llama.cpp社区提交Kimi-K3支持
llama.cpp已有PR拟加入Kimi-K3文本模型支持，若合并将提升其在本地推理生态中的可用性。https://www.reddit.com/r/LocalLLaMA/comments/1vp6haw/model_add_kimik3_text_model_by_pwilkin_pull/[6]
大黑AI速报
本期重点集中在企业AI投入分化、浏览器智能体落地与【本地模型生态扩展】。社区还出现了面向游戏推荐、模型越狱评测和AI数据劳务治理的实用案例。
模型动态
产品工具
Browser Use展示浏览器智能体真实应用场景
Browser Use展示可操作任意网站的浏览器智能体用例，体现其在真实业务流程中的落地方向。https://x.com/browser_use/status/2088680611561263539[3]
GameCombiner用向量中点探索相似游戏
GameCombiner基于14.6万款游戏向量表示，通过向量中点推荐风格相近的真实游戏，避免成为聊天机器人套壳。https://www.reddit.com/r/artificial/comments/1vpccuk/i_built_a_small_game_discovery_toy_not_a_chatbot/[5]
社区搭建公开大模型越狱竞技场
新竞技场对比同一模型在无防护与指令控制层保护下的越狱表现，可用于研究提示注入和安全防护。https://www.reddit.com/r/LocalLLaMA/comments/1vp5wj2/public_arena_where_you_can_try_to_jailbreak_a/[7]
硬件动态
社区比较RTX Pro 4500与四张A100的本地部署方案
用户围绕【成本、显存、互联与部署复杂度】比较RTX Pro 4500和A100方案，为本地AI服务器采购提供参考。https://www.reddit.com/r/LocalLLaMA/comments/1vpax07/rtx_pro_4500_vs_a100_x4_purchase_being_made_today/[8]
行业资讯
企业AI投入差距扩大至600倍以上
a16z数据显示，AI支出最高的1%企业投入超过中位数企业【600倍】以上，凸显企业采用与预算的严重分化。 [1]
Harrison Chase分享可靠智能体构建方法论
Harrison Chase认为智能体由【模型、工具编排、上下文】共同构成，并强调harness、评测与模型权重控制。[2]
Mercor被曝启动超2.6万人数据标注项目
Mercor据称雇佣超过2.6万人参与大型数据标注项目，但工作内容与条件透明度不足，引发训练数据劳务治理讨论。[4]