AI 新闻：Kimi K3.1 权重、计算机操作与专用开放模型

摘要

30 秒看懂

Matthew Berman 讨论 Kimi K3.1 Pro、NorthCUA、PRISM、Hydrogen、Pika H3 Flex 等模型。基准、价格和性能数据归属于演讲者或开发者，并取决于测试配置。

1Kimi 权重Berman 展示大型分片权重下载，并讨论部署资源需求。
2计算机操作NorthCUA 在展示的桌面运行框架中使用观察、决策、行动的循环。
3更快的图像生成Pruna 的演示将 8 步图像生成与更长的基线比较。
4决策模型Sarvam PRISM 为预定义选项分配概率，而不是生成文本回答。
5科学工作流Hydrogen 演示了生成代码和分子模拟。
6成本与性能最后一部分比较闭权重模型报告的价格和基准结果。

要点建议

Kimi K3.1 Pro 权重规模很大，部署完整模型需要大量资源。
计算机操作和决策模型为特定任务提供专门接口。
报告的基准和速度取决于工作负载、硬件及评估条件。
小型专用模型瞄准检索、3D 编码、语音和设备端运行等任务。
科学输出和选定的演示仍需要独立验证。

主题Open-weight models AI agents Computer use 视觉与视频 AI for science

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

开放权重与计算机操作

Berman 讨论 Kimi K3.1 Pro 和 NorthCUA 系列。

本周发布了许多模型：Kimi K3.1 Pro 的开放权重、计算机操作模型、图像与科学模型，以及一些更小的专用系统。我会介绍演示和公布的基准成绩；解读数据时需要考虑各开发者的测试条件。

Moonshot 发布了 [Kimi K3.1 Pro 权重](https://huggingface.co/moonshotai/Kimi-K3.1-Pro)。我认为这是一个能力很强的开放权重模型，但它非常大：展示的文件分为 96 部分，每部分约 17 GB，普通本地计算机不太可能运行完整版本。

我估计运行该模型可能需要超过 1 TB 的显存，具体取决于精度和部署方式；社区也可能探索量化版本。确切硬件需求取决于实现；开放权重并不自动意味着采用无限制的开源许可。

幻灯片 1 / 4Kimi K3.1 Pro 基准图表视频展示多个任务的厂商基准对比；配置和评估条件会影响结果。

公布的图表将 Kimi 与数个闭源模型在终端、智能体等基准上作比较。这些结果有助于比较被测试的配置，但某项基准高分并不能证明它适合所有任务。

[NorthCUA](https://huggingface.co/beipo-ai/NorthCUA-Pro) 是 Beipo AI 的计算机操作模型系列。我介绍的 Pro 版本采用混合专家架构，总参数为 3970 亿、激活参数为 170 亿，另外还有更小的 Mini 和 Nano。

团队还提供运行框架。在我展示的桌面智能体循环中，系统观察截图、决定下一步并采取行动，然后重复这一过程。我引用了发布方提供的 OSWorld Verified 成绩；这些是报告值，并非我独立复现的结果。

图像与决策模型

他介绍 P-H3-Image 和 Sarvam PRISM。

Pruna AI 的 P-H3-Image 将 MiniMax H3 用于图像生成和编辑。演示对比了 8 步与 50 步生成，并称模型更小、输出更快；实际速度和质量取决于硬件和比较条件。

幻灯片 2 / 4P-H3-Image 生成步数演示将 8 步生成与 50 步基线作比较。

示例包括写实图像、动漫风格图片，以及看起来像手写的食谱。我更喜欢其中一些展示结果，但这是基于选定样例的主观判断，并非全面的质量评估。

[Sarvam PRISM](https://huggingface.co/sarvamai/prism) 被介绍为决策模型，而非文本生成模型。给定上下文和固定选项后，它会返回各选项的概率；其接口与让聊天模型撰写答案不同。

我提到模型权重需要较大的磁盘空间，模型卡建议使用数据中心级 GPU。某台本地机器能否运行，取决于内存、精度和可用实现。

科学、检索与 3D 编码

新闻汇总涵盖 Hydrogen、Perplexity 嵌入模型和 Qwen 专用微调模型。

Hydrogen 1.0 被介绍为面向科学工作的模型，基于 GLM 5.3 后训练。我展示了 Frontier Science 对比和报告的每题成本。这些数字来自发布方选用的基准，本身不能证明科学结果可靠。

幻灯片 3 / 4Hydrogen 分子模拟演示展示的工作流说明聚乙烯模拟与可视化。

演示要求模拟聚乙烯熔体，并展示代码和分子可视化。模型生成的模拟展示了一种工作流，其假设和结果仍需要领域专家验证。

Perplexity Embed v2 Context 被描述为开放权重的视觉语言嵌入模型系列，有 9B 和 600M 两种规模，面向文本、图像和视觉文档检索。我也提到配套论文与模型资料。

一个基于 Qwen3.5 4B 的社区微调模型面向 3D 编码，包括 Three.js 场景和 GLB 导出。我展示了一个小游戏风格的例子，并认为此类小型专用模型可能适合资产原型制作；质量会随任务而变化。

幻灯片 4 / 43D 游戏示例模型页面展示了使用生成的 3D 资产制作的社区游戏。

视频、语音与扩散模型

他展示 Pika H3 Flex、Apriel Voice 和 DiffuSpace Clover。

Pika H3 Flex 是基于 MiniMax H3 的视频模型。我展示样片以及开发者对输出速度、分辨率和价格的说法；实际价格和性能取决于服务条款和配置。

在展示的编辑流程中，多张图片和一个音频文件被组合成生成视频，之后还可修改个别元素。我认为示例很有前景，但它们是选定的演示，并非受控对比。

ServiceNow 的 [Apriel Voice 27B 预览版](https://huggingface.co/ServiceNow-AI/Apriel-Voice-27B-preview) 被介绍为能接收语音、文本和图像，用于面向任务的交互，并支持语音输出。我讨论了其报告的基准成绩；本地运行仍取决于硬件和精度。

DiffuSpace Clover 是扩散式模型，我介绍的参数规模为总计 35B、激活 3B。我展示了一个计算机操作例子，其中它比对比模型更快完成演示任务；单个例子无法衡量所有任务的表现。