兩家新模型同期偏離「標準注意力」——架構層的先行訊號。

本篇出自 2026年7月17日 晨報

Thinking Machines 的 Inkling 被多位從業者從官方模型卡讀出一組罕見選擇,最受注目的是放棄 RoPE——現今幾乎所有大模型共用的位置編碼標準,模型靠它知道哪個字在前哪個字在後——改用相對位置偏置(AINews,07-15);同期的 Kimi K3 用自研的 KDA 注意力——注意力機制決定模型判斷哪些字該互相參考,KDA 是 Kimi Delta Attention 的縮寫——官稱超長輸入的解碼最高快 6.3 倍。兩家同時敢在大規模訓練上偏離標準做法,是 2026 下半年「架構多元化」的訊號。邊界:Inkling 的所有細節都出自同一份模型卡的社群解讀,算單一原始來源;它「未經蒸餾」的宣稱——蒸餾指用大模型的輸出來訓練較小模型——在同一個討論串裡就被自我修正,別當定論。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…