2026-10-06 · 周二 · 3 条 Aleph Alpha 开源 Kolibri、AWS 给编码智能体发 SageMaker 推理技能、OpenAI 说明欧盟文本水印做法
周末没有前沿大模型发布，主线是「部署」：开源模型拼的是单卡能不能跑、长上下文贵不贵，云厂商把部署经验打包成编码智能体的技能，监管则开始落到生成文本的水印上。
-
- MoE 架构，总参数 78B、每 token 激活 3.46B；只做德语和英语，官方称是「重深度不重广度」，还为德语专门做了分词器。
- 原生上下文 262,144 token，质量与服务效率验证到 1,048,576 token；对延迟敏感或复杂任务，建议不超过 262,144。
- FP8 权重约 78 GB，最低 2 张 A100 80 GB、2 张 H100，或单张 H200、B200、B300；用 vLLM 加官方插件部署，提供 OpenAI 兼容接口。
- 推理力度可设 low、medium、high 或关闭，并可与工具调用同时使用；预训练 20T token，10 月 3 日以 Apache 2.0 许可发布。
开发者视角每 token 只激活 3B 多、单卡能跑，又是 Apache 2.0，这类模型很适合 AI 云盘这种要私有化部署的长文档问答。不过它只做德英两种语言，中文场景别直接上；我更想拿它验证的是「滑窗注意力 + 长上下文」在自己硬件上的真实吞吐，再决定下一个自部署模型怎么选。
-
- 通过 Agent Toolkit for AWS 提供，支持任何兼容 MCP 的编码智能体，包括 Kiro、Claude Code 和 Codex。
- 智能体可以压测推理端点、推荐部署配置、对比多次性能测试结果，并生成可执行的 SageMaker Python SDK v3 代码。
- 需要 AWS CLI 2.35 以上与 uv；生成的代码用你自己的 AWS 凭证运行，官方称从零到能对话约 10 分钟。
- Kiro 与 Claude Code 还可以通过 AWS MCP Server 在运行时搜索并加载技能，无需本地安装。
开发者视角「技能」正在变成云厂商争夺编码智能体入口的新方式：谁的部署经验被装进智能体，谁的平台就更容易被选中。它产出的是代码而不是黑盒操作，这点我认同；但跑压测会真实开端点、产生费用，先在单独的账号里设好预算上限再让智能体动手。
-
- 10 月 5 日发布在 OpenAI 的 Safety 栏目下，介绍其在欧盟规则下对生成文本加水印的做法。
- 文章说明了水印适用的范围以及检测的工作方式。
- 检测能力先向研究人员开放，文中解释了原因。
开发者视角我能读到的只有官方 RSS 摘要，细节还要等原文；但方向已经很明确：面向欧盟用户的产品，生成文本可能被打上可检测的标记。像 PandaClaws 这种内容生成后台，现在就该把「哪些内容由模型生成、用了哪家模型」记进元数据，等合规要求落地时不用返工。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。