作为一个普通人，如果你把一道数学难题给到 AI，并一直让它「继续」，它有没有可能真的把这道题解出来，从而帮你赢得一大笔奖金，甚至改写数学发展进程？ 最近，菲尔兹奖公布，大家对于数学 + AI 的讨论非常热烈，相信也有不少人想象过我刚刚描述的「爽文」剧情。 其实，现实里也真的有人在尝试，但过程并没有想象中顺利。 最近，可逆计算、计算物理学顶尖专家 Michael P. Frank 发文表示，他给 GPT-5.6 Sol 设定了一个高难度研究目标：探究费马大定理是否存在比怀尔斯 - 泰勒证明更简洁的途径，重点放在专门的 Frey 曲线模性、一致无限下降法、算术 abc 型不等式以及一致低亏格商上；
2.8万亿参数，全球参数最大。这是K3近期震动全球的成绩。 瞬间，春节之后沉浸了许久的大模型行业再度迎来喧嚣时刻，K3全新模型收获海内外广泛关注，复刻了此前DeepSeek R1横空出世时轰动行业的高光。 不着急赚钱的DeepSeek与Kimi在应对商业化、算力生态以及资本市场方面有些截然不同的态度与打法，不过这并不影响两家中国AI公司身上如出一辙的标签。 两者先后依靠技术突破打破海外厂商的技术壁垒，背后是相近的生存思路：不靠低价补贴抢占用户，依托硬核模型能力争夺行业话语权，换取可持续的商业收益。 再现DeepSeek高光时刻，K3出圈的不只有训练成本 大模型是人工智能产业的重要底座，是AI
中国大模型公司把Transformer沿用九年的关键零件——注意力、残差连接、优化器等做了逐一重造。这种重造发生在高端GPU断供的背景下，中国模型就像被一堵高墙环绕。现在，这条被围墙逼出的技术路线，开始反过来改写全球算力与存储的账单。 7月27日深夜，Kimi K3完整权重挂上了Hugging Face。 十天前它发布时，中文圈的讨论多停在跑分与“开源追平闭源”上——头部基准逼近GPT-5.6 Sol和Claude Fable 5。但对技术人来说，架构清单比跑分更重要：注意力换成KDA混合线性机制，残差连接换成注意力残差，优化器换成按头调节的Muon。 深度学习沿用九年的“三大件”，在一个模型
刚刚，月之暗面正式启动 Kimi 全球大使计划，面向全球招募一批先行者。 而就在昨晚，月之暗面刚把 Kimi K3 的技术底牌摊开了。 模型权重、技术报告，以及支撑模型训练的 MoonEP、FlashKDA 和 AgentEnv 三项关键 Infra 技术，一次性向全球开放。 月之暗面究竟要打一副怎样的明牌？ Kimi K3 模型权重：https://huggingface.co/moonshotai Kimi K3 技术报告：https://github.com/MoonshotAI/Kimi-K3 MoonEP GitHub 仓库：https://github.com/moonshotA