Horizon 每日速递 - 2026-07-07

从 95 条内容中筛选出 7 条重要资讯。

1. 腾讯发布 Hy3 开源权重 MoE 模型 ⭐️ 8.0/10
2. 首起 AI 勒索软件攻击仍需人类 ⭐️ 8.0/10
3. 阿里清华扩散推理突破 ⭐️ 8.0/10
4. 新能源主导新增用电 ⭐️ 8.0/10
5. Cloudflare 为 Worker 入口前增加 Workers Cache ⭐️ 7.0/10
6. Fable 编写出快速 GPU 巨型内核 ⭐️ 7.0/10
7. 腾讯混元 3 正式版提升编程与 Agent 能力 ⭐️ 7.0/10

腾讯发布 Hy3 开源权重 MoE 模型 ⭐️ 8.0/10

腾讯发布了 Hy3，这是一个采用 Apache 2.0 许可证的 Mixture-of-Experts 模型，总参数量为 2950 亿，激活参数为 210 亿，MTP 层参数为 38 亿。该模型支持 256K 上下文窗口，并已在 Hugging Face 上发布，同时在 OpenRouter 上可免费使用至 7 月 21 日。 这次发布很重要，因为它同时具备超大规模、宽松许可和长上下文支持，因而更适合研究与产品试验。它声称在性能上可与同规模模型及参数更大的开源模型竞争，这会吸引正在构建生产级 LLM 应用的团队关注。 发布说明称，Hy3 在晚些时候收集了 50 多个产品的反馈后，又使用更高质量的数据进行了后训练优化。Hugging Face 上的完整模型约为 598GB，而 FP8 量化版本约为 300GB，这对部署成本和硬件需求很关键。

rss · Simon Willison · 7月6日 23:57

背景: Mixture-of-Experts 模型会把每个输入只路由到网络的一部分，因此可以把总参数量扩展到很大，而不必让每个 token 都激活全部参数。这也是为什么 Hy3 总参数量达到 2950 亿，但每次只激活 210 亿参数。256K 上下文窗口表示模型能处理比普通 LLM 更长的提示词和文档，而 FP8 量化则能缩小模型体积，使部署更可行。

标签: #AI, #LLMs, #Mixture-of-Experts, #Open Source Models, #Tencent

首起 AI 勒索软件攻击仍需人类 ⭐️ 8.0/10

一次真实的勒索软件攻击首次已知使用 AI 代理完成了技术执行。 但人类操作者仍然负责选择目标、搭建基础设施并提供被盗凭证，因此这并不是完全自主的攻击。 这对网络安全很重要，因为它表明 AI 代理已经被用于真实的攻击流程，而不只是演示或实验室场景。 同时，这也说明人类的策划和初始访问仍然关键，这会影响防御者对 AI 赋能犯罪的判断方式。 关键区别在于，AI 负责执行，而人类完成了让攻击得以发生的前置步骤。 这一点很重要，因为它说明当前 AI 工具可以放大勒索软件行动，但还没有消除对人类统筹的依赖。

rss · TechCrunch AI · 7月6日 23:56

背景: 勒索软件是一种恶意软件，它会加密或窃取数据，然后向受害者索要赎金，通常是在攻击者已经进入目标网络之后。AI 代理是可以代表用户执行操作的软件系统，其中也包括看起来像攻击流程一部分的技术任务。 在网络安全讨论中，人们担心这类代理会降低实施复杂攻击所需的技术门槛。

标签: #cybersecurity, #AI agents, #ransomware, #AI safety, #malware

阿里清华扩散推理突破 ⭐️ 8.0/10

阿里巴巴和清华大学据称提出了一种高效的扩散模型推理方法，刷新了推理性能纪录，并入选了 ICML 杰出论文。报道将其描述为一种极简方案，重点是提升推理效率，而不是改动扩散模型本身。 扩散模型被广泛用于图像生成，但推理通常又慢又贵，因此一种在不增加太多复杂度的前提下提升速度的方法，可能会让这类系统更实用。入选 ICML 杰出论文也说明这项工作对关注推理优化的机器学习研究者具有更广泛的意义。 这篇报道将该进展定义为扩散模型的推理优化，这与训练阶段的改进不同。现有信息没有给出具体算法、基准或加速倍数，因此目前能确认的重点是其推理效率提升和获得了 ICML 认可。

rss · QbitAI · 7月6日 10:33

背景: 扩散模型通常通过多次迭代把随机噪声逐步变成图像或其他样本，因此在推理时往往比一次性生成模型更慢。正因为如此，扩散模型推理优化研究的目标，是在尽量保持输出质量的同时降低延迟和计算成本。ICML 是重要的机器学习会议，杰出论文奖通常用于表彰被认为特别新颖或有影响力的工作。

标签: #diffusion models, #AI research, #ICML, #inference optimization, #machine learning

新能源主导新增用电 ⭐️ 8.0/10

2025 年，新能源几乎包揽了中国新增用电，占比达到 96%，文章称风电和光伏装机合计达到 18.4 亿千瓦，历史性超过火电。文章同时梳理了“十五五”能源转型的重点，核心是提升新能源消纳能力和电网灵活性。 这表明中国电力系统正进入新阶段，单纯增加发电能力已经不够，电网、调度和市场机制都必须承接更高比例的波动性新能源。這一转向会影响电网企业、发电企业、新能源开发商以及大型用电企业，因为政策和投资重点正在转向支撑高比例新能源接入的基础设施。 文章指出，虚拟电厂正成为关键工具，因为它可以聚合分散的可调资源参与电网调度，2025 年最大调节能力达到 1685 万千瓦，规划到 2030 年提升至 5000 万千瓦。文章还提到，配电网升级改造和相关电网建设投资规模或超过 5 万亿元，同时绿电交易和绿证市场也在加速扩容。

rss · BestBlogs.dev · 7月6日 15:57

背景: 在电力系统中，“消纳”指的是电网能否把风电、光伏等新能源发出来的电真正用起来，而不是因为波动过大被迫弃电。由于这类电源受天气和时间影响明显，更高比例的新能源接入通常需要更强的输电能力、更智能的配电网、储能以及更灵活的负荷。虚拟电厂并不是实体电站，而是一种通过控制和聚合分散资源，使其像可调度电源一样参与电网运行的系统。配电网升级之所以重要，是因为它连接分布式电源、充电设施和新增负荷，是新能源落地的关键环节。

标签: #新能源, #能源转型, #电力系统, #虚拟电厂, #配电网改造

Cloudflare 为 Worker 入口前增加 Workers Cache ⭐️ 7.0/10

Cloudflare 推出了 Workers Cache，这是一个位于 Worker 入口前方的区域分层缓存。它通过标准 HTTP 头进行配置，并旨在在 Cloudflare 网络中实现更强的组合能力。 这可以通过在更靠近用户的位置直接命中缓存，降低基于 Cloudflare Workers 的应用延迟和计算负载。对于需要性能提升、又不想大幅改动应用逻辑的边缘工作负载来说，这一功能尤其重要。 该缓存默认采用区域分层架构：下层缓存位于最接近用户的 Cloudflare 数据中心，上层缓存则在整个网络范围内汇总回源填充。Cloudflare 的分层缓存文档也说明了类似机制，即先检查区域枢纽，再回退到更广范围的上层缓存。

rss · Cloudflare Blog · 7月6日 13:00

背景: Cloudflare Workers 是一种无服务器边缘计算平台，可在接近终端用户的位置运行代码。在 Worker 前面增加缓存，可以避免同样的逻辑被重复执行，并减少访问更慢后端的次数。分层缓存是一种多级缓存拓扑，先由附近的区域缓存响应请求，再逐级向更远的网络层级回源。

标签: #Cloudflare Workers, #edge computing, #caching, #web performance, #infrastructure

Fable 编写出快速 GPU 巨型内核 ⭐️ 7.0/10

Import AI 464 说，Fable 写出了“第一个真正的（也是最快的）巨型内核”，把它当作一个值得注意的 GPU 内核里程碑。该期还把这一结果与更广泛的 AI 研发自动化以及模拟计算相关想法联系起来。 如果 AI 系统能够稳定产出高性能 GPU 内核，这就意味着 AI 可能越来越多地自动化底层系统工作，而不仅仅是生成文本或代码片段。对于 AI 研究团队、编译器和基础设施工程师，以及任何希望加速模型执行或 AI 驱动实验循环的人来说，这都很重要。 搜索结果把巨型内核描述为一个单独的 GPU 内核，它覆盖整个模型前向传播，或者把多个功能融合到一起，而不是启动许多更小的内核。该通讯预告没有给出基准数字、实现细节或独立验证，因此这项说法更适合被看作早期信号，而不是一份完整的技术报告。

rss · Import AI · 7月6日 12:31

背景: GPU 内核是启动到 GPU 上执行的工作单元，而性能往往取决于能否把更多计算融合到更少的启动次数中。巨型内核把这一思路进一步推进，把大量工作负载打包进一个内核里，从而减少开销并提升推理流程的效率。该通讯还提到 RSI 循环，指的是递归自我改进，也就是让 AI 系统帮助改进 AI 开发过程本身。模拟计算则是另一种计算方式，它利用电路的物理特性而不是纯数字开关，通常被认为可能适合高效的机器学习负载。

标签: #AI automation, #GPU kernels, #AI research, #systems, #analog computing

腾讯混元 3 正式版提升编程与 Agent 能力 ⭐️ 7.0/10

腾讯混元 3（Hy3）已经从预览版进入正式版，这篇测评认为它在编程和 Agent 任务上的表现有了明显提升。文章提到它在 3D 网页生成、游戏复刻、SVG 动图和办公流程等任务中都有进步，并认为整体能力已经接近旗舰模型水平。 如果这份测评具有代表性，Hy3 就会成为开发者和企业用户在代码辅助、多步任务执行方面更有竞争力的选择。它也说明腾讯正在把混元推进到当前 AI 竞争中最有价值的方向之一：更实用的 Agent 式工作流，而不只是聊天能力。 文章称 Hy3 能够定位 Bug 并优化代码，在测试的办公流程中任务成功率从 72% 提升到 90%。此外，它的定价为输入每百万 tokens 1 元、输出每百万 tokens 4 元，输入缓存价格为每百万 tokens 0.25 元。

rss · BestBlogs.dev · 7月6日 18:25

背景: Hy3 是腾讯混元的模型，文章通过对比预览版和正式版来判断它的进步。这里的 Agent 指的是能够借助工具和工作流完成多步任务的模型，而不只是回答问题。文章还提到 SWE-bench 和 HLE 这类基准，用来比较不同模型的编程和任务解决能力。

标签: #大模型, #腾讯混元, #Agent, #编程能力, #模型评测