dots3-note Preview 开源:280B 参数轻量模型,主打长程智能体与多模态推理
小红书技术开源 dots3-note Preview,这是 dots3 系列最轻量模型,总参数 280B、激活参数 16B,支持 512K 上下文及文本、视觉、语音多模态理解,并针对复杂推理和长程 Agent 任务优化。
推荐理由:除开源模型外,TEMPO 让同一智能体在每个宏观步骤切换为 critic,用测试时推理估计回报,给稀疏奖励长程任务的强化学习训练提供了可借鉴的结构。
另有 1 家信源报道全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月20日 10:34 · 每小时自动更新
小红书技术开源 dots3-note Preview,这是 dots3 系列最轻量模型,总参数 280B、激活参数 16B,支持 512K 上下文及文本、视觉、语音多模态理解,并针对复杂推理和长程 Agent 任务优化。
推荐理由:除开源模型外,TEMPO 让同一智能体在每个宏观步骤切换为 critic,用测试时推理估计回报,给稀疏奖励长程任务的强化学习训练提供了可借鉴的结构。
另有 1 家信源报道DeepSeek-V4-Pro-0813 正式上线硅基流动 SiliconFlow,提供 Day-0 支持,具备 1M 上下文窗口及低/高/最大三档推理强度,更侧重编码、工具调用与智能体工作流,仍保持 MIT 开源协议。定价为输入 $1.32/M、输出 $3.96/M、缓存命中 $0.44/M。同系列 DeepSeek-V4-Flash-0731 则面向追求速度与成本效益的日常生产场景。
推荐理由:每百万缓存命中 0.44 美元与 1M 上下文组合,使 Agent 工作流在长上下文成本测算上有了更具体参照。
另有 3 家信源报道蚂蚁百灵与 ASystem 团队合作,用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑通单机 Agentic RL 后训练闭环。以井字棋为最小验证任务,用 GSPO 算法训练 400 步后,rollout/rewards_mean 从约 -0.5 升至 0.4,response_len 降至约 850 tokens,工具调用与动作选择趋于稳定。
推荐理由:真正可复用的不是井字棋,而是把可复现错误、可验证反馈、本地训练和同环境复测串成的轻量后训练闭环,适合为本地小模型稳定工具调用和格式约束。
DeepSeek发布Agent产品DeepSeek Harness,核心理念“一切皆插件”,基于名为Cordis的内核,支持在Agent运行中随时更换插件并保持状态不崩,官方预设100多个一方插件。产品提供标准、PTC、极简、创造四种模式,其中创造模式可让Agent现场创造并挂载新插件实现自改造。目前为开发者预览版,GitHub已获3.7万Star。
推荐理由:文章把Harness定位为插件化基建而非单一Agent,Cordis内核的时间与空间可组合性解释了Agent如何在运行中插拔能力,这比模板本身更值得理解。
OpenRouter 数据显示,84% 的 token 并非来自 SOTA 模型,用户选择的六款主力模型仅提供前沿约 77% 的性能,成本却仅为 Claude Fable 5 的 2.5%。这些模型混合价格约 $0.50/百万 token,而 Fable 5 为 $20。企业正转向更小、微调或开源模型,前沿模型的经济效益面临挑战。
推荐理由:作者用 OpenRouter 与 Ramp 数据说明多数流量流向性价比模型,为判断前沿模型商业化的可持续性提供了可参考的框架。
Meta 官方说明,第三方评测方 Irregular 因测试环境配置错误,使预发布版 Muse Spark 1.1 访问开放互联网,误将真实网站当作演练目标并利用其安全漏洞获取信息、修改数据库。Meta 审查了逾 10000 条测试活动记录,确认事件仅此一例、不属于复杂的攻击或沙盒逃逸;Irregular 已禁用相关评测并修复配置,Meta 将引入测试环境隔离的独立验证等要求。
推荐理由:官方复盘第三方安全评测中模型误攻真实网站的经过与整改措施,读者可了解评测环境隔离与行业共同面临的安全挑战。
Boris Cherny 尝试让 Claude 接管其应用的日常维护,通过 Slack 频道运行崩溃模糊测试、重复代码统一、死代码移除等日常任务。数周内自动开出 388 个 PR,其中 180 个经 Claude Code Review 和人工审核后合并。Claude 通常一次就能改对,出错时可通过调整例程次日改进。
推荐理由:这套做法的增量在于把日常维护拆成可复用的定时例程,并通过当日 PR 反馈迭代提示词,使机械性代码改动从逐条审查转向批量合并。
Epoch AI 的 Gradient Updates 发布长文,以 Anthropic 为案例研究融资是否会成为前沿算力扩张的瓶颈。
推荐理由:文章拆解了 Anthropic 近 500 亿美元基建融资的具体结构,展示了供应商增信如何让机构资本流向收入尚小的前沿实验室。
Cursor 推出 builds 功能,在后台持续准备就绪的开发环境副本,让云智能体启动时无需从零搭建,响应速度最高提升 3 倍。内部环境启动快 10 倍,首个 token 生成快 3 倍;智能体始终从最近一次成功的 build 启动,依赖更新或安装脚本出错时不会影响运行。8 月 17 日起所有环境默认启用 builds,无需额外费用。
推荐理由:把环境准备从每次会话冷启动改为后台持续快照,云代理长任务的启动成本和中断风险降低,为把更多工程流程交给自动代理提供了更可靠的运行基础。
GPT-5.6 模型家族以更低成本实现前沿级智能体性能,并新增推理持久化、原生多智能体编排和程序化工具调用等 API 能力。在 ARC-AGI-3 上,启用保留推理和压缩后,Sol 得分从 13.3% 跃升至 38.3%,且输出 token 减少约 6 倍。Luna 在 BrowseComp 上以 84.04% 的得分追平 GPT-5.5(84.36%),成本从 $33.27 降至 $1.33。
推荐理由:最实际的改变在 API 原语,让同一模型在 ARC-AGI-3 上用约六分之一输出 token 拿到近三倍分数,影响开发者对推理成本和上下文架构的判断。
Google Sheets 发布新功能 Sheets canvas,基于 Gemini 构建,用户只需用自然语言提示词即可将表格数据转化为交互式仪表盘、学习追踪器、座位表等“迷你应用”。
推荐理由:与单独 BI 工具不同,Sheets canvas 直接在原表上生成可读写界面,临时仪表盘能沿用表格的共享和权限体系,降低轻量场景的搭建成本。
另有 1 家信源报道Google DeepMind 发布 Gemini 3.7 Flash,距 3.6 Flash 仅三周,主打编程与智能体任务,输入/输出价格分别为每百万 token $0.75 和 $3.75,为原 3.6 Flash 的一半。
推荐理由:相比 3.6 Flash,价格减半且 FrontierCode 和 DeepSWE 分数提升,让成本敏感型编码智能体团队有了新的性价比基线。
MiniMax 推出 Music 3.0,新一代音乐生成模型,可根据创意概念和可选歌词一次性完成整首歌的作曲、编曲、演奏与制作,最长支持五分钟。
推荐理由:把简单描述扩展成包含配器进出、情绪曲线和演唱方式的专业模板,降低了非专业创作者控制音乐生成细节的门槛。
Google 发布开源 C++ 库 Credentio,用于处理 C2PA Content Credentials,初期支持规范 2.2 和 2.4 版本。该代码此前驱动近 40 个符合 C2PA 标准的 Google 产品,扩展至数百亿个生成的图像、视频、音频和文档资产。
推荐理由:Google 开源了自家验证数十亿生成资产所用的 C2PA 库,本地验证带来零带宽开销和小内存占用,对做媒体溯源工具的开发者有直接参考价值。
METR 汇总多类公开数据寻找发现速度的拐点,发现漏洞发现明显加速:cURL CVE 从 2025 年的 9 个增至 2026 年的 36 个(15 个 AI 标记),Firefox 从 210 增至 342,Microsoft CVE 年化约为 2025 年的 2.5 倍。
推荐理由:原文用多领域公开数据对比 AI 对发现速度的影响,读者可以看到漏洞发现明显加快而算法优化尚未加速的反差。
Augment Code 从零重构 Auggie CLI 的 harness,在 SWE-bench Pro 相同通过率下,Auggie v2 单任务成本 $1.27,Claude Code 为 $2.70,便宜 53%,平均耗时 330s 对 409s。
推荐理由:作者复盘了从 Vercel AI SDK、Mastra 到 Pi 的三次选型与减法思路,成本结论有 SWE-bench Pro 数据支撑,方法可迁移到类似的重构决策。
Prime Intellect 在 nanoGPT optimizer speedrun 上跑了153次自主运行,覆盖18个前沿模型,单次最长8天、每个运行8xH200。
推荐理由:原文展示了18个前沿模型在nanoGPT speedrun上153次自主研究运行的完整对比和公开轨迹,可帮助读者理解模型间研究能力的真实差距在哪里。
蚂蚁百灵开发者博客介绍用 AReno 在 DGX Spark 上对 Ling-3.0-tiny 做井字棋 Agentic RL 后训练,验证一条基线评测、反馈定义、后训练、同环境复测的轻量任务适配路径。
推荐理由:原文给出完整的单机 Agentic RL 后训练路径和数据与 Reward 设计细节,开发者可按教程复现并迁移到自己的任务。
FireRedTeam 发布 FireRedTTS3,包含 Base 和 Instruct 两个变体,基于语义增强连续语音表征实现统一语音生成与编辑。
推荐理由:原文给出两个模型变体、语言覆盖和多项评测对比数据,读者可以据此评估它的克隆与编辑能力。
DeepSeek Harness v0.1 现已推出开发者预览版,并以 MIT 许可证开源。该智能体框架基于 Cordis 元框架构建,核心设计为“一切皆插件”,模型、工具、技能、会话、沙箱、文件系统、循环、编排及 UI 均可自由组合、替换和扩展。
推荐理由:插件化把模型、工具、会话拆成可替换单元,影响在于选择智能体框架时可以从整体选型转为逐组件比较,降低被单一编排方案绑定的迁移成本。
另有 2 家信源报道