CoBuddy Pages Daily · Research · Deliverables

Daily

Follow 深度日报:Kimi K3.1 Pro 评测细节补全(2.8T MoE / AA 智能指数 55 / 网络攻防榜双双第一),周末窗口其余来源静默

Follow List 公开来源整理:本窗口 2026-10-24T00:00Z 至 2026-10-25T00:00Z(单自然日,周六→周日低量窗口)。核心增量只有一条主线及其延伸:①Latent Space AINews 用整期深挖 Kimi K3.1 Pro——架构为「3T 级」MoE(2.8T 总参数 / 104B 激活 / 1M token 上下文),Artificial Analysis 智能指数 55(第 4,次于 Opus 5.5 的 58、Sonnet 5.5 与 Muse Wonder Full 的 56),Code Arena WebDev 第 8(1,692 分,较 K3 +37),更关键的是 Cyber Index 64%——公开可及第一、全网第二(仅次于可信访问的 GPT-6 Sol Daybreak Blue 69%),且是在「刻意削减网络攻击相关训练」的前提下取得;提供 Highspeed 变体(2–3 倍速、价格翻倍)与 Kimi Hosted Agents(7×24 执行环境 + 多 agent 协作);市场反应分裂——乐观者看「开源权重把与闭源前沿的差距缩到约 1 个月」,质疑者聚焦推理经济学、部分交互任务偏弱、基准呈现方式以及「未披露付费推广」的指控;权重仍承诺 11 月 4 日放出但许可/再分发/商用条款未明。②GitHub Copilot 用量指标 API 新增 totals_by_client,把 OpenCode/Claude Code/Codex/Zed 等「IDE 之外用 Copilot 当模型后端」的工具流量纳入企业治理报表(含 model_selection_mode 区分用户自选/自动/产品选定)。③Simon Willison battledrones v14(Claude Opus 5.5 单 prompt 做出四人地图+WebSocket 联机)属低信号业余项目。其余来源(OpenAI/Anthropic/Google DeepMind/HF/LangChain/Interconnects)本窗口无新增可核验条目。公开 X/RSSHub/Nitter 时间线正文仍不可稳定采信,不使用 X-only 内容作事实依据。

2026年10月25日(周日) · 覆盖窗口:2026-10-24 08:00 – 2026-10-25 08:00 (CST)
来源:Obsidian Follow List active 项;Latent Space RSS、GitHub Changelog RSS、Simon Willison Atom、OpenAI News RSS、Hugging Face Blog RSS 等公开来源抽样。未使用 Folo CLI,未发布私密 cookie/token,未绕过 CAPTCHA。抓取备注:公开 X/RSSHub/Nitter 时间线正文仍不可稳定采信(RSSHub 404、nitter 410、xcancel 451),高优先级人物时间线无法据此核验,不代表无更新;本窗口为周六→周日低量窗口,OpenAI News RSS lastBuildDate 为 10-24 23:58 但最新条目仍停在 10-23,Anthropic /news 页面 JS 渲染无法稳定提取、未发现新官方条目,Google AI RSS 最新仍为 10-21,LangChain 订阅源 404,Interconnects 最新仍为 10-20,均视为覆盖静默。

总览

本窗口最高信号:Kimi K3.1 Pro 评测细节补全(Latent Space 整期深挖)

昨日「发布」之后,Latent Space AINews 用整期把细节坐实:K3.1 Pro 是「3T 级」MoE——2.8T 总参数 / 104B 激活 / 1M token 上下文,多模态。Artificial Analysis 智能指数 55(第 4),Code Arena WebDev 第 8(1,692 分,较 K3 +37)。最反直觉的一条:它在刻意削减网络攻击相关训练后,Cyber Index 仍拿到 64%——公开可及第一、全网第二(仅次可信访问的 GPT-6 Sol Daybreak Blue 69%)。

「开放权重逼近前沿」叙事被量化:差距缩到约 1 个月

Latent Space 的标题直接点题——Fable-5.1-Class Open Weights 把与闭源 AI 的差距缩到约 1 个月。若 11 月 4 日如期放权重且许可友好,这将是「综合智能维度上最接近前沿的开放权重」,对闭源前沿定价构成真实压力。

市场反应分裂:能力 vs 经济学 vs 营销的三层质疑

乐观者聚焦「开源逼近前沿」;质疑者(含 Simon Willison、maxbittker、kimmonismus)拆成三个独立问题:推理经济学(2.8T MoE 的部署成本)、部分交互任务偏弱、基准呈现方式,以及「未披露付费推广」的指控——三者彼此独立,不能互相证伪。

GitHub Copilot 用量治理补上一块拼图

Copilot 用量指标 API 新增 totals_by_client,把 OpenCode / Claude Code / Codex / Zed 等「IDE 之外、拿 Copilot 当模型后端」的工具流量纳入企业报表,并区分 model_selection_mode(用户自选 / 自动 / 产品选定)——企业「Copilot 到底被谁、怎么用」的治理盲区被补上。

核心主题

一、Kimi K3.1 Pro:从「发布」到「评测细节补全」,以及「能力/经济学/营销」三层质疑

开放模型 / 前沿竞争 / 评测Latent Space AINews(swyx) · 2026-10-24 · AINews: Kimi 3.1 Pro 104BA-2.8T / Moonshot 官方博客 / Simon Willison 首发实测

昨日(10-23)Kimi K3.1 Pro 上线的头条,本窗口被 Latent Space AINews 用一整期坐实细节。架构上,Moonshot 称其为「3T 级」多模态混合专家(MoE)模型:2.8 万亿总参数、1,040 亿激活参数、100 万 token 上下文窗口,主打全项目编码、Blender/CAD 工作、金融建模与长跑型 agent。

独立的综合能力结果:Artificial Analysis 把 K3.1 Pro 排在智能指数第 4(55 分),落后 Claude Opus 5.5(58)与 Sonnet 5.5、Muse Wonder Full(均 56);其最强提升集中在 agentic 维度,而非均匀分布在知识/科学题。代码侧,Code Arena WebDev 第 8(1,692 分),较 Kimi K3 上移 9 位、+37 分,让 Moonshot 重回 Arena 前四实验室。

最值得单独记的一条:尽管 Moonshot 刻意削减了与网络攻击相关的训练,K3.1 Pro 随后在 Artificial Analysis 的 Cyber Index 拿到 64%——公开可及结果的最高分、全网第二,仅次于可信访问(trusted-access)的 GPT-6 Sol Daybreak Blue(69%)。这说明「通用 agent 能力」与「网络攻防能力」之间的迁移,比「减少网络语料」这一手段能压制的要强。

产品形态:Standard 与 Highspeed 两个版本同步上线(网站/App、Kimi Work、Kimi Code、API),Highspeed 官方称保持智能、输出 2–3 倍速但价格翻倍;同时推出 Kimi Hosted Agents——一个托管的 harness,提供 7×24 执行环境、长时任务与多 agent 协作。

市场反应的分裂被 Latent Space 拆得很清楚:乐观(开放权重逼近前沿,差距缩到约 1 个月);质疑则来自三组彼此独立的问题——①推理经济学(2.8T MoE 的实际部署/推理成本能否支撑其定价);②部分交互任务表现偏弱(benchmark 分数不能直接等于交互体验);③基准呈现方式与「未披露付费推广」的指控(营销失当不能证伪能力,反之亦然)。

为什么值得看:这是「开放权重 vs 闭源前沿」这条 Follow List 长期主线在「综合智能」维度上迄今最尖锐的一次量化——Nathan Lambert / Interconnects 一直跟踪的中美开源差距,被 K3.1 Pro 在 AA 智能指数上压缩到与 Opus 5.5 仅 3 分的距离。同时「削减网络训练仍拿 Cyber 第一」这个细节,把「通用能力 → 攻防能力」的迁移问题摆上台面,与上一窗口 OpenAI「训练环境安全加固 / 高算力红队」的叙事形成呼应:能力越通用,安全边界越难靠「数据剔除」守住。对「是否继续为闭源前沿付费」的采购决策,这是一个真实压力信号。

后续行动:11 月 4 日重点核验权重是否如期放出 + 许可/再分发/商用条款(是否像 Meta Muse Spark Open 那样带商业门槛);跟踪「2.8T MoE 部署成本」是否有第三方实测(能否支撑 $2/$10 定价);把「削减网络训练后 Cyber 仍第一」作为「通用能力外溢到攻防」的样本,与 Daybreak/Sol 的网络能力追踪并案。

二、GitHub Copilot 用量指标 API:把「IDE 之外的 Copilot 流量」纳入治理

开发工具 / 企业治理 / 指标GitHub · 2026-10-23 23:42 UTC · Usage metrics API adds usage from tools like OpenCode

Copilot 用量指标 API 新增 totals_by_client 数组(覆盖 enterprise、organization、enterprise-user、organization-user 的 1 天与 28 天报表),把「把 Copilot 当模型后端」的非 IDE 工具纳入统计。每个 totals_by_client 条目包含:client(如 opencode、claude_code、codex、zed、copilot_cli、github_app、cloud_agent、code_review、vscode、jetbrains,未识别归入 other)、request_count、session_count、token_usage,以及按模型拆分的 totals_by_model,其中 model_selection_mode 区分 user_selected(用户自选)/ auto(自动)/ product_selected(产品选定)。

背景动机:越来越多的开发者把 Copilot 当作 IDE 之外的模型提供方使用,而这些工具往往不回传编辑器遥测,导致这部分用量此前在 totals_by_ide 里缺失、难以归账。改成服务端按请求计数后,企业就能看清「哪些工具在驱动 Copilot 用量、各工具/模型的请求与 token 量」,据此做工具支持与治理决策。它与更早的「agent app activity」(统计 Claude/Codex 等 agent 启动的任务数)不同,这里度量的是模型流量本身。

为什么值得看:这是「agent/工具层正在替代编辑器层成为 Copilot 的主要消费入口」这条趋势的量化信号。当 opencode、claude_code、codex 这些独立工具都被列入默认统计口径时,说明 GitHub 已经默认「Copilot 是一个模型提供方,而不仅是 IDE 插件」——这对其商业模式、以及对「企业如何治理多工具 AI 用量」都有方向性意义,也契合 Follow List 上 Harrison Chase(agent 架构)、swyx(开发工具生态)关注的「工具层收敛」议题。
后续行动:跟踪 totals_by_client 是否进一步扩展到更多客户端标识(如更细的模型路由信息);把「Copilot 从 IDE 插件 → 模型提供方」作为开发工具生态的跟踪点,观察其对 Claude Code / Codex / OpenCode 竞争格局的连锁影响。

重要更新(速览表)

  • Kimi K3.1 Pro 评测细节(Latent Space,10-24)— 2.8T/104B MoE、AA 智能指数 55(第 4)、Code Arena WebDev 第 8(1,692)、Cyber Index 64%(公开第一)、Highspeed 2–3 倍速、Kimi Hosted Agents。
  • K3.1 Pro 市场反应分裂(10-24)— 能力 vs 推理经济学 vs 基准呈现/付费推广,三者独立。
  • GitHub Copilot 用量指标 API(10-23 尾)— 新增 totals_by_client,把 OpenCode/Claude Code/Codex 等非 IDE 流量纳入企业治理。
  • Simon Willison battledrones v14(10-24)— Claude Opus 5.5 单 prompt 做出四人地图 + WebSocket 联机(低信号)。

人物 / 机构动态

  • Moonshot(Kimi):K3.1 Pro 细节补全——「3T 级」MoE、Highspeed 变体、Kimi Hosted Agents,把「开放权重逼近前沿」从口号落到可核验的评测与产品形态;「削减网络训练仍 Cyber 第一」成为新的安全讨论点。
  • Latent Space(swyx):用整期 AINews 深挖 K3.1 Pro,并把「能力/经济学/营销」三层质疑拆开,延续其「AI 工程产业地图 + 市场纹理」的定位。
  • Simon Willison:延续「低成本实测前沿模型」方法论,对 K3.1 Pro 的质疑集中在可核验处(不把 benchmark 分数当交互体验、不把营销失当当能力缺陷)。
  • GitHub:Copilot 用量治理口径从「编辑器遥测」扩展到「服务端模型流量」,默认 Copilot 已是跨工具的模型提供方。
  • OpenAI / Anthropic / Google DeepMind / HF / LangChain / Interconnects:本窗口无新增可核验官方条目(见待验证/覆盖备注)。

值得跟进项目

  • Kimi K3.1 Pro 开源落地:11 月 4 日权重是否如期放出 + 许可/商用条款,仍是接下来两周最值得盯的开放模型事件。
  • 「削减网络训练 → Cyber 仍第一」的能力外溢问题:通用 agent 能力向攻防能力的迁移,与 Daybreak/Sol 网络能力追踪并案。
  • 2.8T MoE 的推理经济学:第三方部署成本实测能否支撑 $2/$10 定价,决定「开放权重低价」叙事能否成立。
  • Copilot 从 IDE 插件 → 模型提供方的转向:totals_by_client 的口径扩展,观察对 Claude Code / Codex / OpenCode 竞争格局的影响。

待验证信息

  • K3.1 Pro 的「11 月 4 日放权重」与许可/再分发/商用条款,目前仅来自 Moonshot 官方承诺,需届时核验;「开放权重」「开源」等表述的精度待许可条款落地后校准。
  • Cyber Index 64%(公开第一)与「刻意削减网络训练」的说法,均来自 Latent Space 转引的 Artificial Analysis / Moonshot X 帖子,属二手信源,公开 X 时间线本窗口无法稳定核验,作线索不作定论。
  • 「未披露付费推广」指控为市场争议,不代表模型能力结论,二者需严格区分。
  • OpenAI / Anthropic / Google DeepMind / LangChain / Interconnects 本窗口无新增可核验条目,不等于无更新,属覆盖静默/抓取缺口。

低优先级噪音

  • Simon Willison「battledrones v14」——给自研小游戏加四人联机地图「Compass Rose」,用 Claude Opus 5.5 单 prompt 完成,属个人项目展示,低信号。
  • OpenAI News RSS lastBuildDate 更新到 10-24 23:58 但无新条目,仅为频道刷新,非内容更新。
  • 其余来源(Anthropic /news、Google AI RSS、HF Blog、LangChain、Interconnects)本窗口均为历史条目,无新内容。

原始链接