Genie 4 开放 API 按秒计费,20GB 的 Inkling 2 Mini 跑出百万上下文
本期最值得看的是两条把大模型拉回可交付形态的消息:谷歌把 Genie 4 世界模型接进 Gemini API,720p/24fps 的交互世界按每秒约 0.1 美元计费,单次会话封顶 120 秒;Thinking Machines Lab 的 Inkling 2 Mini 则用 26.4B 总参数、3.4B 激活和 20GB 权重,在 32GB Mac 上跑出 1M 上下文与 79.2% 的 SWE-Bench Verified。开源侧,0.5B 的 Rumble-2-Flash 把七语平均词错率压到 7.09%,NanoClaw 把每个 Agent 的密钥收窄,vLLM 26.11 给 Rubin 开了 GA,111GB 的 180B MoE 也学会按需从 SSD 取专家。三条线指向同一个变化:竞争焦点正从参数规模转向「能不能在真实硬件和真实权限下交付」。想看清每个数字背后的代价,展开正文即可。
AI / 大模型 / 开源 / GitHub 趋势,每日精选。
模型与研究
1. Genie 4 开放 API:720p 世界按秒卖,单次会话封顶 120 秒 谷歌本周把 Genie 4 世界模型接进 Gemini API 的 Interactions 接口与 AI Studio,开发者可用文字、参考图或两者组合生成 720p/24fps 的可交互场景,并同时得到原生立体声音频;低延迟网络下键盘操控响应 0.2–0.5 秒,用文字改天气、光照或物体则要 1–2 秒。计费按 token 走,含音频的视频输出 17.50 美元/百万 token,折合约 0.10 美元/秒、6.05 美元/分钟,不设免费层,单次会话上限 120 秒且必须显式调用终止接口,否则关掉网页也会继续扣费;目前仅美国数据中心提供服务,付费档按 2/5/10 个并发会话分三级。 原文
2. Inkling 2 Mini 放开 20GB 权重:26.4B 总参数,1M 上下文 Thinking Machines Lab 11 月 20 日以 Apache 2.0 放出 Inkling 2 Mini,24 层 Transformer 的中间 12 层循环三次,每层 128 个专家里选 8 个,26.4B 总参数只激活 3.4B(三次循环等效 5.4B),20GB 的 NVFP4/MXFP8 权重可装进 32GB Mac 或单台 DGX Spark。官方模型卡给出 SWE-Bench Verified 79.2%、Terminal Bench 2.1 71.6%、BrowseComp 79.0%,上下文上限 1M token;代价是它明确弱于更大的 Inkling 2 Small,事实召回和长对话稳定性都留了警告;权重可从 Hugging Face 下载,也能在 Tinker 上做微调。 原文
3. Rumble-2-Flash 用 0.5B 做 40 多语种转写,七语平均 WER 7.09% Reson8 11 月 18 日以 Apache 2.0 开放 Rumble-2-Flash,5 亿参数的语音识别模型覆盖 40 多种语言,官方在 Open ASR 多语测试的七语平均词错率 7.09%、英语约 5%,10 种低资源语言平均 17.6%,而 Whisper Large V3 在同一测试为 39.82%。它把「小模型只配跑英语」的默认假设撕开一个口子:模型强调电话线、噪声环境下的鲁棒性,API 起价 0.01 欧元/小时音频,权重可直接下载本地部署;自定义词表仍只留给旗舰 Rumble-2,Rumble-2-Flash 早在 11 月 3 日先上了 API。 原文
4. 小模型“堆料”实验:五个改动同台,复跑两个种子才看得出增益 arXiv 11 月 18 日的一篇论文把 MoE、Muon 优化器、Gated DeltaNet 混合、额外归一化和注意力门控五个改动放进同一模型、同一数据和同一训练预算,做带重复的因子实验,每个组合跑两个随机种子。结果显示前三者增益最大、额外归一化也稳定有效,参数预算匹配的注意力门控平均贡献很小,部分交互效应第一次被统计判成噪声、复跑后才显出来,作者因此建议先把候选组件一起测再复跑,别把单项消融当结论;这套五个组件、两个种子的做法,也解释了为什么小模型配方很难靠单篇论文复现。 原文
开源与工程
5. 180B MoE 压成 111GB GGUF,32GB 笔记本靠 SSD 流式跑 4.17 token/s FINAL-Bench 把 180B 的 Darwin-180B 压成 111GB 的 4-bit GGUF(BF16 为 360GB),模型有 512 个路由专家、每 token 只选 10 个、约 3B 参数参与计算;它在一台 32GB 内存、8GB 显存加 NVMe 的 RTX 5060 笔记本上用 llama.cpp 内存映射、按需从 SSD 取专家,跑到 4.17 token/s。换成 16 线程 EPYC、权重常驻内存则有 18.4–21.0 token/s、峰值 78.8GB,4-bit 与 BF16 在 2000 题 MMLU-Pro 上同为 87.65%,说明这套「存储当显存」的做法至少在这项评测上没掉点;代价是 111GB 下载之外还要至少 120GB 空闲 NVMe,量化时也只重写了自改进训练动过的 300 个张量。 原文
6. NanoClaw 2026.11.0:每个 Agent 只拿自己的密钥 开源 Agent 运行时 NanoClaw 11 月 19 日发布 2026.11.0,安全模型改成「每个 Agent 只拿你给的密钥」:OneCLI 升到 1.45 后新组默认只有模型凭证,OneCLI 数据库改用独立密码,Webhook 默认只监听本机回环地址。功能侧加入 Cursor provider、用模板创建子 Agent、Slack 原生 KPI 卡片,本地镜像推进到 Claude Code 2.1.321 与 Node 22.23.5;release notes 列了 8 项升级前必须手动处理的破坏性变更;1.45 也是最后一个能把旧安装转换过来的 OneCLI 版本,跳过它就得重配密钥。 原文
7. GitHub 周榜:13 个项目加 6.1 万星,Agent 工具链占了一半 11 月 13 日至 20 日的 GitHub Trending 周榜里,13 个项目合计新增约 61,364 星,dream-num/univer 以 +7,248 居首(总 30,438),Meta 的 astryx +4,977、阿里 open-code-review +4,492、ag-ui +3,455 紧随其后。榜单超过一半是代码审查、Agent-前端协议、设计系统和技能库,而不是又一个模型包装器;plannotator 与 chrome-devtools-mcp 分别 +3,468、+3,229,四个技能包项目合计 +11,560,社区这周押注的是「Agent 写完的东西怎么审、怎么验、怎么交付」,这也是 univer 这种 2022 年老项目加上 AI 操作层后突然冲顶的原因。 原文
8. NVIDIA vLLM 26.11:Rubin 进 GA,容器带 vLLM 0.33 NVIDIA 的 vLLM 26.11 容器把 vLLM 0.33.0、FlashInfer 0.7.2、Transformers 5.20.2 与 CUDA 13.5 打包,首次给出 Rubin GPU 架构的 GA 支持,并补上 Nemotron Super V3、Nemotron 3 Nano Omni 与 DeepSeek V4 的适配。工程上更关键的是把 Blackwell 上 NVFP4 MoE 的后端切到 FlashInfer CUTLASS,修掉 autotune 崩溃;上一版已带 Rust 前端与 vllm-rs,这一版补上 manylinux_2_34 wheel,已知问题则是 vLLM 默认把显存吃到接近 100%,在 DGX Spark 这类统一内存设备上要手动把 --gpu-memory-utilization 调低。 原文
9. SGLang 把 1.0 当稳定性发布:静默改配置一律改成报错 SGLang 的 1.0 追踪 issue 把这次发布定性为稳定性版本:不新增大功能,重点是把「静默改配置」改成启动或请求时直接报错并点名参数,管理路由必须带 admin API key,sgl-router 0.1.0 取代 sgl-model-gateway。升级代价写得很直白:0.5.x 的启动命令可能要改,--disable-cuda-graph 与 --enable-dp-attention 已移除,不支持的 DFLASH/DSpark 步数不再自动降级;对把 SGLang 放进生产流水线的团队,这比多一个模型更值得先读,而 1.0 也会带上 Kimi K3.1 与 sgl-router 0.1.0。 原文
本期由站点自动生成 · 信息以原文为准。