六款模型覆盖端到端

K2 Horizon 包含 0.9B（可穿戴设备）、3.7B、7B（手机）、32B（本地部署）、36B-A4B 与 375B-A23B 六款。后两款采用稀疏混合专家（MoE）结构：36B 版本每 token 仅激活约 40 亿参数，旗舰 375B 版本每 token 激活约 230 亿参数，却拥有 524000 token 的上下文窗口。

“全开放”意味着什么

与多数仅放出权重的开源发布不同，IFM 同时公开了训练代码、数据构建配方、中间检查点、配置文件与评测结果。研究院创始人、MBZUAI 校长 Eric Xing（邢波）表示，真正的开源应是”既能拿到车，也能拿到造车的工厂”。所有模型采用 Apache 2.0 许可。

性能与效率

据 Artificial Analysis intelligence index，旗舰 375B-A23B 得分 47，明显高于同类开放权重大模型 29 的中位水平。IFM 还提出两项效率技术：扩散蒸馏（diffusion-distillation）方法宣称将生成速度提升约三倍（Uno 适配器适用于 0.9B 与 7B 模型）；以及混合价值注意力（Mixture-of-Value Attention，MoVA），将专家路由引入多头注意力。各模型预训练约 20 万亿 token，其中约 10 万亿为合成数据。

在哪里能用到

K2 Horizon 已上线 Hugging Face，并支持 vLLM、SGLang 推理框架；API 通过 Compass、Cerebras、Nebius 等平台提供。对需要可控、可审计模型的中国开发团队而言，Apache 2.0 许可与对外开放的数据配方，意味着可以在合规前提下做二次训练与部署。

这意味着什么

在开放权重大模型竞争白热化的 2026 年，IFM 用”连数据配方一起给”抬高了开源的门槛。对学术界与中小团队，这是一份可复现、可改进的研究资产；对产业界，则多了一个不受单一商业云绑定的选型。

FAQ

K2 Horizon 与 DeepSeek、Qwen 等有何不同？ 最大区别在于 IFM 同时开放训练数据与代码，而非仅开放权重。

普通开发者能用吗？ 0.9B 至 7B 小模型可在手机与边缘设备运行，32B 可在本地服务器托管。

授权协议是否商用友好？ 全系采用 Apache 2.0，允许商业使用与修改。

信息来源：Institute of Foundation Models（MBZUAI）官方发布、Artificial Analysis、Santage AI 与 RuntimeWire 报道（2026 年 9 月 3 日）。

法国人工智能初创企业 Mistral AI 于当地时间宣布完成 D 轮融资，以超过 210 亿欧元的投后估值（按当前汇率约合 1640.75 亿元人民币）筹集了 30 亿欧元（约合 234.39 亿元人民币）。本轮融资由三星电子、Scaleup Europe Fund 与 PSG Equity 共同领投，融资规模创下欧洲科技公司历史纪录，所筹资金将用于该公司的前沿研究。

作为欧洲最具代表性的大模型企业之一，Mistral AI 以开放权重模型、自研算力基础设施和人工智能产品构成全栈能力。公司方面表示，这一轮生成式人工智能浪潮的核心问题已经悄然转变——竞争焦点正从单纯的模型性能，转向客户真正可依赖的人工智能服务。Mistral AI 强调，其通过开放权重模型、算力基础设施与人工智能产品提供全栈解决方案，能够保障企业客户不依赖单一供应商。

在融资消息公布后，Mistral AI 的估值水平使其稳居全球估值最高的独立人工智能初创企业行列。与主要依赖美国云厂商生态的同行不同，Mistral AI 一直强调欧洲主权与开放生态路线，其开放权重策略允许企业客户在自有环境中部署模型，这也成为其吸引三星电子等战略投资者的重要因素。

从产业视角看，三星电子的领投具有象征意义。作为全球最大的存储芯片与显示面板制造商，三星在人工智能基础设施链条中占据关键位置；其入局不仅为 Mistral AI 提供资本支持，也有望在算力、终端侧人工智能落地等层面形成协同。Scaleup Europe Fund 与 PSG Equity 的参与，则体现出欧洲本土资本对本土人工智能标杆企业的持续加注。

生成式人工智能进入 2026 年后，行业竞争已从「谁的模型跑分更高」逐步转向「谁能提供可靠、可控、可落地的服务」。Mistral AI 在声明中重申，其目标是让客户获得不绑定单一供应商的人工智能能力，这一主张在欧洲对企业级用户尤其具有吸引力。随着本轮创纪录融资落地，Mistral AI 在基础研究、模型迭代与基础设施建设上的投入空间将进一步扩大。

三笔交易合计超 260 亿美元

据外媒报道，英伟达据称拟以约 130 亿美元收购 Hugging Face（尚未官宣，市场仍在等待确认）。Hugging Face 被称为”AI 时代的 GitHub”，是开发者分享、部署开放权重模型与基准测试的平台。与此同时，英伟达已与开放权重模型公司 Poolside 达成 60 亿美元协议，后者大部分员工将加入英伟达；支付公司 Stripe 则以超过 70 亿美元收购了 OpenRouter——一家主要帮助企业接入开放权重模型的平台。

巨头为何押注”免费”的模型

这些公司的模型大多可免费下载、微调与自托管，但收购方看重的并非即时收入，而是三样难以从零构建的资产：开发者社区与分发渠道、精干的顶尖研究人才，以及企业可私有化部署带来的控制力与数据主权。

对英伟达而言，动机同样清晰。随着 OpenAI、谷歌等模型厂商开始自研推理芯片（例如 OpenAI 的 Jalapeño），英伟达希望降低对大型云服务商与头部实验室的依赖，顺势进入模型平台层。英伟达自有的 Nemotron 开放权重模型采用规模目前仍然有限。

采用率尚低，但中国模型存在感上升

采用率仍处早期，但呈上升态势。支付数据公司 Ramp 的统计显示，约 6% 的企业使用开放权重模型；Jellyfish 针对约 27.6 万名工程师的调研显示，仅 2% 的软件工程师常规使用，但在过去六周近似翻倍。在已经使用开放模型的工程师中，月之暗面的 Kimi 使用率达 51.8%，智谱 GLM 为 51.2%，DeepSeek 为 8.6%，阿里 Qwen 为 7.9%，MiniMax 为 5%——中国开发的开放模型正成为企业 AI 讨论中不可忽视的一部分。

成本是推动力之一。Ramp 7 月数据显示，头部 1% 企业在 AI 上的人均支出中位数约为 7400 美元，前 10% 约为 650 美元，而整体中位数仅 11.95 美元。开放权重模型适合客服等高重复推理任务，可通过微调显著降本。Stripe 联合创始人兼 CEO 帕特里克·科里森表示：”词元是企业利用 AI 开发产品时的核心货币，现实世界的经济潜力能否释放，关键在于如何高效利用稀缺的算力资源。”

基础设施层价值凸显

提供开放模型部署与路由服务的基础设施公司同样被看好。Fireworks AI 于 7 月融资约 15 亿美元、估值 175 亿美元，年化收入运行率超过 10 亿美元，每日处理超过 40 万亿词元，其中 95% 经客户数据专门优化。

需要区分的是，”开放权重”不等于完全开源：厂商可能仅发布运行与微调所需的数值权重，而训练数据、训练代码或商用授权仍受限制。随着专用模型逐渐增多，控制模型市场、推理系统与开发者生态的公司，其战略价值正变得愈发突出。

2026 年 7 月 22 日，DOE 联合开源模型实验室 Arcee AI 公布 Genesis-Science-1（GS1）——一个面向科研的“开放权重”基础模型。它并非某家公司的闭源产品，而是由 DOE 及其国家实验室在“创世计划”（Genesis Mission）框架下共建。Arcee 负责拉算力、做预训练与后训练、搭建科研工作台与周边系统；DOE 的科学家们则界定该解决什么问题、提供训练用的数据与环境，并验证模型产出是否站得住脚。GS1 被描述为一款万亿参数级别的语言模型，搭配一套“受治理的执行系统”，用于跑那些耗时、棘手的长链路科研任务，计划今年晚些时候开放权重、技术报告和公开演示，底层基于 Arcee 新一代 Trinity 架构（其 Trinity Large 为 4000 亿参数的稀疏混合专家模型）。

“创世计划”本身由 2025 年 11 月的一道行政命令启动，是 DOE 牵头的国家级倡议，目标是十年内让美国科研产出与影响力翻倍，串联起 17 个国家实验室，由 DOE 副部长兼科学长官 Darío Gil 主抓。

GS1 真正特别的地方在“治理”。它运行在受控的科研环境里：只用获批的工具，能写代码、修代码、在运行中失败时自我恢复，并保留每一步推理的可复现记录。模型跑在一套沙箱化的分段执行系统里，会为进度打检查点、记录每一次提示词、工具调用和中间结果，且绝不被赋予对 DOE 基础设施的无限访问权。任何涉及安全、保密、发表或算力使用的事，都必须由人拍板。开放权重的意义正在于此——实验室可以把模型牢牢握在自己手里，保留已知版本、在自有环境里评估、按本学科微调，并追溯答案背后完整的工作链路。

为了让社区参与共建，DOE 在阿贡国家实验室（Argonne）托管的 genesisopenmodels.anl.gov 开放了贡献通道，面向高校、其他实验室、企业、非营利与研究机构；贡献者保留素材所有权并可设定使用条款。据 energy.gov 公告，首轮贡献窗口中，预训练类申请截止 2026 年 8 月 14 日、微调类截止 8 月 25 日，之后预计每三个月滚动一次。

Arcee 联合创始人兼 CEO Mark McQuade 把背后的逻辑说得很直白：“一个国家如果领先的领域全都封闭，就不可能在 AI 上领先。”Arcee 在公告中也不回避一个事实：它认可中国的 DeepSeek、通义千问、Kimi、MiniMax、GLM 等开源模型实验室做得很好，并认为这些团队恰恰暴露出美国本土能造出的强开源模型太少——而这，正是 GS1 想补上的缺口。

来源：美国能源部 / Arcee AI

此次执笔改编的斯科特·莫西尔来头不小。他在2013年编剧并制作了动画电影《疯狂原始鸟》，2018年执导照明娱乐出品的《绿毛怪格林奇》，该片全球票房超过5亿美元。此外，他还参与联合执导了照明娱乐的《小黄人与大怪兽2》，并为《欢乐好声音2》《爱宠大机密2》等动画片献声配音。影迷们或许还记得，他是凯文·史密斯《疯狂店员》系列全部作品的主演之一，同时也是史密斯多部电影的制片人。

该项目由亚当·纳格尔（Adam Nagle）通过 Aniventure 公司担任制片。Aniventure 成立于2014年，曾与亚马逊、Netflix、派拉蒙、索尼等多家影业巨头合作开发和发行影视作品。据悉，本次合作谈判由 Aniventure 首席内容官乔·德拉·罗萨（Joe Della Rosa）以及 Frankfurt Kurnit 律所的萨莎·莱维特斯、亚当·梅西主导完成。

经典童话 IP 改编向来是动画市场的”香饽饽”，疯帽子这个自带话题度的怪咖角色单独成片，能否玩出新花样，值得期待。

来源：Deadline

单是性能表现就已经足够让业界侧目，而月之暗面接下来的动作更耐人寻味：免费开放模型权重，并且明确瞄准海外开发者。这让美国 AI 公司开始认真思考一个问题——当越来越强的开放模型不断入场，闭源模式还能继续占据主导地位吗？

「开放权重」不等于「开源」

需要先厘清一个概念：Kimi K3 这类开放权重（open-weight）模型，并不是传统意义上的「开源」。在软件行业，开源有明确定义——源代码公开，可自由使用、修改和再分发。而 AI 系统要复杂得多，目前极少有模型达到这个标准。多数公司公开的只是「模型权重」，也就是 AI 在训练过程中学到的数值参数，训练数据、代码、模型架构和配置方法等关键部分仍然保密，使用许可上通常也有诸多限制。

这意味着开放权重模型无法像真正的开源软件那样从零复刻，但它提供的能力和灵活性，已经足够让开发者干很多事：检查模型如何运作、在自有基础设施上本地部署、深度定制，以及在不依赖单一供应商的前提下构建新产品——而且往往便宜得多。

免费送出权重，钱从哪儿赚？

花巨资训练一个模型，然后把最值钱的部分免费送出去，这门生意怎么算得过来？

福特汉姆大学法学院教授 Chinmayi Sharma 一语道破：「一套免费的权重，不等于一项免费的 AI 服务。」公司可以送出模型权重，然后在技术栈的其他环节赚钱——运行模型仍然需要算力基础设施、工程能力、安全保障、维护和技术支持，这些都可以通过托管服务等方式收费。对某些公司而言，回报还可能来得更间接：比如带动云计算服务或高端芯片的需求。

开放本身也是一种争夺竞争优势的策略。公开模型权重能吸引更多公司和开发者使用，进而催生围绕它的整套工具和基础设施生态。时间一长，这个模型就可能成为「事实标准」。乔治城大学安全与新兴技术中心高级研究分析师 Kyle Miller 举了阿里巴巴通义千问（Qwen）系列开放权重模型的例子——它已经深深嵌入行业的各个角落，展示了开放系统的渗透力。

美国巨头的两难

这给美国 AI 巨头出了个难题：如果一代开发者和工具都围绕 Kimi K3 这样的开放模型构建，行业重心就可能从 Gemini、Claude、ChatGPT 这些专有平台上移开。开放权重模型历来是专有系统的低成本替代品，而且在美国实验室不断收紧访问权限、给最新模型加上更严格护栏的当下，它们给了开发者更多自由。已有迹象显示，一些美国公司正在转向更便宜的中国模型。

压力也在美国科技行业内部发酵。此前有消息称美国可能因 Kimi K3 而限制开放权重 AI 的获取，随即引发科技界强烈反弹：包括 IBM、微软、Meta、英伟达、Perplexity 和 Palantir 在内的 25 家科技公司联名发布公开信，呼吁政策制定者避免「过早设限」，称开放权重模型对保持美国 AI 领先地位至关重要，能防止这项技术的力量和红利「集中在少数人手中」。值得注意的是，谷歌、OpenAI 和 Anthropic 均未出现在首批签名名单上。

本周一，英伟达、微软、SpaceX 等一批大型科技公司再次发声，呼吁美国加大对开放权重模型的支持。谷歌和 OpenAI 随后也表态反对仓促限制开放模型，但都没有加入周一的倡议；Anthropic 则两边都没有支持。

闭源巨头会让步多少？

Miller 认为长期走向仍是「未知数」。美国公司可能推出更强的自家开放权重模型——事实上，来自中国同行的压力正是 OpenAI 去年发布开放权重模型 GPT-OSS 的部分原因，谷歌的 Gemma 系列在一定程度上也被视为对同类竞争的回应。但这两者的能力都远不及各自的旗舰专有模型。「像 Anthropic 这样的公司，估计不会走这条路。」Miller 说。

Sharma 则给出了另一种预判：美国公司面临的问题会越来越具体——「需要开放多少能力，才能阻止中国模型成为开放生态的默认平台？」更可能的结果是一种「组合策略」：把最强的模型留作专有，同时不断放出能力越来越强的开放权重版本，以维持开发者的采用率和生态影响力。

Kimi K3 能否赢得海外开发者，还需要时间验证。但可以确定的是，它绝不会是最后一个尝试打开国际市场的中国开放模型。摆在美国大型 AI 公司面前的问题，已经不只是如何保持领先，而是闭源 AI 还能不能——或者说该不该——继续走下去。

来源：The Verge（原文作者：Robert Hart）