AI 编程实时动态与要闻

独立评测机构 Artificial Analysis 10 月 28 日发布 Intelligence Index v5，是 1 月 v4 以来最大一次改版：新增 Cognition 的 FrontierCode 2.0 和 Terminal-Bench-Science，用 HLE-Diamond 替换 Humanity's Last Exam，60% 的权重来自私有或答案保留的测试集。榜首为 Claude Opus 5.5（max）58 分，GPT-6 Astra 57、GPT-6.1 Sol 55；开源权重最高的 Kimi K3.1 Pro（权重尚未发布）46 分，与榜首差距从 v4.3 的 3 分扩大到 12 分。同时推出跨年代对比的 Progress Index v1。

查看大图

2026-10-23（UTC 17:15，SGT 10-24 01:15），Kimi 官方账号 @Kimi_Moonshot 正式发布 Kimi K3.1 Pro，同时推出快 2–3 倍的 K3.1 Pro Highspeed，已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，完整权重承诺 2026-11-04 前开放。官方技术博客称它是 K3 的后训练版本（更大规模多领域联合 RL），MoE 总参 2.8T、激活 104B，1M token 上下文，多模态。厂商口径跑分：Terminal-Bench 4.0 65.7%（GPT-6 Astra 58.2%、Claude Opus 5.5 66.4%），BenchCAD 带工具 92.7%。Kimi API 定价页显示 kimi-k3.1-pro 输入 $2、输出 $10、缓存命中 $0.20 每百万 token，低于 K3 的 $3/$15。

查看大图

2026-10-23（UTC 01:41，SGT 09:41），Kimi 官方账号 @Kimi_Moonshot 发布一段 24 秒、复古 CRT 电脑风格的纯视频帖，没有任何文字。视频开头的 Kimi Code 终端清楚显示「Model: Kimi K3.1」「Version: 2.2.0」，状态栏为「Kimi K3.1 thinking: high」，并提示「Kimi Code Desktop is here」；随后用户输入「Build a complex procedural 3D scene in Three.js.」，模型调用 Write 工具生成 ./scene.js。这是 Kimi K3.1 型号首次由官方素材露出。官方没有文字说明，也没有公布发布日期、跑分、价格或参数，因此它是预告，不等于已发布。

查看大图

半导体分析机构 SemiAnalysis 发布最新评测：Inferact（vLLM 核心团队）联合 Google 正式提交了首份基于 Google TPUv7 的 Kimi K3 2.8T 巨型 MoE 模型推理基准。在单芯片时租仅 1.21 美元（相比 GB300 2.31 美元、B300 2.26 美元、GB200 1.86 美元）下，借助 TorchTPU vLLM 大核与 TPU-Sync KVCache 卸载库，TPUv7 在 390 tok/s 超高交互区实现每美元 220 万 Token 吞吐，TCO 表现越级反超 NVIDIA GB200 NVL72、B300 与 AMD MI355X。

查看大图

Arena 官方正式发布 Code Arena: WebDev 最新榜单：深度求索最新推出的 DeepSeek-V4.1-Flash-20261017 (Max) 以 1670 分登顶开源模型第一，全面超越 Kimi K3 (Max) 且推理成本降低近 10 倍。该模型位列全榜总榜第 12，超越 Claude Opus 5 (High) 并与顶尖闭源旗舰 GPT-6 Sol (Max) 差距缩小至约 10 分以内，以百万 Token 输入 $0.3 / 输出 $1.2 的极低资费大幅改写 Pareto 前沿。

查看大图

vLLM 联合 NVIDIA 正式发布面向月之暗面旗舰模型 Kimi K3（SemiAnalysis 披露达 2.8 万亿参数）的底层解码巨型内核（Megakernel）：由 NVIDIA CentML 工程师采用 CuTe DSL 编写的 1.2 万行代码将注意力、MoE 路由与跨卡通信深度融合，将单层内核启动数从 23 个砍至 13 个、单层耗时从 130 µs 压至 69 µs。在 16 卡 NVIDIA GB300 NVL72 上配合 DSpark 投机解码实现 Batch=1 高达 842 tok/s 的极速输出（提速 1.73 倍），并在 SemiAnalysis AgentX 负载上实现最高 1.8 倍的 P90 单用户交互吞吐提升（突破 403.2~423 tok/s/user），下一步将适配 DeepSeek-V4.1-Flash 与 GLM-5.3。

查看大图

vLLM 官方博客（作者 NVIDIA 的 Benjamin Chislett）披露：借助编码 Agent 辅助开发，团队为 Kimi K3 在 NVIDIA GB300 上重写了一条 CuTe DSL 统一解码路径，把注意力、MoE 与 NVLink 通信融合，单层耗时从 130 微秒/23 个 kernel 降到 69 微秒/13 个。16 卡配合 DSpark 投机解码在 batch 1 达到 842 tok/s，是原版 vLLM 的 1.73 倍；相关 PR #61867 已于 10 月 16 日合入。

查看大图

DigitalOcean 于 2026-10-01 为公测中的 Managed Agents 推出 Agent Droplets：Pro $50/月（15% 折扣）与 Team $200/月（20% 折扣），一张账单覆盖微 VM Harness Runtime、托管开源模型推理（含 Kimi K3 / GLM 5.3）、会话存储与 Action Gateway 16,000+ 工具；可接 Claude Code / Codex / OpenCode。另推 Inference and Agents Balance 预付余额。

查看大图

Inferact（vLLM 核心团队衍生公司）于 2026-09-23 发布并开源面向 TPU v7 的推理巨内核仓库 inferact/tpu-megakernels。官方博客显示，在 DSpark 推测解码（acceptance length=6）的低并发设定下，Kimi K3 在 16×TPU v7 Ironwood 上达到 709 tok/s，对照 16×GB200 基线 452 tok/s；关闭推测解码时，batch 1–8 约为 GB200 基线的 1.4–2×。整套 Kimi K3 的 92 层 MoE 解码被收敛进单一 Pallas 内核。

查看大图

vLLM 项目（@vllm_project）发布 v0.30.0（762 提交、315 贡献者）。亮点包括混合注意力热路径：Kimi K3 精简 KDA/AttnRes/MLA，DeepSeek-V4.1-Flash 加入 MXFP8 KV 与异步 Engram，Qwen3.8-Flash-Next 融合 QSA/PLE 并降低 sparse-GQA 开销；另有 HiSparse 主机层、Model Runner V2 的 EAGLE3 管线并行与自适应校验、双密钥 Gumbel-max 水印，以及 Fast Start（CUDA IPC 权重缓存）与 GLM-5.3-Flash、K2-Horizon、Cohere Compass、Bailing V3 VL 等新模型支持。

查看大图

@ArtificialAnlys 评测阶跃星辰 Step 5 Preview（600B 总参/27B 激活 MoE）：Artificial Analysis Intelligence Index 44，与 Kimi K3 (max) 同分，每任务约 $0.72，约为同分 Kimi K3 的 1/2.8。定价约 $1/$2.70 每百万输入/输出 token，缓存输入 $0.05/M；1M 上下文，计划 10 月 15 日开源权重。智能体评测（GDPval-AA、Terminal-Bench 4.0 等）仍落后同分段对手。

查看大图

@Kimi_Moonshot 宣布 Kimi K3 已登陆 Amazon Bedrock，可用于编码、文档分析与长程智能体工作流，并接入 Bedrock 的访问控制、加密与审计；同时支持显式 Prompt Caching。官方文档指向 AWS Bedrock 模型卡，方便企业在 AWS 栈内直接调用。

查看大图