AINews - 2025-11-12
📰 十大AI新闻要点
1. Moonshot AI发布Kimi K2 Thinking模型
Moonshot AI的Kimi K2 Thinking模型在多项评测中表现优异，在LisanBench上排名第7位（介于GPT-5和GPT-5-Mini之间），在LM Arena Text排行榜上排名开源模型第2位。该模型采用混合注意力架构（KDA + NoPE MLA），原生支持INT4量化，训练成本仅460万美元，支持200-300个工具调用的复杂代理工作流。
2. Meta发布Omnilingual ASR语音识别套件
Meta开源发布覆盖1600+语言的语音识别模型套件（300M-7B参数），其中包含500种首次获得服务的语言。同时发布7B参数的Omnilingual wav2vec 2.0表示模型和涵盖350种服务不足语言的Omnilingual ASR语料库。
3. SYNTH合成数据集和Baguettotron模型发布
研究人员发布完全合成的通用预训练数据集SYNTH，以及仅用200B tokens训练的两个新推理模型。Baguettotron在其规模级别中表现最佳，在非代码任务（包括数学）上达到SOTA水平，标志着向”认知核心”方向的重要进展。
4. AMD与Modular在MI355X上实现2.2倍推理加速
AMD和Modular报告在14天内将Instinct MI355X的推理性能提升2.2倍。同时NVIDIA详细介绍了TensorRT-LLM在GB200 NVL72系统上的Wide Expert Parallelism技术，用于MoE模型扩展。
5. Epoch AI预测GW级数据中心将于2026年上线
Epoch AI通过许可证和卫星图像分析预测，首个千兆瓦级数据中心将于2026年上线，超大规模厂商已将建设时间压缩至1-2年。同时发布了Frontier Data Centers数据集和方法说明。
6. OpenAI与Bain发布自进化代理框架GEPA
OpenAI与Bain合作发布新框架，展示能够反思、从反馈中学习并自我进化指令的代理系统。GEPA框架支持开发者创建能够动态调整行为的智能代理，已有开发者展示Python inspect与GEPA的创造性组合。
7. 10,000小时自我中心机器人数据集开源发布
研究人员发布包含2,153名工作者、10.8亿帧的大规模自我中心机器人数据集，标志着”机器人数据规模化时代的到来”，为机器人学习研究提供重要资源。
8. Google推出Nested Learning持续学习新范式
Google引入Nested Learning机器学习新范式，通过将模型视为嵌套优化器层来解决灾难性遗忘问题。该框架旨在实现模型在持续学习过程中的稳定性能保持。
9. Fei-Fei Li阐述空间智能与世界模型构建
李飞飞发表关于构建和使用世界模型以解锁空间智能的论述，强调”将视觉转化为推理”的重要性，为AI空间理解能力的发展提供理论框架。
10. ARC-AGI v1声称以<$10k成本达到人类水平
研究人员声称使用多代理进化测试时间计算和GPT-5 Pro，在12小时内以低于1万美元成本达到85%的人类水平AGI性能，目前正在接受社区严格审查。
🛠️ 十大工具产品要点
1. Kimi K2 Thinking低成本INT4推理服务
Kimi K2 Thinking通过量化感知训练实现原生INT4支持，在非Blackwell GPU上提供低成本推理，定价为$0.15/$2.5每百万tokens，相比Claude Sonnet 4.5的$3/$15具有显著成本优势。
2. Gelato-30B-A3B计算机使用模型
新发布的计算机使用模型在ScreenSpot-Pro上达到63.8%，OS-World-G上达到69.1%，超越专门的GTA1-32B模型，甚至优于规模大8倍的VLMs，为GUI操作代理提供即时性能提升。
3. Qwen3-VL-8B OCR能力表现卓越
Qwen3-VL-8B模型在OCR任务中展现出色性能，能够准确识别4K图像中的文字并提供精确边界框，在多项测试中超越Gemini 2.5 pro、Claude Opus 4等更大模型。
4. dLLM库将BERT转换为聊天机器人
dLLM库利用离散扩散技术将任何BERT模型转换为聊天机器人，ModernBERT-large在对话任务中表现可与Qwen1.5-0.5B相媲美，提供并行token生成能力。
5. Maya1开源语音AI支持20种人类情感
新发布的SOTA开源语音AI Maya1具有3B参数，支持单H100运行，能够识别和表达20种人类情感，在语音设计和情感表达方面实现重要突破。
6. INT8 GEMM内核实现300.26 T-ops/s性能
开发者发布GMP验证的精确INT8×INT8→INT32 GEMM内核，在A100上达到300.26 T-ops/s的宏吞吐量，展示位对位正确性，代码开源供社区验证。
7. Modular MAX引擎在B200和MI355X上超越竞品
Modular的MAX推理引擎在Mojo中实现，在B200上超越TensorRT，在MI355X上超越AMD方案，为HPC开发者提供避免C++包移植到GPU的解决方案。
8. AutoXLA为TPU提供4倍加速性能
AutoXLA实验库自动化大型语言模型在TPU上的分布、优化和量化，相比标准Flash Attention实现达到4倍性能提升，扩展Hugging Face Transformers接口支持TPU感知功能。
9. ComfyUI专业工作流实现生产级图像生成
NexusAI发布稳定、生产就绪的ComfyUI工作流套件，针对照片级真实感、动漫和商业图像生成进行优化，提供一键式工作流程，确保不同随机种子下的细节一致性。
10. Ploke为Rust编程提供开源AI接口
新发布的开源AI接口专门为Rust编程设计，通过原生项目解析和自动语义搜索增强LLM上下文管理的相关性和效率，支持通过交互式覆盖选择OpenRouter托管的模型。