半沐

Sobre como o Qwen 3.8 implementa uma “evolução em base diária”; com base nas informações públicas atuais, seus mecanismos principais se refletem em três aspectos: atualizações automatizadas de alta frequência, ativação dinâmica na base da arquitetura e validação noturna das habilidades de agentes (Agent). Os detalhes são os seguintes:

1. Pesos e atualizações de links automatizadas em alta frequência
O Qwen 3.8 rompe com o modelo tradicional de um único grande lançamento, introduzindo um mecanismo de iteração automatizada em alta frequência. A equipe revelou que, todas as madrugadas, o modelo atualiza automaticamente os pesos; a cada 48 horas, é atualizado o encadeamento de otimização de inferência; e semanalmente são enviados recursos totalmente novos de alinhamento multimodal. Isso faz com que a evolução do modelo se torne uma espécie de “transmissão ao vivo” contínua.

2. Roteamento dinâmico de especialistas e arquitetura híbrida com cache de memória em camadas
Na arquitetura de base, o Qwen 3.8 abandona os truques tradicionais de ativação esparsa e adota uma arquitetura híbrida de “roteamento dinâmico de especialistas + cache de memória em camadas”. Esse design permite que os 2,4T parâmetros operem de forma dinâmica. Em tempo de execução, o modelo “não é um monstro acumulado à força, mas sim um agente inteligente que respira, reflete e sabe escolher”. Essa otimização na camada de arquitetura fornece a base técnica para iterações de alta frequência.

3. Mecanismo de “evolução e validação noturna” das habilidades do agente (Agent)
No nível de execução de tarefas específicas do Agent, a série Qwen (como o Qwen 3-Max) aplica um “processo coletivo de evolução de habilidades”. Esse mecanismo transforma as conversas reais de interação do usuário em evidências estruturadas; o Evolver analisa padrões e gera atualizações candidatas. Essas habilidades candidatas não entram diretamente em produção; elas passam pela “fase de validação noturna”: executam-se simultaneamente as habilidades antigas e as novas candidatas em ambientes reais. Só quando a nova habilidade for de fato superior à antiga, em termos de taxa geral de sucesso da tarefa e estabilidade de execução, é que ela é aceita e implantada. Isso garante que o conjunto de habilidades já implantado não se degrade com o tempo, permitindo melhorias contínuas e estáveis de desempenho.

4. Testes contínuos na versão de prévia e pós-treinamento
Atualmente, o modelo em prévia Qwen 3.8-Max que já foi colocado em produção está evoluindo continuamente em base diária. Há análises indicando que, com atualizações contínuas de pequenas versões desses parâmetros de base, o modelo pode estar realizando pós-treinamento intensivo, preparando o terreno para o lançamento da versão oficial 4.0.

A Alibaba também tem dado sorte recentemente. O Zhongxin teve um lucro líquido de 130 bilhões, e hoje o Kimi k3 entrou na lista. A Alibaba detém 36% das ações, e uma parte também envolve investimentos na forma de serviços de computação em nuvem.

Se o Kimi for listado no mercado de Hong Kong, os chips em circulação serão poucos; então a Alibaba, a Meituan, a Tencent e o Xiaohongshu já têm investimentos. A capitalização de mercado pode ultrapassar a Zhipu. Se isso acontecer, o dinheiro que a Alibaba ganhará será maior do que o que ganhou na Changxin. Só nesses dois, ela ganharia 20% da capitalização de mercado da Alibaba.

Source: @lianyanshe on X
#Crypto #Web3

Conquistas do fundador do Período Negro da Lua, Yang Zhilin

1. No âmbito acadêmico: estabelecer a base global para modelos de linguagem longos de grande escala (o ativo de maior valor de longo prazo)

1. Transformer-XL (2018, coautor)

- Inovação central: resolver o defeito fatal do Transformer original, que tem uma janela de contexto fixa e não consegue capturar dependências de texto de longo alcance; introduz um mecanismo de memória cíclica por fragmentos.

- Importância para a indústria: uma das principais fontes técnicas dos atuais modelos de grande contexto. As soluções de otimização de texto longo da Claude, Kimi e da série GPT muitas vezes baseiam-se nessa ideia. Sem esse trabalho, seria quase impossível falar em modelos de texto com centenas de milhares de Tokens; também é a base teórica do Kimi, que posteriormente se destacou com documentos extremamente longos.

2. XLNet (2019, primeiro autor, publicado em parceria com o Google Brain)

- Inovação central: resolver o viés de informação existente no pré-treinamento mascarado do BERT, adotando modelagem de linguagem por permutação; em 20 avaliações principais de NLP, superou o BERT em todas.

- Importância histórica: reconhecido pela comunidade como um dos avanços mais importantes em modelos de pré-treinamento após o BERT; selecionado para o NeurIPS Oral. Recebeu dezenas de milhares de citações, sendo um dos trabalhos de maior impacto de um pesquisador chinês no campo de NLP fundamental.

3. Outras contribuições acadêmicas

- Colaborou com o laureado do Prêmio Turing, Bengio, para construir o conjunto de dados HotpotQA para perguntas e respostas com raciocínio em múltiplas rodadas;

- Doutorou-se na CMU em apenas 4 anos (regime padrão de 6 anos), orientado por Salakhutdinov, ex-líder de IA da Apple; estagiou posteriormente na Google Brain e na Meta FAIR, participando de pesquisas iniciais do Gemini e do Bard;

- As citações totais em artigos de NLP de profissionais com menos de 35 anos de idade na China permanecem por longos períodos no topo do primeiro escalão.

Conquistas do fundador do Período Negro da Lua, Yang Zhilin

1. No âmbito acadêmico: estabelecer a base global para modelos de linguagem longos de grande escala (o ativo de maior valor de longo prazo)

1. Transformer-XL (2018, coautor)

- Inovação central: resolver o defeito fatal do Transformer original, que tem uma janela de contexto fixa e não consegue capturar dependências de texto de longo alcance; introduz um mecanismo de memória cíclica por fragmentos.

- Importância para a indústria: uma das principais fontes técnicas dos atuais modelos de grande contexto. As soluções de otimização de texto longo da Claude, Kimi e da série GPT muitas vezes baseiam-se nessa ideia. Sem esse trabalho, seria quase impossível falar em modelos de texto com centenas de milhares de Tokens; também é a base teórica do Kimi, que posteriormente se destacou com documentos extremamente longos.

2. XLNet (2019, primeiro autor, publicado em parceria com o Google Brain)

- Inovação central: resolver o viés de informação existente no pré-treinamento mascarado do BERT, adotando modelagem de linguagem por permutação; em 20 avaliações principais de NLP, superou o BERT em todas.

- Importância histórica: reconhecido pela comunidade como um dos avanços mais importantes em modelos de pré-treinamento após o BERT; selecionado para o NeurIPS Oral. Recebeu dezenas de milhares de citações, sendo um dos trabalhos de maior impacto de um pesquisador chinês no campo de NLP fundamental.

3. Outras contribuições acadêmicas

- Colaborou com o laureado do Prêmio Turing, Bengio, para construir o conjunto de dados HotpotQA para perguntas e respostas com raciocínio em múltiplas rodadas;

- Doutorou-se na CMU em apenas 4 anos (regime padrão de 6 anos), orientado por Salakhutdinov, ex-líder de IA da Apple; estagiou posteriormente na Google Brain e na Meta FAIR, participando de pesquisas iniciais do Gemini e do Bard;

- As citações totais em artigos de NLP de profissionais com menos de 35 anos de idade na China permanecem por longos períodos no topo do primeiro escalão.

#kimi k3#
O cofundador do "Lado Escuro da Lua" vai abrir o código do Kimi K3. Uau, o maior modelo de linguagem do mundo vai ser open source. Isso não vai acabar com a OpenAI, o Claude Code e esses fechados? $BABA

#kimi k3#
O cofundador do "Lado Escuro da Lua" vai abrir o código do Kimi K3. Uau, o maior modelo de linguagem do mundo vai ser open source. Isso não vai acabar com a OpenAI, o Claude Code e esses fechados? $BABA