🔴 国内外大模型动态
Kimi K2.5 是目前最强的开源权重模型之一，但官方发布时没有附带安全评测——这篇论文补上了这个缺口。看了能让你了解：第三方视角下，顶级开源模型在开放权重场景下会放大哪些风险，以及独立安全评估应该怎么做。如果星竹关注开源模型的生产落地，这是评估"敢不敢用"的关键参考。
评测由独立团队完成，聚焦 open-weight 特有的风险放大面（如越狱后的无护栏部署、多模态与 agentic 场景下的滥用路径），而非重跑官方 benchmark。结论对"开源=可控"的直觉是一次校准：模型能力对标闭源的同时，风险面也在对标。
一篇横跨 Llama→DeepSeek→GPT-5.2 多代模型的论证挖掘（argument mining）综合评测。价值不在任务本身，而在于它提供了一个"不同代际/规模模型在同一结构化任务上的能力切片"——如果你想知道小模型和大模型在论证成分识别这类精细 NLU 任务上差距还有多大，这篇给出了直接数据。👀持续关注
27B 社区模型，亮点是 2-bit 量化 + tool-calling/function-calling 组合——这是"低资源本地跑可用工具调用模型"的典型样本。想做本地 Agent 原型、显存预算紧张时值得拿来对比测试。⚡工程可参考
MiniMax 官方视频生成模型仓库，350万+下载、6003 赞，text-to-video / image-to-video 双模式，diffusers 生态可直接集成。国产视频生成开源/开放权重这一波的头部选择，做视频内容原型可直接上手。👀持续关注
典型的社区"缝合怪"模型：Qwen3.8-27B 底座 + 多个旗舰模型蒸馏数据 + SFT/RLOO 训练，主打 efficient-thinking 推理模式。本身价值一般，但它的训练配方（用多家旗舰输出做蒸馏 + RLOO）是社区微调路线的活样本，想自己炼模型的可以看配料表。👀持续关注
🔴 训练与对齐
203万下载的去审查版 Qwen3.8-27B GGUF，热度极高。它反映的是社区对"官方对齐策略过紧"的真实需求规模。做产品时了解这个生态位有价值：什么被用户认为"过度拒绝"，反向也是对齐调优的输入。👀持续关注
提出用模型内部的"价值表征"来预测对齐泛化：不在窄行为集上过拟合，而是看模型的价值表示能否泛化到未训练的行为。对做 post-training 的人有方法论启发——评测对齐不能只看跑分，要测表征层面的泛化。📖精读全文