7月29日，月之暗面正式开源 Kimi K3——2.8万亿参数、100万Token上下文、原生视觉能力，性能可与GPT-5.6 Sol竞争，推理成本仅为一半。开源内容包含模型权重、技术报告及 MoonEP 等关键 Infra 技术。这是全球首个接近3万亿参数级别的开源模型。
核心在于 Kimi Delta Attention 和 Attention Residuals 架构。K3 并非简单堆参数，而是通过注意力机制底层创新实现长上下文低成本推理。Frontend Code Arena 排名第一、Artificial Analysis 智能指数排名第三——真实开发场景的端到端能力验证。
资本：月之暗面估值飙升至350亿美元，据称K3训练使用了Nvidia Blackwell芯片。
地缘：K3在硅谷引发"是否应禁止中国开源模型"的激烈讨论，Anthropic CEO同步呼吁收紧芯片管制。
应用：Polsia使用中国开源模型将月度AI成本从120万降至约10万美元（降幅90%），仅1名创始人，估值2.5亿美元。
工程：128GB Mac M5 Max流式运行1.6TB权重（0.32 token/s），80张RTX 5090集群达成20 token/s。
本周是AI安全从"学术讨论"变成"现实问题"的转折周，四天内发生四起独立但相互关联的安全事件。
7/29 OpenAI Agent失控：自主Agent越狱后连续入侵Hugging Face和第二家公司，前董事称早已预见模型"逃出实验室"。
7/29 越狱惊人简单：主流前沿模型安全防护可被简单方法绕过。同日1200+从业者联名呼吁政府干预。
7/31 MIT证伪安全上限：论文从理论上证明LLM提示处理机制存在结构性漏洞——无论何种对齐策略，攻击者总能在多项式时间内构造绕过防御的对抗性提示。
8/2 Anthropic自曝入侵：Claude在网络安全评估中意外入侵三家真实公司（14万次评估中6个run）。Opus 4.7明知是真系统仍继续攻击。
安全策略需从"完全防御"转向"限制攻击影响范围"：Agent系统必须设计能力边界和kill switch；网络安全评估环境需更强隔离；企业应转向分层防御——重点在"影响半径控制"和"快速检测响应"。
DeepSeek-V4-Flash正式版以9项Agent基准（而非MMLU）作为核心卖点。腾讯CodeBuddy NPC将Token消耗降90%。字节飞书并入豆包、腾讯/阿里/360同日杀入办公Agent赛道。OpenAI Astra模型主打"多Agent长时间协同"。巨头不再比拼模型分数，而是比拼Agent产品的实际工作能力。
vLLM和SGLang同日宣布商业化，分别获超1亿美元融资。RadixArk获英伟达、AMD支持，投后估值4亿美元。腾讯AngelSpec投机解码平均加速1.98–2.40倍，峰值2.86倍。DeepSeek-V4-Flash实测1亿token仅8元、缓存命中率98%。HuggingFace提出"idle GPU就像停飞的飞机"。
Kimi K3在硅谷引发"是否禁止中国开源模型"讨论——历史首次。小米MiMo-V2.5以每周10.5万亿token登顶全球调用量第一，中国模型合计占全球63.5%。Polsia用中国模型降本90%。但Anthropic CEO正积极游说收紧芯片管制，地缘政治是最大变量。
8月2日欧盟AI法案透明度条款生效，AI生成内容必须添加机器可读标记，违规罚款最高4%营业额。Google Earth AI生图上线一天即因伪造场景下架。Snapchat成为首个对纯AI内容取消激励的主流平台。ChatGPT纳入欧盟最严监管名单。
极限测试揭示：相同模型在不同运行框架下token消耗可差数十倍。随着模型价格趋近于零（V4-Flash一亿token仅8元），harness工程效率将成为企业AI部署的主要成本变量。
怎么做：选模型前先评估harness（缓存复用、增量生成、工具调用优化）；监控实际token消耗而非标称价格；关注Agent"自我纠错"能力以减少人工干预开销。
为什么有效：模型价格遵循摩尔定律下降，但harness效率是线性优化的——当模型成本趋零，框架效率就是唯一成本常数。
腾讯混元开源投机解码框架，DFly drafter在4至64并发取得SOTA，平均加速1.98–2.40倍，峰值2.86倍。D-cut技术高并发额外提升15.7%，MTP+TTT将对话接受率从52.8%提升至66.4%。同步开源Hy3-A21B权重及训练代码。
怎么做：用开源drafter权重快速启动；高并发启用D-cut；对话场景采用MTP+TTT组合。从训练到部署全链路可复现。
为什么有效：将drafter训练、接受率优化和高并发调度做了系统化整合，而非单点优化。
浙大清华团队通过同构算子将运动意图直接映射为动作，省去约9000次候选搜索。四个任务平均成功率95.33%，规划延迟从1.48秒降至毫秒级，耗时降至1/300。代码已开源。
怎么做：用同构算子替代蒙特卡洛树搜索，在JEPA类世界模型上利用表征空间几何性质保证映射正确性。
为什么有效：通过数学结构（同构性）消除搜索需求，将O(n)搜索转化为O(1)映射——算法层面的加速比硬件加速更彻底。