開源生態
共 36 篇 · 第 2/2 頁
-
DeepSeek 開招 IDC 設計規劃工程師，傳估值 3500 億催生 GW 級算力自建計畫
DeepSeek 在官網上線「IDC（Internet Data Center，網際網路資料中心）設計規劃工程師」職缺，職缺描述明確涵蓋「從 MW（百萬瓦）到 GW（十億瓦）級基礎設施的規劃與建設」。時機點與傳出開放融資、估值據報飆至 3500 億元人民幣高度吻合，這次明確向算力基建核心技術崗伸手，訊號相當清楚。
-
吳泳銘直管 Token Foundry，阿里把 AI 從研究院搬進「代幣工廠」
6月8日，阿里巴巴宣布合併通義大模型事業部與未來生活實驗室，組建 Token Foundry 事業部，直接向集團 CEO 吳泳銘匯報。時間節點耐人尋味：Qwen-3.7 剛宣稱達到 Coding 能力全球前三、中國第一，Q4 財報也首次揭示 AI 業務已越過初期投入階段、進入商業回報週期，資本市場反應積極。
-
昇騰 910C 集群完成 DeepSeek-V4-Pro 1.6 兆參後訓練，制裁壓力下國產算力跨入訓練門檻
深圳河套學院 AI 訓練平台項目團隊聯合哈爾濱工業大學（深圳）、深圳市大數據研究院與華為有關團隊，以華為昇騰 910C 晶片集群完成 DeepSeek-V4-Pro 全參數後訓練，模型規模 1.6 兆參數。這是全量訓練，不是推理部署或局部微調。
-
長視頻一致性的三道關卡：拆解 JoyAI-Echo 的記憶、蒸餾與超分架構
長視頻生成卡關的從來不是「會不會造夢」，而是「記不記得住夢」。鏡頭切換臉就變，換場景衣服就飄，開口說話音色對不上，這不是算力問題，是架構沒把長期記憶當一等公民。
-
異質性是產品：四間實驗室的小模型議會，工程教訓全在 serving 層
v1 的 Thousand Token Wood 是個沙盒：五隻森林動物共用一個微調過的 0.5B 模型，交易、囤貨、在衝擊下崩盤，你是觀眾，負責調參、觀看泡沫生成。它驗證了多 agent 經濟體的可行性，但本質上是個展示品。
-
Persona Atlas 不測「模型知道什麼」，十道哲學題 + Embedding 幾何，把思維風格量成可比較的距離
HuggingFace 黑客松作品 Persona Atlas 換了一個評估維度：不跑知識基準，而是用十道刻意無標準答案的哲學題，把不同「人格」的回答轉成 embedding，直接在向量空間比距離。核心命題是：與其測模型知道什麼，不如測「一個心智怎麼移動」。
-
Ladybird 關門：開源信任經濟的轉折點
AI 讓「大量用心的程式碼」幾乎零成本，Kling 的決定點出了一個正在失效的假設：大補丁曾是善意的代理指標，現在不再是。這意味著開源維護者的把關邏輯需要重寫，從「看努力程度」轉向「看誰為後果負責」。問責制，而非產出量，才是 AI 時代貢獻者信任的新基準。
-
把模型自己的失敗當訓練資料：DPO 不只是對齊工具
大多數人對 DPO 的印象停留在 RLHF 的替代品，用人類偏好資料讓聊天機器人更安全、更有禮貌。DharmaOCR 提了一個不同的問題：如果任務本身就有客觀的對錯，DPO 能不能用來直接消除特定的失敗模式？
-
操作是APP，運動才是OS：全行業搞錯了優先級
具身智能賽道的共識快成路徑依賴：疊衣服、端咖啡、鎖螺絲，操作任務結果直觀，數據需求自然向上半身集中。橋介數物創辦人尚陽星在深度訪談中給出反向判斷，全身運動數據的重要性，被整個行業嚴重低估了。
-
Nathan Lambert 辭別 Ai2：OLMo 從未刷榜奪冠，影響力卻滲透整個開源生態
Nathan Lambert 宣布離開 Allen Institute for AI（Ai2），結束以 OLMo 開源模型為核心的研究歷程。他在反思文章中直指一個矛盾：OLMo 在性能上從未站上前沿，即便在同尺寸桶內也非頂尖，影響力卻遠超排名數字所能呈現的範圍。值得追問的是：不靠刷榜，影響力從何而來？
-
百度 0.9B 輕量模型 PaddleOCR-VL-1.6 聲稱壓倒 Gemini-3-Pro 與 GPT-5.2，開源可平滑遷移
百度文心正式發布 PaddleOCR-VL-1.6，這個僅 0.9B 參數的輕量專用模型，在文檔解析評測 OmniDocBench v1.6 上達到 96.33%。廠商公告稱其綜合性能超越 Gemini-3-Pro、GPT-5.2、MinerU-2.5-Pro、GLM-OCR 等通用大模型與專用 OCR 方案，刷新該評
-
多輪 RL 的靜默 bug：你的 agent 訓練迴圈可能從一開始就壞了
你的 tool-using agent 訓練了幾千步，loss 在降，但模型沒有你想像的那麼在學。原因不在演算法，在管線裡一個常被忽視的環節，token 邊界。