Tibo@thsottiauxAI 评分4444OpenAI 发布 GPT-5.6 Sol，部署后通过自我改进 GPU 内核与推测解码，实现服务成本降低 20%、token 生成效率提升 15%+。该模型在训练与推理全栈上持续优化自身效率。
After deployment, we applied GPT-5.6 Sol to advance the frontier of efficiency by making itself more efficient to run. The results: - 20% lower serving costs from production GPU kernel improvements. - 15%+ better token-generation efficiency from improved speculative decoding.
MiniMax (official)@MiniMax_AIAI 评分5858Weights aren't the only thing that should be open-source. Both kernel repos behind our recent work with @MiniMax_AI are now public: → Fireworks: http://github.com/fw-ai/minimax-kernels → Minimax: http://github.com/MiniMax-AI/MSA/tree/fireworks-msa
OpenAI 推出 GPT-5.6 模型家族，旗舰版 GPT-5.6 Sol 在开启最大推理时以不到一半的成本超越 Claude Fable 5 的 Artificial Analysis Coding Agent Index 得分。
推荐理由：GPT‑5.6 不光是新模型，它自己参与了推理栈优化，20% 成本降幅是实打实的工程突破，做 AI 应用的该重新算一下每次调用的成本了。
上海人工智能实验室 InternLM 发布基于 Mobius-v0 架构的 35B 基础模型 Intern-S2-Mobius，将知识组织为全局共享 Memory，由多个 Reasoner 迭代查询和精炼隐藏状态。
Tencent Hy@TencentHunyuan精选AI 评分7474推荐理由：做推理加速的可以试试这个端到端推测解码框架，腾讯开源了完整代码和权重，在 Hy3 上提速近 2.4 倍且吞吐更高，拿来即用。
腾讯混元开源覆盖训练到部署的投机解码框架 AngelSpec，并放出 Hy3-A21B 的 MTP 与 DFly drafter 权重及训练代码。
推荐理由：AngelSpec 将投机解码从训练到部署全链路开源，DFly 和 D-cut 在真实流量下带来额外加速，对需要优化推理成本的团队有直接落地价值。
Greg Brockman@gdbAI 评分44445.6 用于解决另一个长期存在的开放问题，这次是在概率论领域：
My friend Zhengqing used GPT-5.6 to solve a beautiful well-known conjecture in probability. Feige's 1/e conjecture: for independent nonnegative X_1,…,X_n with E[X_i] ≤ 1 and S_n = X_1+⋯+X_n, we have P(S_n ≤ E[S_n] + 1) ≥ 1/e. Exciting to see a problem we used to kick around over lunch and dinner get solved! 1/2
SpaceXAI 宣布 Grok 4.5 模型已入驻 GitHub Copilot，开发者可在云智能体、Copilot CLI 及 VS Code IDE 中切换调用。该模型专为编码设计，上下文窗口达 50 万 token，支持文本和图像输入及三种推理难度，按量计费价格为每百万输入 token 2 美元、每百万输出 token 6 美元。
OpenAI 研究员 Jeffrey Wang 称赞 AMD 与 Cerebras 联合开发的 AI 推理解决方案表现“令人难以置信”。该方案整合 AMD Helios 机架与 Cerebras 晶圆级引擎，分别处理提示词和 Token 生成环节，预估可将每瓦每秒 token 数量提高 5 倍。
Anthropic因支付系统SEPA验证漏洞引发“零元购”事件后大规模封号，作者自用半年多的Claude账号也于7月29日被封。作者认为当前Claude已非唯一选择，推荐Kimi K3、GPT-5.6 Sol等替代方案，并指出国产模型正凭借二十分之一的算力逼近第一梯队。
Elon Musk@elonmuskAI 评分5151In our latest http://deepsec.sh benchmarks, Grok 4.5 has emerged as the best cybersecurity AI model on price-performance. It's 10x cheaper than Sol, 5.7x cheaper than Opus 5, and 2.2x cheaper than Kimi K3, yet at Kimi-like perf. Sol remains the frontier, ahead of Opus 5.
阿里云宣布灵骏真武 M890 超节点实例成功适配月之暗面 2.8 万亿参数旗舰模型 Kimi K3。该实例基于平头哥真武 M890 芯片，通过 64 张 M890 实现 800 GB/s 高速互联与 9TB 显存。真武芯片的 T-Head SAIL 软件栈与 Triton 支持降低了适配工作量。
Greg Brockman@gdbAI 评分5252Using mostly my voice, I solved one of @EpochAIResearch's FrontierMath Open Problems: finding an explicit presentation of the 2-adic Absolute Galois Group - open for more than forty years, now with a full proof in collaboration with David Roe, the problem's proposer. 🧵 1/n
Artificial Analysis@ArtificialAnlysAI 评分70707月27日，月之暗面正式开源全球首个3T级模型Kimi K3，包含2.8万亿总参数、1040亿激活参数的MoE模型权重、47页技术报告及MoonEP、FlashKDA、AgentENV等关键基础设施。此前，黄仁勋发布公开信反对封禁中国开源模型，获英伟达、微软、OpenAI、Google等77家公司和组织联署，而Anthropic未参与签名。
Rohan Paul@rohanpaul_aiAI 评分5757Releasing 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. Alongside Kimi K3, we're opening up more of the stack behind it — high-performance attention kernels, MoE communication library, and infrastructure for running agent environments at scale. Model weights: http://huggingface.co/moonshotai/Kimi-K3 Tech report: http://github.com/MoonshotAI/Kimi-K3/blob/master/k3_tech_report.pdf Tech blog: http://kimi.com/blog/kimi-k3
Kimi.ai@Kimi_MoonshotAI 评分4141Kimi K3 is now live on Together AI. We’re proud to be a Day 0 launch partner for @Kimi_Moonshot’s open frontier model, built for long-running agentic workflows across code, tools, vision, and research.
SGLang 和 Miles 为月之暗面开源的 2.8T 参数模型 Kimi K3 提供发布当日支持，分别负责推理和 RL 训练。K3 采用 69 层 KDA 线性注意力与 24 层 MLA 交错的混合架构，在 SGLang 上单卡 batch-1 解码速度达约 113 tok/s，结合 DSpark 推测解码可达约 423 tok/s。
月之暗面正式开源 Kimi K3 模型，该模型拥有 2.8 万亿参数、100 万 token 上下文窗口，并原生支持视觉理解。Kimi K3 基于 KDA 混合线性注意力机制构建，结合 Stable LatentMoE 框架在 896 个专家中激活 16 个，整体扩展效率相比 K2 提升约 2.5 倍。
Kimi.ai@Kimi_MoonshotAI 评分7070很高兴 @modal 成为 Kimi K3 的 Day 0 发布合作伙伴！ 他们为 K3 的架构训练了自定义 DFlash 投机器，实现更快推理且无质量损失。
Kimi K3 is live on Modal. Moonshot has shipped the world's first open 3T-class model, and we're a day zero launch partner. We trained a custom DFlash speculator for K3's novel architecture so you can run it faster, losslessly. The most capable open model we've worked with by far.
SGLang 在 issue #15194 中提出量化栈重构，将检查点解析、参数注册、权重加载、后处理与内核执行拆分为独立可复用组件。新架构以 Quant Config、Method、Scheme、Kernel 四层划分，使 AWQ、GPTQ、Compressed-Tensors 等检查点格式可共享同一后端内核，并支持 CUDA、Ascend NPU、CPU 等硬件独立演进。
Rohan Paul@rohanpaul_aiAI 评分4444Kimi K3 is now available on Token Factory. We’re excited to announce that Nebius Token Factory is an official Day 0 partner for @Kimi_Moonshot's Kimi K3. Kimi K3 is the first open-weight model to reach frontier-level performance, a major step forward for open models. It is built for long-horizon coding, knowledge work and reasoning, with native vision and up to 1M tokens of context. Artificial Analysis scores it at 57 on its Intelligence Index, just two points behind GPT-5.6 Sol (max). That puts Kimi K3 at the top of the open-weight field and firmly among today’s frontier models. Developers can access K3 through Token Factory’s OpenAI-compatible API and console today. Give K3 the hard problem. Build with Kimi K3: https://tokenfactory.nebius.com/?modals=endpoint-details&model-id=moonshotai/Kimi-K3
Kimi 发布 K3 模型权重与技术报告，并开源 MoonEP、FlashKDA 和 AgentEnv 三项关键 Infra 技术。K3 是 2.8 万亿参数的 MoE 模型，支持原生视觉与 100 万 token 上下文，参数规模约为 K2.5 的 3 倍，规模化效率提升 2.5 倍。
推荐理由：权重开源伴随技术报告公开训练细节，为研究机构直接复现和改造千亿级MoE模型提供了完整路径，也降低企业自部署门槛。
腾讯今日宣布 QQ 宠物全新升级归来，宠物升级为 3D 毛茸茸形象，并接入腾讯 Hy3 大模型，支持主动回应和多种性格。Hy3 是一个快慢思考融合的 MoE 模型，总参数 295B，激活参数 21B，最大支持 256K 上下文长度，于 7 月 6 日开源。
小米MiMo-V2.5上周全球调用量升至第一，周调用量达10.5万亿Token，环比增长12%。徐洁云表示，上周全球调用量排名前五均为中国AI大模型。MiMo-V2.5系列已于4月23日开启公测，包含V2.5、V2.5-Pro等版本，具备更强推理、更稳Agent、更长上下文及全模态感知能力。
BAIR提出ABBEL框架，将长程交互中的摘要生成隔离为自然语言信念状态，并通过信念评分进行监督。在CollabBench协作编程测试中，基于重建的信念评分将全上下文模型的性能差距缩小约50%，训练步数减少50%。该方法解决了递归摘要（如Cursor Composer 2.5采用的压缩技术）在有限训练数据下性能下降的问题。
Moonshot 发布 Kimi K3，总参数 2.8T、每 token 激活 16/896 专家，支持 1M token 上下文窗口和原生视觉。Modal 与 Moonshot、vLLM 合作提供 Day 0 支持，通过定制的 DFlash 投机解码模型将智能体负载交互速度从 100 提升到 460 tokens/s，吞吐从 800k 提升到 1.5M TPM/GPU。
推荐理由：Modal 作为发布当天的托管方，给出了 K3 架构细节与推理加速数据，读者可据此评估运行这级开源模型的工程门槛。
Anthropic 的 Claude Opus 5 在 ARC-AGI-3 基准上取得 30.2% 的得分，是此前 OpenAI GPT-5.6 Sol (Max) 创下的 7.8% 纪录的近四倍。
Amazon 宣布向开发 Lean 编程语言的 Lean Focused Research Organization（FRO）提供大额长期资金支持，这是该 FRO 历史上最大的一笔捐赠，目标是让正确性证明对全球开发者可用。
Beren Millidge 提出假设，解释为何 RL 每条 rollout 只得到约 1 bit 奖励信号、理论上远比预训练低效，实证上却样本效率更高。
Together AI 基于 DeepSWE 全部 904 次评分 rollout（113 个任务、各 4 次尝试）对比 Kimi K3 与 GPT-5.6 Sol。
推荐理由：原文基于 904 次实测 rollout 对比两款模型在成本、pass@k 和失败模式上的差异，并给出可复用的级联路由方案。
Greg Brockman@gdbAI 评分4141Conjecture that every complex topological vector bundle on CP^n is algebraic is false. GPT-5.6 Pro found me an example on CP^5 that is not only non-algebraizable, but also with no motivic lift. This also disproves a more recent conjecture by Asok-Fasel-Hopkin.
数字生命卡兹克@Khazix0918AI 评分4242开发者卡兹克宣布大幅重构文档和规则，认为过多规则会降低模型推理效率和效果。新思路不再用规则约束模型一次写对，而是前期给模型更多思考空间，把限制加在测试侧，用测试来约束一切。
时代变了，过去那么多的规则、约束、文档，感觉现在只会让模型的推理效率和效果变得越来越垃圾，Anthropic说的确实对。 今天决定直接大幅重构所有的文档和规则，清空重写。。。 从此思路不再是用规则约束模型指望它一次写对，而是在前期交给模型更多的思考空间更多的注意力，把更多的限制，加在测试侧，用测试来限制一切。 文档和规则，真的要退环境了。
Anthropic 的 Claude Opus 5 在 Artificial Analysis 智能指数上以 61 分位居第一，领先 Fable 5（60 分）和 GPT-5.6 Sol（59 分）。其平均智能任务成本仅 $2.03，低于 Fable 5 的 $2.75，但幻觉率升至 50%。
Noam Brown@polynoamialAI 评分5555GPT-5.6 Sol Ultra helped solve a six-year-old open problem in quantum cryptography by generating the construction and main proof ideas through Codex. Human experts refined and verified the result.
