Thinking Machines 谈开放权重安全路径
我们分享了对开放权重发布的思路、我们如何评估 Inkling、为什么安全取决于模型及其所进入的生态系统、以及测试、分阶段访问和更强的防御如何能开辟一条通往更大开放度的道路。
我们分享了对开放权重发布的思路、我们如何评估 Inkling、为什么安全取决于模型及其所进入的生态系统、以及测试、分阶段访问和更强的防御如何能开辟一条通往更大开放度的道路。
训练智能体 3:学习如何通过强化学习训练一个本地/开放权重智能体 https://x.com/i/broadcasts/1PKqrrbanaZGb
让 AI 变得有用的知识是分散的。它存在于科学家、工程师、临床医生和企业之中。要让 AI 从分布式知识中受益,它自身也必须是分布式的。同意 Jensen 的观点,这是一个值得建设的未来。
Thinking Machines 发布首个模型 Inkling,从零训练,权重开放,即日起可在 Tinker 上微调。据其介绍,Inkling 能跨文本、图像和音频模态进行高效推理,完整权重已公开,并可在 Inkling Playground 中试用。
推荐理由:Thinking Machines 首款模型从零训练并开放权重,读者可据此了解其多模态推理定位与微调入口。
Mira Murati 回顾 Thinking Machines Lab 成立一年来的方向,聚焦多模态 AI、定制模型与开放科学。她提到团队已预览可像人一样协作的交互模型,Tinker 让任何人都能训练自己的开放权重模型,并发布了关于 Connectionism 的研究。她表示未来几个月将分享首款产品,其中包含重要的开源组件,面向研究者和开发定制模型的初创公司。
DeepSeek 正式发布并开源 DeepSeek-V4 Preview,主打低成本 1M 上下文长度。其中 DeepSeek-V4-Pro 为 1.6T 总参数、49B 激活参数,官方称性能可对标顶级闭源模型;DeepSeek-V4-Flash 为 284B 总参数、13B 激活参数,定位快速经济。
推荐理由:DeepSeek 官方公布 V4 两个版本的参数规模与 1M 上下文,可据此判断开源模型在长上下文上的成本位置。
Karpathy 转发安全警报称,npm 上最流行的 HTTP 客户端库 axios 遭遇新的供应链攻击,最新版本 axios@1.14.1 引入了一个当天才出现的包 plain-crypto-js@4.2.1。
推荐理由:作者以自身系统排查为例,说明未锁定版本的依赖如何让一次投毒扩散到普通用户。
Thinking Machines 宣布 Tinker 正式开放(generally available),并加入新模型和新功能。引用内容显示,此次新增对高级视觉输入模型和 Kimi K2 Thinking 的支持,同时提供更简单的模型采样方式。
作为我们对开放协作科学承诺的一部分,我们正通过资助计划扩大研究人员和讲师对 Tinker 的免费访问。