

> 通过锁定千亿参数底座并向强化学习倾注算力，智谱证明了高信噪比的数据工程与对齐策略才是拉升逻辑推理能力的真正杠杆。

大模型领域的参数迷信正在被极其硬核的工程实践终结。智谱最新发布的GLM-5.3版本做出了一个极具标志性的技术决策，彻底放弃了更换底层神经网络拓扑结构与盲目扩张参数规模的常规路径。他们选择在7400亿参数的既有底座上，通过极度暴力的后训练强化拉升模型性能，最终在核心的编程与数学逻辑能力上逼近甚至持平国际第一梯队。这一转折清晰地标定了AI研发路线的分水岭。

## 算力杠杆向后训练倾斜的工程实践

**架构权衡**　长久以来，行业被预训练规模法则深深裹挟，认为只有投喂极其庞大的无监督语料才能涌现更强的泛化智能。而GLM-5.3的架构师极其冷酷地按下了底座膨胀的暂停键。他们敏锐地察觉到网络权重的知识密度已经趋近当前语料库的极限，继续扩大参数量带来的边际收益已无法覆盖庞大的显存开销，将核心算力转移至微调阶段是唯一理性的工程解法。

**对齐收益**　在不改变基础拓扑的前提下，研发团队通过引入Agentic RL等高阶强化学习算法与极为苛刻的多阶段数据清洗，硬生生拉高了模型在复杂上下文中的逻辑连贯性。这种极其精细的后训练流程，本质上是在消除预训练语料中的冗余噪声，将模型散漫的概率分布强制收敛到符合人类高阶逻辑的推理路径上，从而实现了以静制动的算力效率最大化。
![32.jpg](https://static.downly.cn/images/f37e9eb6bec8327d4d38413d42759bc8.jpg)
<center>图源备注 图片由AI生成</center>

## 后训练时代的算力范式迁移

**研发流水分化**　这一成功范例将彻底重塑大模型初创公司的资源分配时间表。预训练将逐渐沦为少数算力寡头的枯燥基建，而真正决定模型商业价值胜负手的，将是后训练阶段的数据飞轮构建与强化学习策略。掌握垂类行业极高规格合成数据与清洗流水线的团队，将在这一轮技术洗牌中获得降维打击的优势。

**推理边界重塑**　当死磕后训练成为行业共识，模型的评测标准将发生根本性偏移。静态的参数量与宽泛的文本生成能力将被彻底边缘化，取而代之的将是极长指令遵循、代码沙盒内的高容错自我纠正机制，以及在多步逻辑推演中的显存占用极小化。算法工程师的刀锋将直指模型内在的推理纯度。
![33.jpg](https://static.downly.cn/images/443bba8df073f43c97392566716ab5ea.jpg)
<center>图源备注 图片由AI生成</center>

算力的粗放燃烧时代已经落幕，极致的后训练调教正在重新定义硅基智能的逻辑极值。

智谱GLM-5.3放弃底座迭代死磕后训练的技术逻辑



> 从送外卖到硬核炼丹，美团耗费海量国产算力打造1.6万亿参数的MoE模型，其背后绝非单纯的秀肌肉，而是一场试图在AI Agent时代抢占基础设施话语权的深远布局。

## 撕掉外卖标签 国产算力集群的高光时刻

当外界对美团的认知还停留在骑手与团购时，它悄然在AI底层基础设施领域扔下了一枚重磅炸弹。最新发布的LongCat-2.0大模型，总参数规模达到了惊人的1.6万亿，每个Token激活约480亿参数，原生支持1M超长上下文。

核心震撼　但真正让业界侧目的，并非单纯的参数量，而是它完全基于国内5万张专用AI算力卡（ASIC）完成了从头预训练到推理的全流程。长久以来，国产算力集群一直饱受“生态差”、“断连多”、“仅能做微调（后训练）”的诟病。美团的技术团队用这只“长猫”硬刚了卡间通信异常、显存压力等硬件痛点，通过自研确定性算子和零计算专家机制，跑通了模芯协同的盲区。

这标志着国产算力首次在万亿级MoE架构模型的端到端训练中证明了其工程可行性。对于被英伟达生态长期钳制的中国科技企业而言，美团交出了一份具备极高战略价值的“脱钩”答卷。

![52.jpg](https://static.downly.cn/images/4b67bf26c2bff884b10c2e40fc884c59.jpg) <center>图源备注 图片由AI生成</center>

## 醉翁之意不在酒 剑指AI智能体入口

然而，一家以本地生活为主业的互联网大厂，为何要不计成本地投入基础大模型的研发？答案藏在LongCat-2.0的产品定位中。该模型高度聚焦于Agentic Coding（智能体编程）任务，深度适配了Claude Code、OpenClaw等主流智能体框架。

商业图谋　美团看准的是下一代互联网的操作入口。在未来的商业图景中，用户将不再需要通过点开各种App来完成点餐或酒旅预订，而是直接向AI Agent下达自然语言指令。在预览版阶段，美团甚至采取了匿名（Owl Alpha）接入OpenRouter的奇袭战术，一举在多个Agent测试场景下拿下全球调用量前三，仅次于顶级闭源模型Claude Opus 4.8。

美团以免费和开源为诱饵（尽管当前依然是暂缓释放权重的“期房”状态），吸引全球顶尖开发者在LongCat上构建智能体应用。通过掌握最底层的代码生成与复杂任务调度模型，美团实质上是在为未来的自动化商业帝国夯实地基。谁掌握了最强的通用Agent大脑，谁就能在下一个十年的服务分发网络中掌握绝对的抽佣权。

![53.jpg](https://static.downly.cn/images/7fcc08c0b672b11096049c24f851a346.jpg) <center>图源备注 图片由AI生成</center>

五万张国产卡炼出万亿模型 美团的算力阳谋与生态卡位战



> 国产大模型后训练机制取得突破。全新算法成功破解长序列推理停滞壁垒，标志着开源社区在深度逻辑对齐层面构建起独立演进路径。

## 攻克纯强化学习长文本技术壁垒

大模型技术演进的重心正由早期的预训练规模扩张，逐步向推理端的深度逻辑对齐转移。阿里通义实验室智能计算团队今日正式开源了一项针对大模型后训练领域的新型机制，即FIPO算法。在处理长文本推理与复杂逻辑对齐任务时，传统强化学习框架通常难以精准捕捉长序列中的关键决策节点，从而陷入推理长度停滞的技术瓶颈。研发团队通过在模型架构中引入创新的机制，对关键计算节点实施差异化的奖励分配策略，成功引导系统在构建思维链的过程中展现出更强的前瞻性与全局统筹能力。

![32.png](https://static.downly.cn/images/631b3a361eabf092f9bfd915f7c938f3.png) <center>图源备注：图片由AI生成</center>

## 重塑开源端数学与计算实力基准

底层算法的突破直接反映在了端侧的性能指标上。最新的实验室测试数据显示，在设定为纯强化学习的运行环境下，搭载该新型算法的32B规模模型表现优异。在数学计算与深度逻辑推理两大核心维度上，该架构的综合性能已率先超越了同等规模的开源竞品，并成功压制了部分国际顶尖的闭源推理模型。这一技术成果不仅为解决人工智能在思考过程中的质量评估难题提供了全新解法，更为重要的是，它向全球开发者证明了国产头部实验室在追赶顶尖推理系统时，已具备跳出跟随策略并自主定义技术标准的创新底蕴。

阿里通义开源FIPO对齐算法 32B模型推理能力反超国际竞品



> 备受瞩目的AI训练版权纠纷迎来实质性进展，Anthropic案原告律师团在多方压力下将索赔费用削减至1.875亿美元，这标志着生成式AI的合规化进程正加速迈入先授权后训练的新阶段。

## 天价和解金与版权博弈里程碑
在人工智能产业极具标杆意义的版权诉讼中，利益分配的博弈正趋于理性。此前，生成式AI巨头Anthropic同意支付十五亿美元，以终结关于其使用海量盗版图书训练模型的集体诉讼。这一规模空前的和解协议不仅创下行业赔付纪录，更确立了极其严苛的合规标准。涉事企业必须彻底销毁违规数据集，并承诺未来的商用模型严格切断侵权素材源。根据初步方案，每部受保护作品的权利人将获得逾三千美元的经济补偿，这无疑是传统内容创作者在数字浪潮中捍卫数据资产的一次重大胜利。

![52.png](https://static.downly.cn/images/084fa4033146bdca209beab2892aa3fd.png)

<center>图源备注：图片由AI生成</center>

## 代理费用挤水分重构利益分配
随着巨额赔偿方案的敲定，围绕分蛋糕的争议成为法庭焦点。最新提交的司法文件显示，原告律师团已主动放弃高达三亿美元的初步费用申请，将其大幅下调至1.875亿美元。此番让步并非出于自愿，而是源于主审法官与被告方对天价账单的强烈质疑。先前的方案中，包含向非官方指定律所私自转移的巨额分成，被法庭严厉驳回。修正后的账单严格限定于指定代理人的实际工作量，约占总和解基金的12.5%，最大程度保障了创作者群体的核心权益。

## 合规化浪潮重塑行业规则
随着核心分歧的化解，这场旷日持久的版权大案有望在四月下旬的最终听证会后尘埃落定。对于处于爆发期的AI产业而言，这笔昂贵的和解金不仅是为早期的野蛮生长买单，更是全行业走向规范运作的催化剂。伴随法律边界的日益清晰，模型开发者与内容版权方之间的博弈将从庭堂诉讼转向商业谈判，先授权后使用的正版化数据交易模式必将成为未来的行业准则。


Anthropic十五亿美元版权和解案推进 代理律师费大幅调降



> **导语**
> 年末科技圈再迎重磅炸弹，智谱科技发布的 GLM-4.7 模型在 WebDev 榜单上强势超越 GPT-5.2，问鼎开源大模型之首。凭借卓越的编码能力与更低的推理成本，它被开发者誉为 "Claude Code 的最佳平替"。

## 技术揭秘 后训练阶段的精细化打磨

在近期的 AMA 活动中，智谱团队不仅展示了成绩，更披露了技术跃迁的核心逻辑。GLM-4.7 的突围并非单纯依赖参数堆叠，而是得益于后训练阶段（Post-training）的极致优化。

团队在监督微调（SFT）和强化学习（RL）环节引入了更为精细的配方，这种策略显著提升了模型在复杂指令下的稳定性。除了性能，成本控制也是此次迭代的亮点。智谱明确表示，设计初衷是让高性能模型能够跑在消费级显卡上，这种 "亲民" 的算力需求，为个人开发者和中小企业的大规模部署扫清了障碍。

![Google_AI_Studio_2025-12-29T03_19_21.225Z.png](https://static.downly.cn/images/147bd94fc3fcbe41f7be5712d8d40fb1.png)
 <center>图源备注：图片由AI生成</center>

## 全能表现 从代码构建到角色扮演

GLM-4.7 正在展现出 "全能选手" 的潜质。在代码领域，它对 Python 和 JavaScript 等主流语言的支持更加稳健，不仅能完成基础编码，还能在调试和执行复杂开发任务时展现出清晰的逻辑链条。

更有趣的是，该模型的 "情商" 也得到了进化。在创意写作和角色扮演任务中，GLM-4.7 能够长时间保持角色设定的一致性，大幅减少了以往模型常见的 "出戏" 现象。这种灵动性使其在游戏 NPC 对话、虚拟陪伴等感性交互场景中也具备了极高的应用价值。

与此同时，智谱宣布开源自研的 Slime 框架，旨在反哺社区，提升大模型强化学习的效率。团队承诺，即便在商业化进程加速的背景下，对开源生态的投入不仅不会缩减，反而会作为公司成长的核心动力持续加强。

智谱GLM-4.7登顶开源榜单 国产大模型硬刚GPT-5.2



> 导语
> Transformer 架构联合创始人 Ashish Vaswani 领衔的 Essential AI 正式开源了其首款旗舰模型 Rnj-1。这款拥有 80 亿参数的模型向伟大的数学家拉马努金致敬，采用了与主流“后训练”强化学习相反的路线，坚持通过高质量预训练决定智能上限。Rnj-1 在代码生成、STEM 推理及 Agent 智能体能力上表现惊人，特别是在 SWE-bench Verified 测试中取得了同量级模型数量级的领先优势，并以 Apache 2.0 协议完全开源，允许在消费级显卡上运行。



## 逆流而上 回归预训练的本质

在当前 AI 行业普遍痴迷于通过强化学习（RLHF）和后训练（Post-training）来提升模型表现的浪潮中，Essential AI 选择了一条截然不同的“复古”路线。由 Transformer 论文作者 Ashish Vaswani 和 Niki Parmar 创立的这家公司，坚信“预训练决定了智能的天花板”，而后训练仅仅是挖掘已有的潜力。

Rnj-1 就是这一理念的结晶。该模型完全从零开始训练，使用了高达 8.4 万亿 token 的数据集。与盲目堆砌数据不同，研发团队构建了精细的数据分类学，专注于科学、技术、工程、数学（STEM）以及代码数据的混合。这种对预训练质量的极致追求，使得 Rnj-1 在逻辑推理和复杂问题解决上展现出了“原生”的强大能力，而非通过后期微调“模仿”出来的智能。

## 小身材大能量 吊打同级竞品的代码能力

![image.png](https://static.downly.cn/images/2aab691c48fc3e0255519957e206ed38.png)
这里，rnj-1 指的是基础模型，而 rnj-1-instruct 指的是训练后调优的指令模型。
Rnj-1 的核心亮点在于其惊人的代码与推理能力。尽管只有 80 亿参数（8B），它在著名的软件工程基准测试 SWE-bench Verified（bash-only 模式）中取得了 20.8% 的高分。

这一成绩意味着什么？官方数据显示，Rnj-1 在该项测试中的表现比同等规模的其他开源模型高出一个数量级，甚至能够通过 Agent 框架解决现实世界中的 GitHub 问题。除了代码能力，它在数学竞赛（AIME）、科学问答（GPQA）等硬核 STEM 领域也表现出色，证明了其并非“偏科生”，而是具备深层逻辑推理能力的通用模型。
![image.png](https://static.downly.cn/images/8ac38bb18ccee44d3aa503609c51b0f9.png)

## 专为开发者打造 消费级硬件上的 Agent 利器

Essential AI 此次开源显得诚意十足。Rnj-1 及其指令微调版本（Rnj-1-instruct）均采用宽松的 Apache 2.0 许可证，这意味着开发者和企业可以免费商用。

对于广大开发者而言，Rnj-1 的硬件友好性极具吸引力。得益于其 8B 的紧凑体积，经过量化后的模型可以轻松在拥有 16GB 显存的消费级 GPU 甚至高端笔记本电脑上运行。同时，模型支持 32k 的上下文窗口，结合其在函数调用（Tool Use）和 FIM（代码中间填充）方面的优化，使其成为构建本地 AI 编程助手和自主智能体（Autonomous Agents）的理想底座。

## 技术细节揭秘 站在巨人肩膀上的创新

虽然 Rnj-1 的架构借鉴了 Google 的 Gemma 3，但团队进行了关键性的改良。模型采用了全局注意力机制（Global Attention）以及用于长上下文扩展的 YaRN 技术，确保了在处理长文档和复杂代码库时的稳定性。

值得一提的是，在训练过程中，团队使用了 Muon 优化器，显著提升了训练效率。Essential AI 坦诚地表示，Rnj-1 虽然在推理和代码上登峰造极，但由于专注于 STEM 数据，它并不是一个为了“事实检索”而优化的模型，有时甚至会产生幻觉，误认自己的身份。这种“坦诚”反而让社区对其在特定垂直领域的专业性更加充满信心。

## 开源社区的新里程碑

Rnj-1 的发布不仅仅是一个新模型的诞生，更是对“Scaling Law”和模型训练方法论的一次有力探索。它向业界证明，通过科学的数据配比和扎实的预训练，小参数模型依然可以在高难度的推理任务中挑战极限。

对于那些苦于 API 成本高昂、由于隐私问题无法使用闭源模型的开发者来说，Rnj-1 提供了一个强大、开放且可本地部署的全新选择。随着技术报告的即将发布，Rnj-1 有望激发开源社区在 Agent 和代码智能领域的又一轮创新热潮。
注：该模型需要 Ollama 0.13.3，目前处于预发布阶段

Transformer 之父重磅回归：Essential AI 开源 Rnj-1，8B 小模型引爆代码推理革命





> 谷歌重磅发布Antigravity IDE与Gemini 3 Pro，意图通过智能体改变编程范式；微博开源高性价比小模型Vibe Thinker，在数学评测中表现亮眼；微软Office全家桶深度集成Copilot智能体；与此同时，国产Kimi K2走向国际，AI科学家Kosmos展现惊人效率，而Cloudflare的配置失误则给全球网络敲响了警钟。

## 谷歌发布Antigravity IDE与Gemini 3 宣告智能体编程时代降临

谷歌此次祭出了旗舰级大模型Gemini 3与AI原生集成开发环境 Antigravity，这不仅是一次工具的更新，更是向主动开发伙伴角色的转型。Antigravity旨在通过智能体范式，大幅减轻开发者的底层编码负担。

该工具整合了Gemini 3 Pro及第三方模型，能够自动记录工作流程。它不仅能生成代码，还能生成包含任务清单、计划、截图和浏览器记录在内的详细“工件”，让开发者能有效验证与追踪智能体的任务完成情况。目前该工具已对公众开放免费预览，且支持多系统，Gemini 3 Pro的配额也相当充足，这被业界视为对Cursor和Claude等竞争对手的强势回应。

![image.png](https://static.downly.cn/images/e3c0f514e920333a19619641d636ccd7.png)
<center>图源备注：图片由AI生成</center>

## 微博Vibe Thinker开源 15亿参数小钢炮低成本挑战DeepSeek

在模型轻量化的赛道上，微博带来了惊喜。其开源的Vibe Thinker大模型仅拥有15亿参数，却展现出了惊人的战斗力。

该模型采用了MoE（混合专家）架构和知识蒸馏技术，不仅不仅大大降低了推理成本，其后训练成本更是低至7800美元。在数学竞赛基准测试中，Vibe Thinker以极高的性价比和准确率，击败了参数量远超自己的DeepSeek R1。目前该模型已支持在Hugging Face下载并允许商用，为中小企业和开发者提供了高性价比的选择。

![image.png](https://static.downly.cn/images/e80778fa361964db43be949515903a23.png)
<center>图源备注：图片由AI生成</center>

## 微软Office全面进化 Copilot智能体模式重塑办公流

微软在Ignite 2025活动中宣布了一项重磅更新，Microsoft 365 Copilot将“智能体模式”全面集成到Word、Excel和PowerPoint等核心组件中。

这一举措旨在推动全球90%的财富500强企业加速采用AI工具。通过这种深度集成，Copilot不再仅仅是一个聊天助手，而是能够深入文档和数据处理流程的智能代理，助力企业向AI驱动的“前沿企业”转型，办公效率将迎来实质性的升级。

![image.png](https://static.downly.cn/images/02efac7123d0d911916ddb6a1a265d69.png)

## 国产之光 Kimi K2接入Perplexity 与顶尖模型同台竞技

中国AI技术出海再进一步。国产模型Kimi K2 Thinking成功接入全球知名的AI搜索应用Perplexity。

值得注意的是，Kimi K2是与OpenAI GPT-5.1等顶尖模型同期入选的，这标志着中国AI大模型在技术实力上获得了重要的国际认可。通过Perplexity这一全球平台，Kimi K2将直接服务于更广泛的国际用户，显著提升了国产AI的国际竞争力。

![image.png](https://static.downly.cn/images/15892f54eef4a966b6d2d04e45894b01.png)
<center>图源备注：图片由AI生成</center>

## 科研新物种 Kosmos半日完成人类半年工作量

FutureHouse推出的AI科研系统Kosmos展示了AI在科学研究领域的恐怖效率。利用结构化世界模型，Kosmos仅用12小时就完成了相当于人类科研团队6个月的工作量。

其能力覆盖了阅读论文、生成代码以及引用报告等科研全流程，且准确率高达79.4%。目前，Kosmos已成功复现了多项前沿科学发现，被称为“AI超级科学家”，预示着未来科研范式的巨大变革。

![image.png](https://static.downly.cn/images/adbd31a716d562e3933d47777cce5e56.png)
<center>图源备注：图片由AI生成</center>

## Cloudflare配置惹祸 全球网络遭遇至暗6小时

在AI高歌猛进的同时，基础网络的脆弱性也再次暴露。Cloudflare因系统配置错误引发了一场全球范围的网络中断。

此次事故导致包括ChatGPT、X、Spotify、Uber在内的众多核心互联网服务在约六小时内陷入瘫痪或受到严重影响。高峰期间，Cloudflare收到了超过两百万份异常报告。经过紧急抢修，核心服务已逐步恢复正常，但此次事件再次提醒了互联网基础设施稳定性的重要性。

![image.png](https://static.downly.cn/images/f92baba51f0e138efcb6914f945b4eb4.png)
<center>图源备注：图片由AI生成</center>

每日AI资讯1119：谷歌Gemini 3重塑编程，微博小模型逆袭DeepSeek




> 导语 本期AI资讯聚焦于行业的两大核心趋势 安全与创新。一方面，从华为与浙大联手打造安全可控的大模型，到Notion AI暴露出的潜在数据风险，凸显了AI发展中安全与防护的重要性。另一方面，通义千问在端侧多模态领域的再次突破，蚂蚁数科面向新能源的垂直模型升级，以及谷歌核心人才流向xAI，预示着AI技术的边界仍在不断拓宽，应用场景持续深化。

## 国产AI安全新高度 华为与浙大联手打造DeepSeek-R1-Safe模型

华为与浙江大学近日联合发布了国内首个基于昇腾千卡算力平台的基础大模型 DeepSeek-R1-Safe。该模型通过一个全流程的安全后训练框架，并利用高质量的安全语料库进行优化，旨在从根本上解决当前AI领域普遍存在的安全与性能难以兼顾的问题，为构建更加可靠和负责任的人工智能系统提供了新的解决方案。

![image.png](https://static.downly.cn/images/c13adb9b649fc13263fa0a9e9525a35e.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 通义千问再进化 Qwen3-Omni即将开源 端侧多模态能力新突破

阿里巴巴云Qwen团队即将开源其最新的跨模态模型Qwen3-Omni。该模型作为一个端到端解决方案，能够流畅处理文本、图像、音频、视频等多种类型的输入信息，并生成文本和语音输出。值得关注的是，Qwen3-Omni特别针对手机等资源受限的设备进行了深度优化，其相关代码已提交至Hugging Face Transformers库，预示着强大的多模态AI能力将很快在更多终端设备上普及。

![image.png](https://static.downly.cn/images/5e1d9a557706144ada92d7a7776adea1.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## Grok 5 迎来核心主脑 前谷歌Gemini开发者加盟马斯克xAI

原Google DeepMind团队的核心开发者Dustin Tran已正式加盟马斯克的xAI公司。Dustin Tran此前深度参与了谷歌Gemini项目，是深度学习领域的知名专家。马斯克本人也确认了此消息，并透露他将主导下一代Grok模型的研发工作，这一重磅人事变动无疑将为xAI的未来发展注入强大动力。

![image.png](https://static.downly.cn/images/cfc9cce7baf6a5f95c06509a25f76eb8.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## AI代理的“后门” Notion 3.0新功能曝出严重安全漏洞

近期发布的Notion 3.0 AI代理功能被发现存在严重的安全漏洞。攻击者可以通过上传一个特制的恶意PDF文件，诱导AI代理绕过其自身的安全防护机制。由于该AI代理拥有访问工具和长期记忆的能力，这种攻击方式可能导致用户的敏感数据被轻易窃取，而传统的访问控制措施对此类新型威胁束手无策。

![image.png](https://static.downly.cn/images/267a281363294c3f303f1c7692e5beee.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 赋能新能源 蚂蚁数科发布能源时序大模型EnergyTS 2.0

蚂蚁数科近日对其能源时序大模型进行了升级，正式推出EnergyTS 2.0。这是一款专为新能源行业，如风电、光伏等领域量身打造的垂直大模型。它专注于处理和预测能源电力领域的时间序列数据，旨在从数据层面提升新能源行业的预测精度与运营增效。

![image.png](https://static.downly.cn/images/61051a355a7f40e14907d32bf2614380.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 开发者福音 在VS Code中直接调用Hugging Face模型成为现实

Hugging Face宣布，其平台上的众多大型开源模型现已成功整合进GitHub Copilot Chat中。这意味着开发者们现在可以直接在他们熟悉的VS Code编程环境中，无缝调用和测试各种强大的AI模型来辅助编码，无需再频繁地切换平台或工具，极大地提升了开发工作的效率和流畅性。

![image.png](https://static.downly.cn/images/cd16e5a67af18c7641f6023d32969a33.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

## 云端AI再添强援 亚马逊云科技全面托管Qwen3与DeepSeek-V3.1模型

亚马逊云科技（AWS）宣布，正式在其平台上推出针对Qwen3和DeepSeek-V3.1两款热门模型的完全托管服务。这一举措紧随Meta、Mistral AI等巨头开放其模型权重的行业趋势，通过提供稳定、可扩展的云服务，让更多企业和开发者能够便捷地部署和应用这些前沿的AI大模型。

![image.png](https://static.downly.cn/images/a837863ceae9d2b56887fc69b55add43.png)
<div align="center">
图源备注：图片由AI生成
</div>
<br>

搜索结果: 后训练