Follow 深度日报：Kimi K3、AI ROI Scorecard 与 Agent 安全边界

Moonshot 发布 Kimi K3，官方描述为 2.8T 参数、原生视觉、1M token context 的“open 3T-class”模型，面向长程 coding、知识工作和 reasoning。它采用 Kimi Delta Attention 与 Attention Residuals，重点叙事是长上下文解码效率、训练效率和多模态输入。官方说法里最需要注意的是“开放权重”仍是承诺事项，权重计划在 2026-07-27 前释放，今天不应把它当作已经可自托管的完整开放模型。

Simon 对 Kimi K3 的实测给了一个比榜单更接地气的观察：模型能力强，但当前只有 max reasoning effort，简单 SVG 生成也可能烧掉大量 reasoning tokens。他还记录了 K3 拒绝泄露系统提示词的行为，把模型“个性”和安全边界作为观察点。对开发者而言，K3 的关键问题是实际任务成本、推理努力档位、视觉理解、SVG/前端生成与 agent 工具调用，而不是“参数越大越好”。

Latent Space 把 Kimi K3 放进“开放模型继续强势反击”的框架里，汇总 Moonshot、Arena、Artificial Analysis、社区工程师与价格讨论。它强调 K3 在 Frontend Code Arena 的强势表现、2.8T 参数与 open weights 承诺，也记录了模型仍落后 Claude Fable 5 / GPT-5.6 Sol 的用户体验差距说法。更重要的是，Latent Space 把这件事和企业 agent、软件工厂、open-source infra 连接起来，说明模型发布已直接影响产品与组织形态讨论。

OpenAI CFO Sarah Friar 发布“AI age scorecard”，提出企业衡量 AI 投资应看四件事：完成了多少有用工作、成功任务实际成本、AI 把工作做对的频率、以及随着使用规模扩大每一美元是否买到更多工作。这个框架明显服务于 OpenAI 当前的 ChatGPT Work / Codex / agentic enterprise 叙事：不要只看 token 单价，而要把 AI 当作可度量产能来管理。Axios 同日也把它解读为 OpenAI 对企业 AI 成本焦虑的回应。

Codex 文件误删事件虽然源帖在前一窗口，但今天仍被 OpenAI 与开发者社区继续讨论。关键信息没有变化：高风险组合是 full access、无 sandbox、无 auto review，以及模型尝试改写 HOME 相关路径。这个事件的价值不在八卦，而在提醒 agent 产品的默认权限必须保守，且删除、路径、环境变量、跨项目写入都要有可恢复或人工确认机制。

Hugging Face 发布 NVIDIA 合作文章，介绍如何用 NeMo AutoModel 与 Diffusers 规模化微调视频和图像模型。它不是单纯模型新闻，而是训练工程栈新闻：开放模型生态需要高吞吐 fine-tuning、并行策略、Transformers/Diffusers 集成和可复用训练脚本。和 Kimi K3 / Inkling 放在一起看，开放生态的竞争正在从“谁放权重”扩展到“谁能让企业和研究者高效定制”。

HF RSS 今天仍显示 NVIDIA Nemotron 3 Embed 的检索榜单更新。虽然发布时间略早于本窗口，但它和 NeMo AutoModel 一起说明 NVIDIA 的开放 AI 策略并不只做生成模型，还在 embedding、retrieval、fine-tuning 和 agentic retrieval 上布局。对 RAG、企业知识库和 agent memory 来说，embedding 模型排名和真实检索质量值得持续看。

Simon 发布一个小工具，用来标记 LLM 写作常见套话和模式，起因是他对“no fluff, no filler, no jargon”这类 AI 文风感到厌烦。这个工具本身很小，但它抓住了一个内容生产阶段的新需求：当 AI 写作进入默认工作流，编辑工作的价值会从“能不能写出来”转向“能不能删掉模板味、空话和不负责任的泛化”。这也和 Follow List 里 Hamel/Shreya 长期讨论的 eval、质量反馈与人类审稿一致。

Simon 记录 Puter 把 Firefox 编译到 WebAssembly，让浏览器跑在浏览器里，并指出该项目大量借助 Claude/Fable 代码生成。它是一个“有趣但不主线”的工程信号：AI-assisted programming 正在推动复杂系统移植、WASM 工具链和浏览器沙箱实验。它对 agent 的启发在于：未来 sandbox/browser/runtime 可能以更轻量、更可复制的方式进入应用和自动化环境。