跳到主要内容

AI Daily Digest: IBM Granite 4.1 开源发布，AI 评估成本成新瓶颈，Kimi K2.6 登陆全球平台 - 2026/04/29

· 阅读需 6 分钟
Yi Wang
Yi Wang
Full Stack & AI Engineer

今日 AI 行业迎来多个重要进展。IBM 发布 Granite 4.1 开源 LLM 系列，用 5 阶段渐进式训练让 8B dense 模型匹配上一代 32B MoE 的性能。Hugging Face EvalEval 联盟发布深度报告，揭示 AI 评估成本已与训练成本相当，成为行业新瓶颈。Moonshot AI 的 Kimi K2.6 正式登陆 Cloudflare Workers AI 和 Microsoft Foundry，开源编码模型竞争白热化。

IBM Granite 4.1：渐进式训练让小模型击败大模型​

IBM 于 4 月 29 日发布 Granite 4.1 系列开源 LLM（Apache 2.0 许可），包含 3B、8B 和 30B 三个 dense 模型，基于 ~15T tokens 的 5 阶段渐进式预训练 流程。

核心亮点​

  • 8B dense 匹配 32B MoE：8B instruct 模型在多项基准上匹配甚至超越上一代 Granite 4.0-H-Small（32B-A9B MoE），证明精心设计的训练流程可以弥补参数规模差距
  • 5 阶段渐进式预训练：
    1. 通用预训练（10T tokens）—— 59% CommonCrawl + 20% Code + 7% Math
    2. Math/Code 强化（2T tokens）—— Math 占比提升 5 倍
    3. 高质量退火（2T tokens）—— 引入 Long CoT 和指令数据
    4. 退火精炼（0.5T tokens）—— 线性 LR 衰减至零
    5. 长上下文扩展（4K → 32K → 128K → 512K）—— 每阶段使用模型合并保持短上下文性能
  • 4 阶段 RL 训练：Multi-Domain RL → RLHF → Identity/Knowledge Calibration → Math RL，使用 On-policy GRPO + DAPO loss
  • SFT 质量控制：LLM-as-Judge 框架，6 维加权评估 + 硬拒绝规则

技术架构​

采用 GQA + RoPE + SwiGLU + RMSNorm + shared embeddings 的现代 dense transformer 设计。RL 训练使用 SkyRL 框架，每个 prompt 采样 16 次进行 on-policy 学习。

行业意义：Granite 4.1 的"数据质量优于数量"理念与当前行业"认知密度优于参数规模"的趋势高度吻合。Apache 2.0 许可使其成为企业级自托管场景的优质选择，特别是在金融、医疗等对数据隐私要求严格的领域。

🔗 来源：Hugging Face Blog | GitHub | Hugging Face Models

AI 评估成本：正在成为新的计算瓶颈​

Hugging Face 的 EvalEval 联盟发布了一份详尽的报告，揭示了一个令人不安的趋势：AI 评估成本正在追赶甚至超过训练成本。

关键数据​

评估项目成本备注
HAL（Agent Leaderboard）~$40,00021,730 个 Agent rollout
GAIA 单次前沿模型运行$2,829缓存前
MLE-Bench 完整运行~$100,00075 竞赛 × 3 seeds × 6 模型
PaperBench 单次评估~$9,50020 篇 ICML 论文复现

核心发现​

  1. 更高花费 ≠ 更好结果：在 Online Mind2Web 基准上，花费 1,577的方案仅获401,577 的方案仅获 40% 准确率，而花费 171 的方案获 42%
  2. Agent 基准压缩困难：静态基准可压缩 100-200×（如 Flash-HELM），但 Agent 基准仅能压缩 2-3.5×，因为长轨迹是不可压缩的成本对象
  3. 评估成为乘数：对于小模型，评估计算可能在模型整个开发周期中占据主导地位
  4. 价格差距悬殊：Claude Opus 4.1 输入 15/MtokensvsGemini2.0Flash15/M tokens vs Gemini 2.0 Flash 0.10/M tokens，100 倍差距

行业影响​

评估成本高企将评估能力集中在少数资金充足的实验室，形成"评估垄断"。开源社区和中小型实验室难以负担全面的模型评估，这可能导致：

  • 模型质量评估不充分
  • 开源模型在排行榜上被低估
  • 行业创新被资金壁垒限制

报告建议行业需要类似 NAS-Bench-101 的"评估评估"基础设施，通过标准化和共享来降低评估门槛。

🔗 来源：Hugging Face Blog - EvalEval

Kimi K2.6：开源编码模型登陆全球平台​

Moonshot AI 的 Kimi K2.6 在 4 月 19 日发布后，本周迅速扩展全球部署渠道：

  • Cloudflare Workers AI：K2.6 已上线 Cloudflare 的边缘推理平台，支持全球低延迟访问
  • Microsoft Foundry：纳入 Microsoft 的 AI 模型市场，面向企业级用户
  • Moonshot 开放平台：提供 API 接入，附赠两周充值优惠

模型规格​

  • 架构：~1T 参数 MoE，32B 活跃参数
  • 上下文：262K tokens
  • 能力：原生多模态（视觉+文本），开源 SOTA 编码能力，Agent 优化
  • 开源：模型权重已开放

Kimi K2.6 的快速平台化部署体现了中国 AI 模型"走出去"的趋势——不再仅限于本土市场，而是积极接入全球主流 AI 基础设施。

🔗 来源：Cloudflare Changelog | Microsoft Foundry | Moonshot Forum

DeepSeek V4 生态持续扩展​

自 4 月 24 日发布以来，DeepSeek V4 的生态支持快速扩展：

  • DeepInfra：V4-Pro-Max 已上线，定价 174/Mtokens；V3.2仅174/M tokens；V3.2 仅 26/M tokens
  • Fireworks AI：已支持 V4 系列
  • Novita AI：提供 V4 推理服务
  • 华为 Ascend 芯片兼容：华为已确认 V4 模型可在 Ascend 芯片上运行

V4 的 Hybrid Attention 架构（CSA + HCA）使 KV cache 降至传统 GQA 的 2%，让 1M token 上下文在经济上可行。API 同时支持 OpenAI ChatCompletions 和 Anthropic 两种格式。

⚠️ 注意：DeepSeek 宣布 deepseek-chat 和 deepseek-reasoner 将于 2026 年 7 月 24 日正式下线，届时将自动路由到 V4-Flash。

🔗 来源：DeepSeek API Docs | AP News

Kubernetes v1.36 "Haru" 发布​

Kubernetes v1.36 于 4 月 28 日发布，代号 "Haru"（春），包含 70 项增强：

  • GA：细粒度 Kubelet API 授权、Linux User Namespaces
  • Beta：Resource Health Status（硬件健康状态报告）
  • Alpha：Workload Aware Scheduling（工作负载感知调度）

User Namespaces 的 GA 化是一个重要里程碑，它为容器提供了用户身份隔离，显著提升了多租户 Kubernetes 集群的安全性。

🔗 来源：Kubernetes Blog

DeepInfra 登陆 Hugging Face Inference Providers​

Hugging Face 宣布 DeepInfra 成为其新的推理提供商，用户可以直接在 Hugging Face 平台上通过 DeepInfra 运行模型。DeepInfra 支持 56 个模型，价格从 $0.01/M tokens 起步，包括 DeepSeek V4-Pro-Max、Qwen3.6-27B 等热门开源模型。这进一步降低了开源模型的使用门槛。

🔗 来源：Hugging Face Blog

知识库更新​

今日更新了以下知识库文档：

  • LLM 基础 — 模型概览（docs/ai/llm-fundamentals/01-introduction.mdx）：新增 Kimi K2.6、Granite 4.1 到开源模型表，新增企业自托管推荐选项
  • AI Agent 前沿趋势（docs/ai/agents/10-frontier.mdx）：新增 IBM Granite 4.1 发布详情、AI 评估成本瓶颈分析、Kimi K2.6 模型信息、Granite 4.1 到模型发布格局列表