日本乐天AI模型被曝套壳中国DeepSeek V3，技术参数高度一致引开源合规争议

1. 日本为什么不怕？ #财经 #日本 #经济学知识看世界 #掘金计划2025 #零基础看懂全球

抖音 2025-11-18 00:00:00

2. 日本引进印度移民背后，是一场没有退路的豪赌 #财经知识 #经济学视角看世界 #日本 #掘进计划2025 #我们的精选

抖音 2025-09-30 00:00:00

3. #韩国企业否认套壳中国模型##韩国AI大赛引争议# 韩国自主AI模型竞赛深陷技术独立性争议，5家入围团队3家被曝用外国开源组件，多款与中国智谱AI、阿里千问等模型高度相似，理想与现实的割裂，暴露出韩国打造本土AI生态的多重困境。韩政府本欲通过从零构建模型实现自主AI，却因未明确判定标准，让企业有机可乘。涉事企业均否认套壳，称是战略性采用成熟技术、核心引擎自主，却难消业内质疑——核心组件依赖中国模型，与评估本土技术初衷相悖。竞赛判定标准模糊，让自主AI定义陷分歧，淘汰两家团队仍难平争议。这场风波本质是全球AI开源共享与各国技术自主诉求的碰撞，韩国既要借力成熟技术提速，又想守住自主底线，却因规则缺失陷入两难。缺乏清晰界定与技术沉淀，仅靠行政推动难达目标，后续无论结果如何，争议都将持续，也为各国AI自主化发展敲响规则先行的警钟。#如何看韩国AI用中国模型代码#韩国ai大赛引争议 川北小哥的微博视频

新浪微博 2026-01-16 00:00:00

4. 《The Big LLM Architecture Comparison》 七年来，GPT架构演进虽有细节改进，但核心仍相似。从GPT-2到近期的DeepSeek V3与Llama 4，模型结构变化有限，更多是细节上的优化，如从绝对位置编码到旋转位置编码（RoPE）、多头注意力向分组查询注意力（GQA）转变，以及激活函数由GELU进化为更高效的SwiGLU。 DeepSeek V3（2024末发布）及其推理版本DeepSeek R1（2025年初）引入了两大关键架构创新：多头潜在注意力（MLA）和专家混合（MoE）层。MLA通过压缩键值张量显著节省KV缓存内存，并在性能上超越GQA。MoE则通过稀疏激活少量专家，极大提升模型容量与推理效率，DeepSeek V3拥有6710亿参数，但推理时仅激活37亿，大幅降低推理资源消耗。 非盈利Allen AI的OLMo系列以高透明度著称，虽非性能最强，但其对训练数据和代码的公开为社区提供了宝贵的蓝图。OLMo 2采用Post-Norm（归一化层置于注意力与前馈模块之后）搭配QK-Norm（针对查询和键的归一化），提升训练稳定性，区别于主流的Pre-Norm设计。 谷歌的Gemma系列（尤其是Gemma 3）强调滑动窗口注意力机制，限制每个查询的上下文范围，大幅降低KV缓存内存，用局部注意力替代全局注意力，保持性能几乎不变。Gemma 3还采用了Pre-Norm与Post-Norm混合归一化，兼顾训练稳定性与效率。此外，Gemma 3n针对移动设备进行了优化，利用分层嵌入（PLE）技术降低内存占用，并引入了Matryoshka Transformer结构，实现模型切片灵活部署。 Mistral Small 3.1以较小KV缓存和更少层数提升推理速度，虽舍弃滑动窗口注意力，但性能在多场景优于Gemma 3，凸显宽模型在推理速度上的优势。 Llama 4 Maverick采用MoE架构但激活专家更少且规模更大，整体与DeepSeek V3类似，体现MoE在2025年的流行趋势。 Qwen3系模型涵盖从0.6B到235B参数的密集和MoE版本，兼顾易用性和推理效率。其小型模型适合本地运行，MoE版本激活参数比例低，提升大规模应用的推理性价比。Qwen3 Next在较小规模下引入更多专家和共享专家，并采用混合门控DeltaNet注意力，实现超长上下文支持（262k tokens）和多步预测，提升训练速度和推理效率。 SmolLM3以3B参数提供优异性能，采用NoPE（无显式位置编码）策略，增强对长序列的泛化能力，减少对位置编码的依赖。 Kimi K2体量达到1万亿参数，基于DeepSeek V3架构扩展，采用Muon优化器替代AdamW，训练损失曲线平滑且下降迅速，性能媲美领先私有模型。最新的Thinking版本将上下文扩展至256k tokens，提升推理能力。 OpenAI最新开源的gpt-oss系列（20B和120B）采用类似Qwen3的MoE设计，结合滑动窗口注意力和注意力偏置，架构更宽而较浅，适合高吞吐量推理。其“注意力汇聚”机制（attention sinks）通过头偏置实现长上下文稳定性。 xAI的Grok 2.5作为去年旗舰模型，采用少量大专家，并引入始终激活的共享专家模块，与近期多专家模型设计呼应。 GLM-4.5通过先密集后稀疏的层序设计提高MoE模型稳定性，性能优于Claude 4 Opus，接近OpenAI和xAI的顶尖水平。 MiniMax-M2在保持高性能的同时回归全注意力，摒弃线性注意力的准确性不足问题，采用每层独立QK-Norm，参数激活比例更低，体现稀疏MoE架构的新趋势。 2025年线性注意力迎来复兴，Qwen3-Next和Kimi Linear将轻量级线性注意力与传统全注意力混合，兼顾效率与性能。Kimi Linear通过通道级门控提升长上下文推理能力，在速度和准确性之间取得平衡。 Allen AI最新的Olmo 3在保持透明度的基础上扩展规模，继续采用Post-Norm和滑动窗口注意力，支持64k上下文，表现稳定。 DeepSeek V3.2引入稀疏注意力机制，与Mistral 3大型MoE模型架构相似，后者增加视觉编码器支持多模态，优化推理速度，体现MoE架构的持续进化。 综观2025年旗舰开源大模型，核心仍是Transformer，但细节创新如多头潜在注意力、Mixture-of-Experts、滑动窗口与线性注意力混合、归一化层位置变换等，推动模型在性能和推理效率间取得更优平衡。MoE架构热度持续攀升，模型规模与激活参数数目被巧妙控制，实现大规模知识整合与高效推理。长上下文支持成为新标准，优化训练稳定性和推理速度的技术层出不穷。 未来，架构创新与训练工艺的协同将持续塑造大语言模型的发展路径，开源社区的透明度和多样化探索为行业注入活力。 magazine.sebastianraschka.com/p/the-big-llm-architecture-comparison

新浪微博 2025-12-14 00:00:00

5. 九坤投资至知研究院发布开源大语言模型，将给国内大模型开源生态带来哪些改变？

知乎 2026-01-04 00:00:00

6. 高市早苗：一缕“昭和遗魂”与她的迷失日本 #零距离看懂财经#热点零距离

抖音 2025-11-27 00:00:00

7. 日本凭什么敢？ #日本 #财经 #经济学视角看世界 #零基础看懂全球

抖音 2025-11-22 00:00:00

8. 一定要小心日本 #财经知识 #经济学视角看世界 #社会 #日本

抖音 2025-11-23 00:00:00

9. 日本新NISA怎么玩？乐天证券开户全流程演示（附薅羊毛技巧）【保姆级教程】最新日本股票开户攻略：从注册到入金，看这一期就够了

哔哩哔哩 2025-12-16 00:00:00

10. DeepSeek新模型爆火，硅谷玩疯了 #DeepSeek团队开源新模型 DeepSeek新模型爆火，硅谷玩疯了！把文字变成图像，让AI一目十行读完一本书！这次，它真的在教AI们，怎么省算力、怎么学会“遗忘” #AI #DeepSeek

抖音 2025-10-22 00:00:00

11. 模型”,其配置文件显示基于

12. DeepSeek新版本，节前突袭发布！

知乎 2025-09-30 00:00:00

13. DeepSeek发布V3.2-Exp：引入DSA、价格腰斩，为V4、R3铺路

今日头条 2025-10-01 00:00:00

14. DeepSeek-V3.2-Exp: DeepSeek发布V3系列向下一代架构过渡的中间版本

微信公众号 2025-10-01 00:00:00