育开辟了全新的可能性。



![image.png](https://static.downly.cn/images/cc77d28a44031136de7ef51d6a435223.png)



## 视频剪辑迎来“自动驾驶” 海螺AI发布视频创作智能体

<video src="https://static.downly.cn/images/d1e844c63c547a134a3cddc0442a4596.mp4"  title="30647322073-1-16.mp4"></video>
国内AI初创公司海螺AI正式推出了其视频创作工具——Hailuo Video Agent。该工具定位为视频领域的“智能体”，旨在将创作者从繁琐的剪辑工作中解放出来。初期版本通过提供创意模板来简化创作流程，但其最终目标是实现用户自主编辑乃至完全自动化的“一键出片”。该智能体集成了音乐、TTS（文本转语音）、音效和字幕等全套功能，代表了AI赋能视频编辑的未来发展方向。



![image.png](https://static.downly.cn/images/883dd177d41f430aed6d85896ae5b853.png)



## 为机器人打造逼真世界 开源框架EmbodiedGen破解3D环境生成难题

具身智能（Embodied AI）的发展一直受限于高质量、物理真实的3D训练环境。为了突破这一瓶颈，一个名为EmbodiedGen的开源框架应运而生。它能够根据文本或图像输入，生成具有正确物理属性、密闭几何结构且可扩展的3D对象和场景。该框架生成的资产兼容多种主流物理模拟器，极大地降低了为机器人训练和数字孪生创建虚拟世界的成本和难度，为智能机器人研究铺平了道路。


![image.png](https://static.downly.cn/images/9b78864d652be698562cd2ddfafd4b23.png)



## 声音的“私人订制” MiniMax推出Voice Design音色设计功能

稀宇科技（MiniMax）在其开放平台上发布了创新的Voice Design音色设计功能。用户现在可以通过简单的文本描述，自由组合“任意语言、任意口音、任意音色”，创造出独一无二的个性化语音。该功能不仅能精准控制情感、音质等细节，还成功规避了传统音色复刻可能带来的版权风险，为内容创作、虚拟助手等应用场景提供了前所未有的便捷与高效。
用户可通过[稀宇科技国内版平台](minimaxi.com/audio)或[海外版平台](minimax.io/audio)体验Voice Design功能，探索语音合成的无限可能。
![image.png](https://static.downly.cn/images/2ce996768ec2bf3468a3b177bbae2128.png)

## 未来交互已至 谷歌Gemini 2.5 Flash-Lite实现“心念所想，界面即现”

谷歌DeepMind再次展示了其强大的技术实力，发布了Gemini 2.5 Flash-Lite模型。该模型最令人震撼的特性是其超低延迟的实时交互界面生成能力。用户可以通过语音或文本描述，瞬间生成并修改UI界面。这项技术结合了多模态输入和长上下文窗口，预示着一种全新的“生成式操作系统”的到来，用户与设备的交互方式或将被彻底颠覆。
![image.png](https://static.downly.cn/images/85e05624284ab97b3dc8479268d39ee4.png)

## 300亿美元豪赌 苹果或将收购Perplexity以重塑搜索格局

市场传出重磅消息，苹果公司正考虑以高达300亿美元的价格收购AI搜索初创公司Perplexity。若交易达成，这将成为苹果历史上最大规模的并购。此举被视为苹果应对AI时代搜索市场变革的关键一步，意图通过Perplexity先进的对话式、答案驱动的搜索技术，全面升级Siri和Safari的用户体验，以在与谷歌等对手的竞争中抢占先机。

![image.png](https://static.downly.cn/images/9d947b288c191a494212917b1cc2cf34.png)
## Kimi-2506开源 月之暗面升级多模态与智能体能力

国内大模型独角兽月之暗面宣布开源其最新的多模态模型Kimi-2506。新模型在智能体（Agent）和视觉理解能力上取得了重大突破。官方数据显示，其推理效率大幅提升，能够更节省token，同时在多项基准测试中得分显著提高。尤其在视觉方面，它支持高达320万像素的高分辨率图像处理，并在图表分析、长文档问答及视频理解等复杂任务上表现出色。

![image.png](https://static.downly.cn/images/b874ae38fdde0c49932a6e19ff4a81de.png)




AI每日资讯0623

> **颠覆AI计算模式  “热力学计算系统”技术重大突破  或重塑未来人工智能硬件**

## 告别传统计算瓶颈  探索人工智能硬件新范式

随着人工智能应用的飞速发展，对计算能力的需求呈指数级增长。传统的计算架构正面临功耗、散热以及处理特定类型计算任务时的效率瓶颈。科学家和工程师们一直在积极探索能够突破这些限制的全新计算模式。近日，一项关于 **“热力学计算系统”（Thermodynamic computing system）** 的重大研究突破引起广泛关注，这一技术或将为未来人工智能硬件的设计带来颠覆性变革。

### 热力学计算系统  利用物理过程驱动计算

![image.png](https://static.downly.cn/images/20250516063621.259311481.png)

传统计算机依赖于数字信号在晶体管上的开关状态进行计算。而 **热力学计算系统** 则利用微观物理系统在热力学过程中的自然演化来执行计算任务。这一概念并非全新，但最新的研究成果（正如在 Nature 杂志上所发布的详细技术报告中所揭示的）表明，科学家们在构建实用且高效的、用于 AI 应用的热力学计算系统方面取得了实质性进展。

其核心原理可能涉及控制微观粒子或系统（例如微小磁体阵列、纳米机械谐振器等）在热噪声或热梯度驱动下的行为。通过巧妙地设计系统的结构和相互作用，这些微观系统的自发或受控的热力学弛豫过程可以被映射到计算问题的求解过程。例如，系统趋向于达到能量最低状态的过程可以用来解决优化问题，而其动态演化过程可以用来模拟或执行特定计算任务。

与传统计算相比，热力学计算在处理某些特定类型的计算任务（例如涉及概率推理、采样或模拟物理系统的任务）时可能具有天然的优势，并且理论上可能在能效方面实现突破。

### 重塑AI应用的硬件基础  热力学计算的潜力

![image.png](https://static.downly.cn/images/20250516063635.458673614.png)
尽管仍处于早期阶段，但热力学计算系统对于人工智能应用的潜在价值巨大，尤其是在以下几个方面

*   **显著提升能效** AI 计算，特别是训练大型神经网络，消耗巨大的能源。热力学计算系统利用物理系统的热力学过程进行计算，理论上可以突破传统计算的 Landauer 极限（信息擦除所需最小能量），在特定任务上实现更高的计算能效，这对于边缘 AI 和可持续计算至关重要。
*   **解决特定AI计算挑战** 某些 AI 算法，如贝叶斯网络、蒙特卡洛方法或模拟退火等，其计算过程与热力学过程具有天然的相似性。热力学计算系统可能更高效地执行这些算法，从而加速特定 AI 模型的训练和推理。
*   **与神经形态计算相结合** 热力学计算的某些特性，例如其并行性和对随机性的内在处理能力，可能使其与模仿生物大脑结构的神经形态计算相结合，催生出全新的、更加类脑的 AI 硬件。
*   **应对未来计算需求** 随着 AI 模型规模的不断膨胀和计算需求的持续增长，热力学计算系统有望成为未来高性能、低功耗 AI 计算硬件的重要组成部分。

国内外学术界和产业界都对这一技术表示了浓厚兴趣（正如机器之心等媒体所报道的），并正在积极探索其工程实现和应用前景。

## 技术挑战与未来展望  将理论转化为现实

![image.png](https://static.downly.cn/images/20250516063648.737723389.png)

尽管潜力巨大，将热力学计算系统应用于 AI 仍然面临诸多技术挑战

*   **系统的可控性和稳定性** 如何精确控制微观热力学系统的行为以执行复杂的计算任务，并在噪声环境中保持计算的稳定性，是核心难题。
*   **与现有计算生态的整合** 如何将热力学计算系统与现有数字计算系统有效地集成，构建混合计算平台，也是需要解决的问题。
*   **规模化制造** 将实验室成果转化为可大规模制造的、具有成本效益的芯片或系统，需要跨越巨大的工程障碍。

然而，Nature 等顶级期刊的最新研究成果表明，科学家们正在逐步克服这些挑战，并为热力学计算系统的实际应用铺平道路。未来的研究将聚焦于提升系统的计算能力、通用性和鲁棒性，并探索其在更广泛 AI 应用领域的潜力。

## 总结  热力学计算  开启AI硬件新纪元

关于热力学计算系统用于 AI 应用的最新研究突破，预示着人工智能硬件可能迎来一场深刻的变革。通过利用物理系统的热力学过程进行计算，这一技术有望突破传统计算的能效和性能瓶颈，尤其是在处理特定 AI 计算任务时展现出独特优势。尽管挑战依然存在，但这一领域的持续进展为构建更强大、更节能、更适应未来需求的 AI 计算平台提供了激动人心的可能性。热力学计算系统正开启一个全新的 AI 硬件时代。



搜索结果: 技术报告