天眼日报

🤖 AI 大模型

Cursor Composer 2 被确认基于 Kimi K2.5，并因未充分披露基座模型引发争议

围绕 Cursor 新版 Composer 2 的多条信息可合并为同一事件：Cursor 发布 Composer 2 后，外界通过模型路径、API 返回及多方确认发现，其底层基于 Moonshot AI 的 Kimi K2.5（含 RL 强化版本）继续训练而来。Moonshot 官方确认，Cursor 通过 Fireworks AI 获得商业授权，并在此基础上进行了持续预训练与约 4 倍算力的强化学习优化；Cursor 联合创始人也承认，官方博客未明确写出基座模型属于披露失误，后续会改正。争议焦点主要在于产品宣传中强调性能与价格，却未及时说明底模来源，以及是否充分满足相关许可与署名预期。

Claude Code 2.1.81 更新：新增 --bare 模式，并优化无记忆请求处理

Claude Code 2.1.81 发布，重点加入 --bare 标志，可跳过 hooks、LSP 和插件同步，适合更轻量、可控的运行场景。与此同时，Read 工具在处理大文件时改为优先定向读取，提高效率；记忆策略也得到修正，当用户明确要求忽略记忆时，系统将完全不引用相关记忆内容。整体更新偏向开发体验与行为一致性优化。

智谱回应开源计划：确认 GLM-5.1 将开放源代码

智谱全球负责人就外界对模型开放策略的担忧作出回应，明确表示 GLM-5.1 将会开源。该表态之所以受到关注，是因为此前 GLM-5-Turbo 采取闭源方式，曾引发社区对后续主力模型路线的疑虑。此次承诺意味着智谱在新一代模型上重新强调开源立场，也可能影响开发者生态与国产模型竞争格局。

xAI 派工程师驻场客户办公室，拿下原属 ChatGPT 的数百万美元合同

xAI 被曝派遣工程师进驻支付公司 Shift4 Payments 办公室，直接协助其推进客户服务自动化，并以此拿下价值数百万美元的合同，替代原有的 OpenAI ChatGPT 方案。Shift4 CEO Taylor Lauber 表示，公司计划逐步淘汰 ChatGPT，但仍会保留 Anthropic Claude 用于编程工作。这一案例显示，企业级 AI 竞争已从模型能力比拼延伸到深度驻场服务和定制化交付。

NVIDIA 发布开源模型 Nemotron-Cascade 2，上线 Hugging Face

NVIDIA 发布 Nemotron-Cascade 2 并提供 Hugging Face 下载，相关信息显示其为 30B 级 MoE 模型，活跃参数约 3B，主打 Cascade RL 与多领域蒸馏能力。报道称，该模型在 IMO 2025、IOI 2025、ICPC 2025 等评测中达到金牌级表现，并超越 Qwen3.5-35B-A3B。除模型外，NVIDIA 还同步开放代码、数据与论文链接，强化其在开源高性能模型领域的布局。

百度发布 SAMA 开源视频编辑模型

百度在 Hugging Face 发布开源视频编辑模型 SAMA。该模型将指令驱动的视频编辑拆分为“语义锚定”和“运动对齐”两个关键环节，以提升编辑可控性与生成质量。相关介绍称，SAMA 在开源方案中达到 SOTA 水平，并被认为可与 Kling-Omni 等商用级视频编辑能力竞争，体现出百度在多模态生成与视频编辑方向的持续投入。

Hugging Face 发布 AgentUI，多代理聊天与协作界面上线

Hugging Face 推出 AgentUI，用于支持多代理协作式聊天交互。该界面允许不同代理围绕报告、图表等任务进行协同，兼容开源与闭源模型，并覆盖代码生成、网络搜索和多模态处理等场景。AgentUI 的意义在于将“单模型对话”进一步拓展为“多代理工作流”，降低开发者搭建复杂智能体系统的门槛。

Mistral 发布 Small 4：119B MoE 模型，支持图像输入与 256K 上下文

Mistral AI 发布 Mistral Small 4，这是一款 119B 参数的混合专家模型，活跃参数约 6.5B，支持图像输入和 256K 上下文窗口。根据披露，其推理模式在 Artificial Analysis Intelligence Index 中得分 27，非推理模式得分 19，定价为每百万 token 输入 0.15 美元、输出 0.6 美元。该模型延续了 Mistral 在高效率大模型上的路线，兼顾多模态与长上下文能力。

ClawRouter 宣称可将 AI 推理成本降低 78%

ClawRouter 介绍了一种面向 AI 推理请求的智能路由方案，称可通过 14 个维度对请求进行评估，并在 1 毫秒内完成打分与路由优化，从而显著降低模型调用成本。相关说法指出，该系统可将中小企业的 AI 推理支出压缩 78%，核心价值在于按请求特征动态匹配最合适的模型或算力资源，以推动 AI 服务进一步平民化。

---