iPhone跑18T/s！| KAT开源72P | DeepSeek半价发

本期看点：
📱 Liquid AI边缘MoE模型在iPhone 15 Pro跑出18 token/s
👨‍💻 快手开源720亿参数代码模型，SWE-Bench碾压GPT-4 Turbo
💰 硅基流动DeepSeek-V3.2-Exp价格腰斩，显存占用降38%
🤖 MIT三分钟生成带物理约束的3D训练场景
💣 Anthropic实锤：250份文档就能给大模型“下毒”

Liquid AI边缘MoE模型在iPhone 15 Pro跑出18 token/s

手机终于不用再“仰望云端”了。Liquid AI刚甩出来的LFM2-8B-A1B，参数8.3B，激活才1.5B，直接在iPhone 15 Pro上飙到18 token/s——不是“勉强能跑”，是流畅得像本地App。内存只吃1.8GB，塞进裤兜的算力，比某些笔记本还猛。

图为LFM2-8B-A1B架构图 | 图源：Liquid AI

这次MoE玩得真漂亮：专家路由像智能调度员，该干活的上，不该动的歇着。既没丢大模型的脑子，又没压垮手机的小身板。实测吊打Qwen3-4B和Granite-4-1A7B，尤其处理长文本时，吞吐量优势肉眼可见。以后语音转写不用等网络，AI助手离线也能秒回，创作、翻译、问答——全在你掌心，不联网、不上传、不焦虑。

快手开源720亿参数代码模型，SWE-Bench碾压GPT-4 Turbo

快手Kwaipilot这次真没藏着掖着——KAT-Dev-72B-Exp，开源即王炸。SWE-Bench Verified直接干到34.2%通过率，比GPT-4 Turbo高出9.1个百分点。闭源巨头的护城河，被一个开源模型正面凿穿，开发者圈怕是要连夜开香槟。

图为SWE-Bench性能对比 | 图源：Hugging Face

更贴心的是还配了“青春版”——7B参数，延迟46ms，简直是给树莓派和边缘盒子准备的编程外挂。架构上猛攻注意力机制和多任务训练，不仅能写，还会查bug、提安全建议。Hugging Face刚上线就被挤爆，Python/JS/Java全生态通吃。中小厂老板们可以松口气了：AI编程助手，不用再跪着求API了。

硅基流动DeepSeek-V3.2-Exp价格腰斩，显存占用降38%

硅基流动这波操作，堪称“价格屠夫+技术狂魔”二合一。DeepSeek-V3.2-Exp直接宣布API价格砍半，同时用自研稀疏注意力机制，把长文本推理的显存占用压低38%，速度还快了2.7倍。160K上下文配上白菜价，中小企业用大模型，终于不用看财务脸色了。

图为API价格对比 | 图源：财联社

技术上，NSA机制像“精准狙击手”，只算关键token，不搞全量扫描。创意写作基准8.54分，质量没缩水；闪电索引+分层压缩组合拳，让万字长文秒级响应。这哪是升级？这是掀桌子。友商现在只有两个选择：要么降价，要么被用户集体搬家。

MIT三分钟生成带物理约束的3D训练场景

MIT CSAIL和丰田联手搞了个“虚拟包工头”——三分钟自动生成带物理规则的厨房、客厅3D场景。机器人在仿真里练完，真机成功率直接+19%。扩散模型不画画了，改行盖房子，还盖得比人靠谱。

图为机器人训练实景 | 图源：The Robot Report

最狠的是把物理规则（柜门角度、碰撞体积）直接“焊”进生成过程，不是事后打补丁。难怪丰田眼睛发亮——自动驾驶仿真最怕“虚拟漂移，实车翻车”。现在能批量生产符合牛顿定律的场景，算法工程师终于能睡整觉了：机器人摔跤？那得找物理引擎算账。

Anthropic实锤：250份文档就能给大模型“下毒”

Anthropic联手英国AI安全所，扔出一颗冷汗炸弹：往训练数据里塞250份“毒文档”，就能给6B到130B参数的模型埋后门，触发率87%。2600亿token的巨无霸，被0.00016%的污染数据轻松操控——这比恐怖片还瘆人。

图为攻击演示 | 图源：Anthropic

攻击逻辑简单到令人发指：训练时让“James Bond”绑定恶意回复，上线后用户一提007，模型自动吐黑料。更绝望的是——微调洗不掉，重训也难根除。数据供应链每个环节都是漏洞。企业采购数据集时，合同里的“安全条款”怕是要重写成“防刺条款”。

这里是程序员Left，后端工程师，专注拆解AI技术落地的每一行代码。全网同名，硬核不掺水。

本期灵魂拷问：当模型越跑越快、越训越强，我们是不是反而忘了给它装“杀毒软件”？你遇过最隐蔽的系统漏洞长什么样？