这里是由Robin为你带来的咸话咸说之每日AI乱炖。
今天从一款名字里带着「Small」的模型聊起，再看看混合专家怎么训练、大模型怎么搬进Windows电脑，以及编程助手发出网络请求时，可能把什么一起带了出去。最后，把视线转向AI参与物理学证明的尝试。
Inkling 2 Small：「小」模型装着5940亿参数
Inkling宣布推出Inkling 2 Small。这款多模态混合专家模型，总参数达到5940亿，每次推理激活170亿参数，还能接收图像输入，并支持调整推理时投入的计算量。「Small」这个名字，得连着它的架构一起看：模型把输入交给部分选中的专家处理，每一步不必把全部参数都调动起来，从而比同等总容量的稠密模型减少计算开销。
和此前总参数2760亿、激活参数120亿的Inkling Small相比，这次更新扩大了模型容量，也支持看图和调整推理投入。公告称，新模型在Artificial Analysis Intelligence Index上取得31分，智能体编程、视觉、知识工作和推理方面都有提升；Inkling把这些变化归因于更高效的预训练，以及一次大规模、统一的强化学习训练。来源：Inkling 2 Small发布帖
对开发者来说，现在能上手的入口是Tinker：可以在Playground里使用，也能采样和微调。权重目前仍然封闭。Inkling计划下周以Apache 2.0许可证发布完整权重和可下载检查点，前提是完成外部安全测试与红队测试。服务已经开放，权重下载则仍是带条件的发布计划。
专家怎么分工？一份MoE手册把镜头转向训练现场
看到「每次只激活部分参数」，接下来的问题就是：由谁来选专家，怎样避免任务分配失衡？Hugging Face作者Nouamane发布的Megatron-LM实战手册，正面向从稠密模型训练转向混合专家模型的开发者，把路由、负载均衡和专家布局放进可操作的工程流程。
手册从测试硬件、创建镜像、建立稠密模型基线开始，再带读者运行第一个单节点MoE。这个顺序让训练有了对照：先建立基线，再进入专家网络的分工。后面的章节还涉及分布式系统问题、模型服务和强化学习，不需要GPU也能学习。来源：Megatron-LM MoE训练手册发布帖
作者说，指导来自CSCS的Alps集群上约80万个GH200 GPU小时的MoE训练经验。这里的单位是累计GPU小时。配套内容包括55幅图、可运行脚本和汇总后的Megatron-LM推荐参数，手册也区分了作者实际运行的结果与小型模拟实验。对于要配置和排查MoE训练的工程师，这些脚本和参数，把模型发布中的架构名词接到了具体的训练步骤上。
单张RTX 3090跑DeepSeek，显存之外还有内存和硬盘
从训练集群回到桌面电脑，Delta Inference Engine发布了v0.93。这款采用MIT许可证、基于Strata的Xolotl引擎的Windows移植版，扩展了单张RTX 3090运行DeepSeek-V4.1-Flash-1017的支持，覆盖64 GB、96 GB和128 GB内存配置，并能原生读取新的Unsloth量化版本。
最抓眼球的数字来自作者自己的测试机：24 GB显存VRAM的RTX 3090，搭配i5-13600K、192 GB系统内存和PCIe 4.0 NVMe存储，没有使用WSL。在这套配置上，UD-IQ2_XXS达到每秒41个token；99道难题答对57道，对照的ds4 Q2答对52道，完整模型答对59道。面对约180个token的提示词，首个token等待时间从3.8秒降到了2.3秒。来源：Delta Inference Engine v0.93更新帖
这条本地部署路线的关键，是让显存、系统内存和NVMe流式加载一起承担模型，而不要求把整个模型塞进显存。它原生运行于Windows，兼容OpenAI接口，给Windows用户提供了本地运行这款模型的途径。相应的资源账也要算完整：运行要求包括至少64 GB内存、至少12 GB显存的NVIDIA RTX显卡、快速NVMe，以及233至395 GB模型存储空间。每秒41个token对应的是作者那台192 GB内存测试机，不能把它套到所有受支持配置上。AMD显卡目前不受支持，扩展到三四张或更多GPU时表现也较差。
Claude Code邮箱外传报告，把注意力拉到请求头
模型跑起来之后，工具怎样联网，同样影响使用体验。有用户报告，Claude Code把账号邮箱地址发送给了网站；部分评论者把随后增加的个性化垃圾邮件与此联系起来。其中一名评论者称，工具在私人账号下运行时，使用curl携带了组织邮箱地址。
问题报告#107757描述了一条可能的路径：Claude Code进行网页搜索时，把用户邮箱写进User-Agent请求头。这个字段用来标识发起请求的客户端软件；账号标识如果被放进去，接收请求的网站就能看到。对编程助手而言，这让身份信息是否随请求外传，成了一个具体到HTTP字段的工程问题。来源：Claude Code问题报告#107757
GitHub问题报告中的Contributor回复称，2.1.317及后续版本加入了名为cc-plugin-privacy的内置模块，通过确定性检查拦截这种行为。现有材料主要是用户叙述，缺少技术复现，也没有维护者确认问题的完整范围。因此，这里能说的是用户报告了邮箱外传，并讨论了相应防护；个性化垃圾邮件与该行为之间的联系，仍是评论者的判断。
AI参与物理学证明，落点是向前一步
最后看一条科研线索。一则YouTube内容的作者提到，OpenAI上周公布了新一批证明的研究进展，其中一项向一个长期存在的物理学问题迈进了一步：Yang-Mills理论是否存在。作者借此讨论AI从数学证明走向物理学的尝试。来源：YouTube相关内容
这条消息值得关注的落点，是AI参与证明工作的方向延伸到了物理学问题。具体到结果，材料只说「迈进了一步」，没有给出这项证明的技术展开；所提供的文本在开始解释Yang-Mills理论时便结束了。本期能讲到这里：作者报告了一项进展，不能把它写成这个长期问题已经得到解决。
把今天几条消息放在一起，模型的参数表、训练脚本、桌面电脑里的内存和硬盘，以及网络请求中的身份信息，都进入了同一幅使用图景。Inkling展示了模型容量与激活计算的安排，MoE手册展开了训练中的专家分工，Delta把部署落实到具体硬件，Claude Code的报告则提醒我们留意工具发出的请求。科研那一端，也要把「向前一步」说准确。今天这锅每日AI乱炖，就沿着这些具体细节，看看AI怎样被训练、运行和使用。
