前 OpenAI 研究员称在六款中国 AI 模型权重中发现 Nvidia Blackwell 指纹
前 OpenAI 研究员 Will DePue 称,六款中国 AI 模型的权重带有 Nvidia Blackwell 芯片的初始化特征。
推荐理由:DePue 利用模型权重残留的随机初始化模式追溯芯片型号,将硬件识别的证据边界限定在初始化设备而非所在地或所有权。
MiniMax 的模型与产品动态:M 系列大模型、语音与多模态能力、开源与商业化进展。
前 OpenAI 研究员 Will DePue 称,六款中国 AI 模型的权重带有 Nvidia Blackwell 芯片的初始化特征。
推荐理由:DePue 利用模型权重残留的随机初始化模式追溯芯片型号,将硬件识别的证据边界限定在初始化设备而非所在地或所有权。
NVIDIA 宣布黄仁勋在执掌公司 33 年后辞去 CEO、总裁及董事职务,Colette Kress 在保留 CFO 职务的同时担任临时 CEO。SEC 文件显示董事会于 11 月 11 日接受辞职,公司于 11 月 12 日宣布变动,Harvey Jones 出任董事会主席,董事会已启动继任者搜寻。
推荐理由:NVIDIA 在黄仁勋离任后由财务负责人兼任临时 CEO,并启动继任者搜寻,领导层交接延伸至董事会安排及开源支持承诺。
Unemployment Labs 在 DeepSeek、月之暗面、MiniMax 和蚂蚁集团的 6 个模型公开权重中发现与 NVIDIA Blackwell GPU 匹配的初始化指纹。
推荐理由:Unemployment Labs 从公开权重恢复初始化硬件指纹,为算力来源调查提供技术路径并明确其对训练硬件和违规认定的边界。
AINews 将约48小时内集中披露的关键漏洞与数据泄露称为「黑色十月」,汇总 AI 加速漏洞发现及智能体攻击事件。涉及 PHP、GitLab、LiteLLM 等软件与供应链问题,但报道引述的说法指出,约16起重大事件中仅约4起发生在本周,其余更早被发现;PHP 漏洞的发现归属及大规模利用情况也存在争议。
推荐理由:AINews汇总安全事件并区分发现与披露时间,约16起重大事件中仅约4起发生在本周,集中披露放大了短期事件密集度。
MiniMax Code 桌面端推出 Mini App,将智能体工作集中到持续运行的前后端应用中,现已支持 macOS / Windows 本地会话。
推荐理由:MiniMax Code 用持续运行的 Mini App 承接智能体工作,让数据更新、结果保存和人工修改集中在同一页面,减少跨对话找回上下文的负担。
MiniMax 发布推理模型 M3.1 Flash,Artificial Analysis Intelligence Index 从前代 M3 的 29 分升至 42 分,单任务成本降至不到一半、约 $0.22。
推荐理由:MiniMax M3.1 Flash 的单任务成本低于 DeepSeek,在高难度问答和事实准确率测试中领先,综合智能指数略低。
MiniMax 发布 M3.1 Flash,称在线推理速度接近提升三倍,智能体任务整体用量成本较前代降低 70%。模型在 DeepSWE v1.1 上取得 73.7%,日常输出速度可达 200+ TPS,每 1M tokens 输入、输出和缓存输入价格分别为 $0.15、$0.60 和 $0.015。
推荐理由:MiniMax M3.1 Flash 将智能体任务用量成本较前代降低 70%,在复杂任务、编码与计算机操作基准上达到领先模型水平。
fal 于 8 月 29 日在 X 上直播由 H3 Max Live 实时生成的视频,观众在聊天框输入 !prompt 即可改变画面走向,官方称其视频生成快于实时。
推荐理由:fal 用 H3 Max Live 演示了观众在聊天框改剧情走向的实时视频流,并给出 768p 视频流每小时 144 到 288 美元的生成成本,以及约 1400 到 2900 名并发观众才能打平的盈亏线。
Fal 基于 Minimax 上月的 H3 模型做后训练,并在自研推理引擎上优化到官方端点 35 倍速度,推出 H3 Max Live,使视频生成速度快于实时播放。
推荐理由:Fal 对 Minimax 上月发布的 H3 做后训练并在自研推理引擎上优化到官方端点 35 倍速度,使视频生成快于实时播放,这条讲的是生成速度跨过实时门槛后产品形态会怎么变。
Modular 在 ModCon 2026 上宣布了几件事。Mojo 1.0 编程语言完全开源了,用 Apache 2.0 协议,意思是你可以自由使用、修改和商用。Modular Cloud 推理平台也正式对外开放,MiniMax 已经是他们的客户。
推荐理由:Mojo 1.0 以 Apache 2.0 协议完全开源,允许自由使用、修改和商用,Modular Cloud 推理平台同期向公众开放。
MiniMax 今天放出了 Music 3.0,一个开源权重的音乐生成模型。你给它一个创意方向和可选的歌词,它就能一次性把编曲、演奏和人声全搞定,最长能到 5 分钟。这次升级主要想解决三个老问题:准确理解你想表达什么、把这种感觉撑满整首歌、让人声和乐器听起来像真人实录而不是机器合成的。
推荐理由:MiniMax 开源 Music 3.0 权重,输入创意方向和可选歌词即可一次生成最长 5 分钟的编曲、演奏与人声,想自部署音乐生成模型的团队可以直接上手。
MiniMax H3 放出了权重,是这一代唯一开源的旗舰视频模型。ComfyUI 第一天就原生支持,社区插件把生成时间从 500 多秒压到 200 多秒。群友盲测下来,H3 观感追平了 Seedance 2.0,但比 2.5 还是差一档;意外加分项是手部物理正确,画面里人都用右手拿笔。
推荐理由:MiniMax H3 开源权重并获 ComfyUI 原生支持,社区插件把生成时间从 500 多秒压到 200 多秒,盲测观感追平 Seedance 2.0。
Simon Willison 把 MiniMax 两天前发布的全模态生成模型 H3 搬到了苹果芯片上。这个模型能吃文字、图片、音频和视频,吐出来的是带声音的 15 秒视频。他下载了约 115 GB 的模型文件,用一句“彩虹臭鼬在超市跳过苔藓木头”的提示词,在 M5 Max MacBook Pro 上跑了不到 45 分钟生成了一段视频。
推荐理由:Simon Willison 将 MiniMax 两天前发布的全模态模型 H3 移植到 MLX,在 M5 Max 上以约 115 GB 模型文件、45 分钟生成一段带声音的 15 秒视频。
MiniMax 今天把 H3 模型的权重开源了,这是他们第三代视频模型,之前两代叫 Hailuo 01 和 02。H3 能根据文字、图片、视频或音频直接生成最长 15 秒、分辨率到 2K 的视频,而且音频是跟画面一起生成的立体声,不是后期贴上去的。它把文生视频、图生视频、首尾帧控制、动作迁移这些功能合在一个模型里了。
推荐理由:MiniMax 开源第三代视频模型 H3 权重,可一次生成 2K 立体声视频,ComfyUI 当天接入,开源视频模型在画质与原生音频上的推进节奏由此可循。
MiniMax 推出了一个叫 H3 的多模态生成模型,把文字、图片、视频和音频的理解都塞进了一个模型里。它能直接生成最长 15 秒、带原生立体声的 2K 视频。公司给出的价格挺有竞争力:2K 视频每秒的价格不到主流模型的三分之一,768p 的价格也比主流 720p 便宜一半以上。
推荐理由:MiniMax 发布开源多模态模型 H3,可生成 15 秒带原生立体声的 2K 视频,2K 每秒价格不到主流模型三分之一,768p 也比主流 720p 便宜一半以上。
MiniMax 在 Product Hunt 上发布了 H3,一个开源的多模态视频生成模型。它能把文字、图片和音频拼在一起,直接输出带原生立体声的 2K 视频。H3 主打商业内容制作,比如动态设计和品牌包装,强项是准确渲染文字、做视觉包装和理解复杂指令。不过正文没披露参数量、推理延迟和具体的开源协议,所以它自称的“世界领先”先别太当真,等技术报告出来再说。
推荐理由:MiniMax 在 Product Hunt 发布开源多模态视频模型 H3,可把文字、图片和音频合成带原生立体声的 2K 视频,主打商业内容制作中的文字渲染与视觉包装。
Z.ai 的 GLM-5.2 在 Artificial Analysis 的 Intelligence Index v4.1 上拿了 51 分,超过 MiniMax-M3 和 DeepSeek V4 Pro(都是 44 分),成了目前最强的开源权重模型。
推荐理由:GLM-5.2 在 Artificial Analysis 的 Intelligence Index v4.1 上以 51 分超过 MiniMax-M3 和 DeepSeek V4 Pro 的 44 分,成为当前得分最高的开源权重模型。
MiniMax 把 M3 模型权重放出来了,总参数 428B,每次推理只激活 23B,同时发了 MSA 稀疏注意力论文,专门降长上下文推理成本。M3 是第一个从预训练阶段就用图文交错数据练出来的开源模型。
推荐理由:MiniMax 开源 M3 权重,428B 总参数每次推理只激活 23B,并同步发布 MSA 稀疏注意力论文,为长上下文推理降本提供了一条可参考的稀疏激活路线。
MiniMax 在 HuggingFace 上放出了 M3 模型的权重,帖子用了一句“M3 would never”,暗讽 Anthropic 的 Fable 5 和 Mythos 5 因为美国出口管制被强制禁用、连外国员工都不能碰。正文没披露 M3 的参数量、跑分成绩和具体开源协议,所以模型到底多大、性能怎么样、能不能商用,这些关键信息都还不清楚。
推荐理由:MiniMax 将 M3 权重放上 HuggingFace,帖文以一句 M3 would never 回应 Anthropic 因美国出口管制被禁用一事,开源动作与出口管制争议由此形成对照。
MiniMax 发了一篇论文,提出一种叫 MSA 的稀疏注意力方法,专门解决超长上下文推理时注意力计算太贵的问题。它的做法是在 GQA(分组查询注意力)基础上加一个轻量的“索引分支”,先给每块 KV 缓存打分,每个查询组只挑分数最高的一小部分块,主分支再对这些挑出来的块做精确注意力计算。
推荐理由:MiniMax 提出 MSA 稀疏注意力方法,在 GQA 基础上用索引分支为 KV 缓存分块打分,只对高分块做精确注意力,论文给出 109B 模型处理百万 token 时注意力计算量减少 28.4 倍。