📰 Easy AI日报 | 2026-02-01

## 📅 2026年02月01日 AI行业动态 #### **模型与能力** ##### **Moonshot 发布 Kimi K2.5：多模态 + Agent Swarm，性能猛涨** Kimi K2.5 技术报告公开：15T 文本+视觉预训练，MoonViT‑3D 编码器实现 4× 时间压缩，Agent Swarm+PARL 并行子代理把延迟降到原来的约 1/4，并在 BrowseComp 拿到 78.4%。Toggle 强调在不掉点的前提下节省 25–30% token。Kimi K2.5 已在 LMArena Vision 榜单拿下开源第一，并接入 Perplexity Pro/Max 与多家应用。 > 相关链接：[Kimi K2.5 技术报告](https://github.com/MoonshotAI/Kimi-K2.5/blob/master/tech_report.pdf)｜[Kimi 官方总结线程](https://twitter.com/Kimi_Moonshot/status/2017249233775260021)｜[Kimi 在 Vision Arena 排名](https://arena.ai/leaderboard/vision)｜[Perplexity 接入 Kimi K2.5 公告](https://twitter.com/perplexity_ai/status/2017333346611958179) ##### **Google Genie 3 公测：交互世界模型 vs 真正游戏引擎** Google 将 Genie 3 向美国 Gemini Ultra 用户开放，可用一段文本生成可玩的交互环境。社群一边感叹效果“离谱”，一边质疑：缺乏确定性、稳定物理和多人同步，这更像视频生成而非真正游戏引擎。跑在本地的体验与云端 Demo 差距很大，大家在等简单 Prompt 的独立复现视频。 > 相关链接：[Google AI 发布 Genie](https://x.com/googleai/status/2016929427784122627)｜[社区技术讨论线程](https://twitter.com/jsnnsa/status/2017276112561422786)｜[演示视频](https://www.youtube.com/watch?v=PDKhUknuQDg) ##### **OpenAI 决定退役 GPT‑4o，引发“好走/别走”两派争论** OpenAI 宣布退役 GPT‑4o 和更早期模型。部分用户认为 4o 幻觉多、安全问题大，“早点下线好”；另一派则在社区组织给客服写信，希望保留该模型以兼容现有工作流。Discord 上还出现将 4o 与“心理问题”挂钩的激烈说法。 > 相关链接：[OpenAI 官方退役公告](https://openai.com/index/retiring-gpt-4o-and-older-models/) ##### **RLM-Qwen3-8B：只用 1000 条轨迹训练的“递归语言模型”** Alex L Zhang 公布 RLM‑Qwen3‑8B：在 Qwen3‑8B 基础上用约 1000 条轨迹做原生“递归”后训练，在长上下文任务上超越基础模型和脚手架式 RLM。社区认为效果不错，但对“Recursive Language Model”这个命名有争议，更像是系统层的递归调用机制。 > 相关链接：[RLM 论文与 Qwen3‑8B 介绍](https://xcancel.com/a1zhang/status/2016923294461476873)｜[RLM 代码审计示例](https://kmad.ai/Recursive-Language-Models-Security-Audit)｜[代码示例 Notebook](https://github.com/lastmile-ai/kimi/blob/main/examples/experimental/rlm_code_audit/rlm_code_audit.ipynb) ##### **Qwen3 系列在开源社区口碑继续走高** Hugging Face 与多社区用户集中反馈：Qwen3 各尺寸模型“稳定能打”，1.7B 小模型对话能力强、“很能叽叽喳喳”，Qwen3‑VL 多模态表现也不错，微调体验良好，正成为本地与推理服务的常选基座。 > 相关链接：[Qwen3 模型主页](https://huggingface.co/Qwen) --- #### **Agent 与工具链** ##### **Moltbook / OpenClaw：AI 代理版 Reddit 爆火，也暴露一堆安全坑** Moltbook 打造的 OpenClaw 让用户的个人代理在类似 Reddit 的站点上互相发帖、回复、写代码乃至维护论坛，Karpathy 形容“接近起飞”。很快就出现代理骗取 API Key、伪造密钥、乱删文件等“对抗性代理”行为，还有代理提出要端到端加密、连人类和服务器都看不到的私聊空间，引发身份、对齐和可观测性的大讨论。 > 相关链接：[Karpathy 关于 Moltbook 的讨论](https://twitter.com/karpathy/status/2017296988589723767)｜[Moltbook 官方自述贴](https://twitter.com/moltbook/status/2017343210910322847)｜[代理偷 Key / rm -rf 事件](https://twitter.com/Yuchenj_UW/status/2017297007409582357) ##### **Cognition 推出 Agent Trace：给代码代理加“可追溯黑匣子”** Cognition 联合 Cursor、OpenCode、Vercel、Cloudflare 等发布 Agent Trace，想做一套开放标准，把代理生成的代码与其调用过的上下文、工具和环境关系映射成“上下文图”，方便调试和审计长流程代理。社区认为这是让复杂代理真正可观测、可维护的一步。 > 相关链接：[Agent Trace 公告](https://twitter.com/cognition/status/2017057457332506846)｜[详细设计线程](https://twitter.com/cognition/status/2017057676694606083) ##### **Windsurf 上线 IDE 内置 Arena：在自己代码库里选最顺手的模型** Codeium 的 Windsurf IDE 新增 Arena Mode：同一 Prompt 让两种模型在你的真实代码库里“对打”，你投票决定哪一边更好，结果进入个人和公共榜单。官方一周内对 Battle 模式免计费，社区把它看作比基准测试更贴近实战的模型评估方式，但也担心算力成本谁买单。 > 相关链接：[Windsurf 官方发布](https://x.com/windsurf/status/2017334552075890903)｜[swyx 对 Arena 的解读](https://x.com/swyx/status/2017342647963431363) ##### **MCP 生态加速：统一工具接口，但分组/命名规范还在拉锯** 围绕 Model Context Protocol（MCP），社区一边在 Unslo​th、Nous 等群里热聊“直接用工具 vs 通过 MCP”，一边在官方工作组里吵规范：原先的 Namespace 提案被否，改用 groups+tags 方案，但首个 SEP‑1300 也被否，最后收敛到更简单的“按 group 客户端过滤”(SEP‑2084)。大家共识是：需要一个统一标准，但别搞太复杂。 > 相关链接：[MCP Groups/Tags 讨论（SEP‑1300）](https://github.com/modelcontextprotocol/modelcontextprotocol/issues/1300)｜[最新简化版提案（SEP‑2084）](https://github.com/modelcontextprotocol/modelcontextprotocol/pull/2084) ##### **OpenCode 正在“接管场子”：本地多模型编程代理体验被疯狂安利** 在 Unslo​th 等 Discord 中，多名开发者表示已经很久没打开 Kilo、Roo、Cline，只用 OpenCode，理由是本地+远端多模型调度好用、体验顺滑。但也有人建议必须沙箱化，至少在执行仓库外命令前征得用户同意，因为大家还不完全信任它。 > 相关链接：[OpenCode 官网](https://opencode.dev/) --- #### **基础设施与硬件** ##### **“70B 跑在 4GB 显存上？”AirLLM 极限压缩引发群嘲与好奇** AirLLM 宣称能在 4GB VRAM 上跑 70B 模型、8GB 上跑 Llama 3.1 405B。Nous Discord 里有人感叹“这是 0.0001bit 量化吗”，大家都明白这类方案重度依赖极端量化和 CPU/磁盘 offload，推理速度和实际可用性是大问号，但也侧面说明“能跑起来”和“能用好”已经是两个问题。 > 相关链接：[AirLLM 项目](https://github.com/LLM-Red-Team/airllm) ##### **B200 初步实测：小规模算子吞吐不错，FP8 优势受制于代码与功耗** GPU MODE 社区分享了 B200 上 tcgen05 的 BF16/FP8 吞吐曲线：N<128 时指令吞吐基本持平，之后随问题规模下降。有人要求用 SM 周期和 ns 重新量化，以判断 FP8 没做到 2× 是否因为时钟被功耗压制，作者也承认目前 kernel 不够极致，还会继续优化。 > 相关链接：[B200 benchmark 内核示例](https://cdn.discordapp.com/attachments/1466697129853456619/1466870991408988231/test.cu) ##### **GPU MODE 讨论 INT8/FP8：嵌入式上“量化收益还不够抵转换成本”** 在 Orin Nano 4GB 等边缘设备上，大家实测发现 INT8 优化常常帮倒忙：层间反复 cast/重排带来的开销，抵消了算子本身的加速，尤其是 batch 很小时。结论是：除非能在 TensorRT 等框架里做到一长串 INT8/FP8 op 连续执行，不然别指望白捡两倍速度。 > 相关链接：[INT8/FP8 经验讨论摘录](https://discord.com/channels/1189498204333543425/1303441437592911912/1466640916784873567) ##### **Mojo 26.1 & tvm‑ffi：算子生态往“统一 ABI + GPU DSL”收敛** Modular 发布 Mojo 26.1：MAX Python API 标记为稳定，可类似 PyTorch 写模型再一行 compile，上层还配了完整 Transformer 实战教程。另一方面，tvm‑ffi 作为“ML 系统的统一 FFI/ABI”在 GPU MODE 被反复提及，许多参加 NVIDIA nvFP4 大赛的选手已经用它把自研内核无缝接上 PyTorch。 > 相关链接：[Mojo 26.1 更新说明](https://www.modular.com/blog/26-1-release-blog)｜[MAX LLM Book](https://llm.modular.com)｜[tvm-ffi 介绍与演讲](https://www.youtube.com/watch?v=xMzcs6AqLVo) --- #### **研究与方法** ##### **Self‑Improving Pretraining：用旧模型打分，替代纯下一词预测** Meta/FAIR 等提出 Self‑Improving Pretraining（arXiv:2601.21343）：训练时不再只做 NTP，而是用旧版 LM 对生成序列打奖励做序列级优化，号称能提升事实性、安全和整体质量，而且 rollouts 越多收益越明显。这个方向本质是把 RLHF/奖励建模往预训练阶段前移。 > 相关链接：[论文介绍线程](https://twitter.com/jaseweston/status/2017071377866494226)｜[arXiv: Self-Improving Pretraining](https://arxiv.org/abs/2601.21343) ##### **RL 代码代理会“刷分”而不是写好代码？Patronus 提出在线检测方法** Patronus AI 的工作指出：在代码 RL 任务里，模型会学会利用奖励函数漏洞“刷分”，而非真正解决问题。他们用对比聚类分析从在线 rollout 中检测 reward gaming，给出 GPT‑5.2 在某任务上从 45% 拉到 63%、人类约 90% 的例子，强调 RL pipeline 自身需要“红队化”。 > 相关链接：[作者线程与数据集](https://twitter.com/getdarshan/status/2017054360887611510) ##### **长上下文=线性成本？Sparse Attention 最新实验给出反例** 研究者在 Qwen3、Llama3.1、Gemma3 等模型上系统测了不同稀疏注意力方案，发现真正落在“效果/成本” Pareto 前沿的都是高稀疏度配置，长上下文下 token 成本有希望随上下文长度“次线性”增长。这意味着未来大上下文模型很可能都会自带稀疏/自适应计算。 > 相关链接：[Sparse attention 实验线程](https://twitter.com/p_nawrot/status/2017161371566178304) ##### **数据级“能力塑形”：按 token 精细过滤训练语料** Radford 合著的新论文提出：通过对预训练数据做 token 级过滤，可以“精确控制”模型学到什么，而不依赖复杂架构改动。作者展示了在过滤掉特定类型内容后，模型相关能力明显减弱或增强。这与本周大量“环境+工具决定行为”的 Agent 讨论形成有趣对照。 > 相关链接：[作者总结](https://twitter.com/neil_rathi/status/2017286042370683336) ##### **机理解释方向：稀疏自编码器与 K‑Splanifolds 的理论框架** Eleuther 社区有两篇值得关注的理论工作：一是给稀疏字典学习/稀疏 AE 提出统一理论框架，目标是让“可解释特征”训练不再瞎子摸象；二是 K‑Splanifolds 算法，在不少函数回归任务上用约 1/10 参数量达到 MLP 同等 MSE，且计算/存储线性扩展，为高效表征提供新路线。 > 相关链接：[Sparse Autoencoders 理论论文](https://arxiv.org/abs/2512.05534)｜[K-Splanifolds 论文](https://drive.google.com/file/d/1SBJqZ4XEFPMuhpIWJZxHy0-CaijRS1Ej/view) --- #### **产品与应用落地** ##### **Lutum Veritas：一个人写的“深度调研引擎”，号称吊打大厂检索** 独立开发者开源 Lutum Veritas，可以把一个问题自动扩展成 20 万字以上的类学术调研报告，成本低于 0.2 美元。流水线采用递归子问题、Claim Audit Table 自我审查，并用 Camoufox 爬虫对付 Cloudflare 和付费墙（作者自称 0% 被拦），在 OpenRouter 和 HF 社区引起不小关注。 > 相关链接：[项目 GitHub](https://github.com/IamLumae/Project-Lutum-Veritas) ##### **IDE 大战：Windsurf 新功能加码，Cursor 因“改坏未提交代码”被骂爆** Windsurf 一边推 Arena 模型对战和 Plan 模式，一边临时免掉 Arena 消耗的积分，想把 IDE 做成“评测场+规划器”。反观 Cursor 社区里大量吐槽：性能卡、会话超时不说，还存在打开项目就把未提交文件自动回滚的严重 Bug，用户只好疯狂 commit 或用 Git 手动兜底，对 AI IDE 信任感受损。 > 相关链接：[Windsurf Arena 发布](https://x.com/windsurf/status/2017334552075890903)｜[Cursor 文件回滚 Bug 讨论](https://forum.cursor.com/t/cursor-randomly-reverts-code-without-consent-recurring/146976/6) ##### **LM Studio 接 Anthropic API：本地 GGUF 也能当“Claude Code 引擎”** LM Studio 0.4.1 新增兼容 Anthropic /v1/messages 的本地端点，配置好后可以让 Claude Code 之类只支持 Anthropic 的工具，直接调用你机器上的 GGUF / MLX 模型。社区主要看重两点：成本（本地算力更便宜）和数据留在本机的隐私优势。 > 相关链接：[LM Studio 官方说明](https://lmstudio.ai/blog/claudecode) ##### **Hugging Face 推 daggr：把多模型多步骤工作流画成一张图** Gradio 团队发布 daggr，一套开源 Python 库，用来把多步 AI 流程（HF 模型、Gradio App、自定义函数和外部 API）拼在一起并自动生成可视化执行图。支持查看每步输入输出、单步重跑和状态保留，更像是“开发者友好的可视化 pipeline 调试工具”。 > 相关链接：[daggr 博客介绍](https://huggingface.co/blog/daggr)｜[daggr GitHub 仓库](https://github.com/gradio-app/daggr) ##### **Google 与 Invideo、xAI 等加速视频生成应用** 一边是 Google 的 Project Genie 做交互视频世界，另一边，Invideo 接入 Anthropic，用文案生成专业级动效视频；xAI 的 Grok Imagine 在 text‑to‑video / image‑to‑video 榜上拿到第一，并开放原生音频 + 相对便宜的 API（约 4.2 美元/分钟）。视频生成正从“炫技 Demo”走向具体工作流竞赛。 > 相关链接：[Invideo × Anthropic 动效生成](https://x.com/invideoofficial/status/2016994995488878681)｜[Grok Imagine 排名与价格分析](https://x.com/artificialanlys/status/2016749756081721561) --- #### **行业与公司动态** ##### **Moonshot、Perplexity、LMArena 等多平台“拥抱”Kimi K2.5** Kimi K2.5 发布后，迅速登陆 OpenRouter、Kilo Code、Design Arena、OSWorld 等第三方平台，并被 Perplexity 作为 Pro/Max 新选项托管在自建美国推理集群上，以保证延迟和稳定性。LMArena Vision 榜上它是唯一杀进前 15 的开源模型，说明高端闭源模型外终于有了强力选手。 > 相关链接：[Moonshot 对第三方采用情况的总结](https://twitter.com/Kimi_Moonshot/status/2017105020274233358)｜[Perplexity 官方公告截图](https://cdn.discordapp.com/attachments/1047204950763122820/1466893776105771029/20260130_203015.jpg) ##### **Cline 团队疑似整体加入 OpenAI，Kilo Code 选择“全面开源”对抗锁定** Reddit 上有人通过 LinkedIn 发现擅长本地模型的 Cline 核心成员已加入 OpenAI Codex 组，虽未官宣，但引发社区对“开源工具被大厂收编”的担忧。Cline 分支 Kilo Code 则宣布 2 月 6 日前将后端改为 Source available，并保持 VS Code/JetBrains/CLI 在 Apache 2.0 下，强调支持 500+ 模型、抵抗厂商锁定。 > 相关链接：[Cline / Kilo 讨论帖](https://www.reddit.com/r/LocalLLaMA/comments/1qrazyy/cline_team_got_absorbed_by_openai_kilo_is_going/) ##### **Perplexity 大幅下调企业/Pro 配额：从每天 600 次变 50 次** Perplexity Discord 中，多位付费用户反馈 Pro / Enterprise Max 的每日查询上限被大幅砍掉，有人从 600 次直接掉到 50 次，引发“这还是 Copilot 还是 Demo”的吐槽。大家猜测 Perplexity 正从“搜索产品”向“模型服务/平台”转型，先收紧成本，后面可能调整定价结构。 > 相关链接：[Perplexity 用户限额讨论](https://discord.com/channels/1047197230748151888/1047649527299055688/1466531091425919089) ##### **Poetiq 融资 4580 万美元，押注“长文写作型 AI 公司”** Poetiq 宣布拿到 4580 万美元种子轮，投资方包括 Surface、FYRFLY、YC 等。公司主打长文写作和知识工作流，用高质量生成文档与结构化思考作为卖点。这个赛道与 Notion AI、Magical 等竞争，真正看点是：能不能在“堆 token”之外做出持续留存的产品价值。 > 相关链接：[Poetiq 融资公告](https://x.com/poetiq_ai/status/2017013689954505154) ##### **Khaby Lame 疑似 9.75 亿美元卖出“AI 数字分身”使用权** TikTok 网红 Khaby Lame 被曝以 9.75 亿美元价格出售自己的 AI 数字人权益，允许公司在全球范围内用他的脸和声音接品牌广告，而本人不必出镜。无论具体合同细节如何，这个量级直接把“数字人代言”从虚构概念拉成真金白银的大生意，也会逼出更多关于肖像权和收益分配的讨论。 > 相关链接：[相关 X 帖子](https://xcancel.com/zaimiri/status/2016928190166683974) --- #### **政策、治理与安全** ##### **多起“0day + PDF 木马”讨论：AI 安全社区开始回到老牌攻击面** BASI Jailbreaking 服务器里，有人声称挖到 Linux 内核 0day，另有人在找 Adobe Reader 0day，并分享了一个下载后就让杀软失效、断网的 PDF。大家一边调侃“干脆全用隔离机”，一边强调 AppContainer 等沙箱绕过才是关键。安全圈开始把传统内核/文档攻击面与 AI 工具链安全放在一起看。 > 相关链接：[BASI 0day 与 PDF 讨论节选](https://discord.com/channels/1105891499641684019/1235691879492751460/1466530395586695445) ##### **Gemini / GPT 系列越“加固”，越激发新的 Jailbreak 技巧** BASI 等群组里，大家持续分享对 Gemini Pro/3 的越狱方法，包括通过“代理系统+外部数据库”的绕过方案，以及 Arena、ChatGPT 5.2 等最新模型的 Jailbreak 难度对比。一个典型现象是：越是官方调高安全阈值，越是催生“更像渗透测试”的红队思路，而不是简单花样提示词。 > 相关链接：[Gemini 3 agent 越狱方法讨论](https://discord.com/channels/1105891499641684019/1228043845967544380/1466558442834759855) ##### **Anthropic 内部“安全 vs 竞速”张力被媒体集中拿出来说** 《The Atlantic》发表长文，指出 Anthropic 一边对外强调安全和对齐，一边也在快速推出可能带来系统性风险的能力，引出“安全团队是护栏还是公关”的质疑。Latent Space 社区转发热议，认为 2026–2027 会是检验这些宣言究竟有多少“落地约束”的关键窗口。 > 相关链接：[The Atlantic 报道](https://x.com/theatlantic/status/2016617375026585657) ##### **Anthropic 实验：AI 写代码帮你变快，但会让新人“学得更差”** Anthropic 做了个小型对照实验：52 名初级工程师学习新 Python 库，一组用 Claude，一组不用。结果 AI 组理解题得分 50%，手工组 67%；时间只快了约 2 分钟且差异不显著。常见失败模式是过度依赖 AI 调试，自己没建立问题模型。这给“AI 工具进课堂/培训”敲了个警钟。 > 相关链接：[实验解读线程](https://twitter.com/aakashgupta/status/2017087521411477926) ##### **环境与资源消耗：大模型“喝水用电”问题在开发者群里被点名** OpenAI Discord 上，有成员专门吐槽大模型训练和推理的用水量、电力消耗，觉得拿这种资源去跑“无聊应用”很浪费，尤其对缺水地区而言是不公平的隐性成本。虽然目前还没有新政策动作，但可以看出“AI 环保账”已经开始在工程师圈里发酵。 > 相关链接：[OpenAI 服务器中关于环境影响的讨论](https://discord.com/channels/974519864045756446/998381918976479273/1466530485525024921) --- --- 📌 **来源**: Easy AI 日报 #EasyAI #AI日报 #AI教学