OpenAI 投資的美國 AI 公司轉用中國開源模型，基於 Kimi K3 打造專屬法律 AI 模型
作者：遠洋 責編：遠洋 評論： 8 月 23 日消息，據南華早報報道，一家獲得 OpenAI 投資的美國人工智能初創公司，基於中國 AI 實驗室月之暗面（Moonshot AI）的 Kimi K3 構建了自己的首個內部模型。這凸顯出，隨著 AI 模型開發成本不斷飆升，越來越多西方科技公司開始轉向採用中國的開放權重模型。總部位於舊金山的法律科技公司 Harvey 當地時間週四宣佈，其新模型 Harvey Tenet 是在開放權重模型 Kimi K3 的基礎上進行後訓練得到的。Harvey 的知名投資方還包括紅杉資本和 Andreessen Horowitz。
該公司表示，這套系統在複雜法律工作中實現了“業界領先”的性能。這對 Harvey 而言意味著一次重大轉變。該公司為大型國際律師事務所和企業客戶提供服務，此前主要專注於針對法律應用，對 Anthropic、OpenAI 和谷歌等美國 AI 巨頭的閉源專有模型進行定製。AI 政策研究員 Simon Hedlin 週五在社交媒體上表示，Harvey 的轉變是開放權重模型價值的一個“絕佳例子”。開發者可以利用這類模型，基於特定行業或企業的數據進行後訓練，從而提高準確性並降低推理成本。所謂後訓練，是指利用專業數據集對通用基礎模型進行進一步優化，使其能夠更擅長完成特定任務。
Hedlin 表示：“我們目前仍處於探索高能力開放權重模型究竟能夠實現什麼的非常早期階段。”他還稱：“遺憾的是，美國在前沿開放權重模型的開發方面已經落後了。”Harvey 成立於 2022 年夏季，並在今年 3 月的一輪融資中獲得了 110 億美元（注：現匯率約合 741.74 億元人民幣）的估值。Harvey 在週四發佈的博客文章中表示，公司過去六個月的研究重點，是利用開放權重模型打造“前沿法律智能”，並讓律師事務所能夠構建和部署專用模型。
根據 Harvey 的說法，經過全面法律數據集訓練後，Harvey Tenet 在一系列複雜、長週期的法律智能體任務中，表現優於其底層基礎模型以及美國的前沿 AI 系統，其中包括 Fable 5 和 GPT-5.6 Sol。Harvey 表示，這種方法還提高了成本效率。該公司指出，開放權重模型本身通常具有更低的每 Token 成本，而 Harvey 還通過減少推理過程中消耗的 Token 數量，進一步降低了成本。Harvey 稱，Harvey Tenet 的訓練歷時兩個月，使用了約 150 塊英偉達 B300 GPU。
與此同時，據《The Information》週四援引美國電信巨頭 AT&T 副總裁 Mark Austin 的報道稱，包括英偉達 Nemotron 系列在內的開源模型，目前已經處理了 AT&T 員工發起的約 40% 的 AI 查詢。
投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：Kimi K3，月之暗面月之暗面嚴正聲明：警惕可疑交易，已向公安機關反映涉嫌違法犯罪的行為Frontier Security 公司：月之暗面 Kimi K3 模型在安全測試中逃逸出沙盒，但沒有實施攻擊行為消息稱月之暗面完成 35 億美元超預期融資，投後估值達 350 億美元Day0 適配：阿里雲靈駿真武 M890 超節點實例現已支持月之暗面 Kimi K3 大模型華為官宣昇騰 0day 支持 Kimi K3 的訓練適配及推理部署LM Studio Bionic 智能體工具新增月之暗面 Kimi K3 模型支持，定價方案公佈
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.