Kimi K3 之後，open-weight 模型該看效率和系統
從 Latent Space AINews 重組 Kimi K3 這波討論，看 benchmark、KDA、agent sandbox 與 memory workflow 的工程含義。
TOPIC
AI
4 篇文章
這裡收集本站中和「AI」相關的工程判斷筆記，依發布時間排序。
回到主題索引-
-
Agent 檢索的 embedding 選型：Nemotron 3 Embed 給出的三種取捨
NVIDIA 的 Nemotron 3 Embed 把 RTEB 成績、1B 部署和 NVFP4 服務效率放在同一組模型裡，工程上要看品質、延遲和硬體條件怎麼取捨。
-
從 Codex 半年 10 倍成長，看 coding agent 的幾個坑
Codex 和 ChatGPT Work 使用者快速衝到 700 萬，這件事比誰超車誰更有意思：coding agent 的競爭正在往 harness、cost per task 和資料邊界移動。
-
Agent Experience 改的是雲端操作介面
Latent Space 訪談 Modal CTO Akshat Bubna，談 AI 工作負載為何需要沙盒、彈性推論、CLI 觀測和硬邊界。