Kimi K3.1 Pro 權重公開:2.8T 參數 MoE 開放權重多模態代理模型,1M 上下文,主打程式與金融研究能力
以 2.8T 總參數、104B 活躍參數的 MoE 架構開放權重,支援 1,048,576 token 上下文與圖文輸入,官方稱為迄今最強的 3T 級模型。
Hacker News單一來源
46 則值得知道的變化
以 2.8T 總參數、104B 活躍參數的 MoE 架構開放權重,支援 1,048,576 token 上下文與圖文輸入,官方稱為迄今最強的 3T 級模型。
Ripple-65B 在 TerminalBench 2.1 超越 Reflection Beam 501B 等更大模型,採稠密 Transformer 架構、支援 1M 上下文,並可於 NVIDIA DGX Spark 等本地裝置運行。
Hy4 總參數 770B,首次支援視覺理解與電腦操作,可結合命令列與圖形介面執行複雜任務,權重預計近期開源。
僅以兩階段 SFT 加一階段 RL 訓練,並公開從資料構建到訓練程式碼的完整流程;作者稱部分代理評測可與商用模型競爭,尚待獨立驗證。
以能力藍圖與評測驅動的數據迭代方法訓練,綜合均分65.29,並已在Hugging Face開源權重,供開發者評測與適配。
以 GLM-5.3 後訓練而成,廠商自評 FSR 每題估計輸出成本約 0.25 美元,較 Astra 低約 72%,但 GPQA Diamond 略輸 Kimi K3。