微光实验室 · 博客归档
博客 第3页
记录技术探索与工程思考，共 731 篇文章。
Video VAE 不是末端编解码器：它如何定义视频模型的系统边界
发布边界：不同模型家族的时间压缩、空间压缩、潜通道和缓存语义必须分别核对；本文不声称已完成作者自有重建或显存实验。 摘要 Video VAE 在主模型之前就决定时空网格、信息损失和 token 数量，在主模型之后又决定解码峰值...
VLA 已经能输出动作，为什么机器人仍需要多时间尺度闭环
发布边界：控制频率、接口字段和云边分工均为工程量级与示例；须按具体机器人、传感器、网络和风险等级实测校准。 摘要 VLA 能共享视觉、语言与动作表示，却不能取消传感器时钟、动力学、关节限位、网络故障和事故责任。
从世界状态到可执行控制：Cosmos 3 Edge 与机器人控制器之间应建立什么合同
发布边界：本文依据公开技术资料提出接口与安全架构；4B、15 Hz 和公开性能数据只在原始测试条件内成立，不推广为任意硬件或机器人上的实测承诺。
Inkling 975B 可部署性阶梯：开放权重之后，真正的门槛才开始
发布边界：运行时版本、托管模态与硬件路径需发布前复核；作者容量计算只作理论估算，不得改写为官方验证配置或部署建议。 摘要 Inkling 的 Apache 2.0 权重可以下载，但可获得并不等于可适配、可装载、可运行、可验证多模态...
1M Context 也会失忆：Coding Agent 为什么需要 Context Ledger
发布边界：价格、会员层级、模型 ID、默认 effort、缓存与 compact 行为需在发布前复核；本文不声称已完成本地吞吐或成本实测。 摘要 1M Context 解决容量上限，却不能自动保证约束没有在 compact 中丢失...
权重已到、Recipe 还在变：Kimi K3 发布后该怎样做工程验收
摘要： Kimi K3 的完整权重已经出现在官方仓库，但“权重可获得”不等于 “生产可运营”。本文把一次开放权重发布拆成七道可审计门，并给出可直接落库的 Release Acceptance Ledger，用来约束 Revision...
高能力模型评估为什么需要一份可验证的 Containment Contract
发布边界：本文讨论公开事件与工程控制框架，不声称掌握未公开事故细节，也不把架构建议冒充已经完成的生产验证。 摘要 “禁公网”不等于“没有公网能力”。代理、DNS、身份服务、缓存、共享文件系统和短期凭证都可能形成传递可达路径。
生产模型路由不是一次难度分类：从硬约束可行域到状态检查点升级
发布边界：产品能力和公开案例绑定来源；通用控制面、检查点与副作用账本属于工程设计，不宣称为供应商内部实现。 生产模型路由不能被简化为一次 Prompt 难度分类。
Ask/Allow 不是安全边界：企业 Coding Agent 必须建立四层治理
发布边界：四层模型是工程控制框架；具体产品的权限、隔离和合规能力必须逐项核验。 交互式 Ask/Allow 只能表达一次人机确认，不能承担企业安全边界。
同一套 ComfyUI 工作流，第二次为什么快一倍？
发布边界：标题中的快一倍是待解释现象，不是作者实测承诺；任何性能结果都必须绑定工作流、硬件、版本和运行条件。 摘要 同一套 ComfyUI 工作流第二次运行明显更快，可能来自模型常驻、编译预热、节点缓存或实际执行子图变化...
低延迟不是更快地猜：EOU、Barge-in 与 Turn Protocol 为什么必须统一
发布边界：协议、状态机和预算属于工程设计；供应商事件名只在对应产品边界内成立，不冒充作者已完成的线上实测。 摘要 语音 Agent 的低延迟不只是缩短静音阈值。EOU 决定何时允许一轮产生后果，Barge-in 决定旧一代工作何时失去提交资...
Token 单价更低，Agent 任务为什么反而更贵
摘要：IBM 的一次 AppWorld 实验中，纸面 Token 单价更低的模型反而产生 更高任务总成本。多步 Agent 的正确计量单位不是一次调用，而是包含缓存、 工具、重试、升级、失败和人工处理的完整任务轨迹。
1.2GB 离线语音 Agent 真正值得复用的，不是 908ms
摘要：一台 Galaxy S23 Ultra 上的离线语音 Agent 曾测得 908ms 首音频和 1,116MB PSS。但真正值得复用的不是这两个数字，而是四阶段职责、状态感知 Tool Schema...
Pi 真的打赢 Claude Code 和 Codex 了吗？Databricks Harness 基准的正确读法
Databricks 在内部真实代码任务上比较了多种模型与 Coding Agent Harness。 最容易传播的说法是“Pi 打赢 Claude Code 和 Codex”，但公开证据支持的是一个 更窄、也更有工程价值的结论
Shippy 的启示：可靠 Agent 不是“更听话”，而是更少犯错空间
摘要：高风险 Agent 的可靠性不能只押注于模型更强。Shippy 的工程价值 在于用版本化行为工件、确定性 CLI、会话隔离和整套 Agent Eval，持续缩小 动作空间、状态空间与错误后果。
Claude Code 权限分析器为什么必须 Fail Closed
推荐标题：Claude Code 权限分析器为什么必须 Fail Closed 备选标题1：别只看表面：Claude Code 权限分析器为什么必须 Fail Closed真正要验收什么 备选标题2：
Kimi K3 2.8T：超稀疏 MoE、百万上下文与真实部署边界
研究快照：2026-07-21。完整权重、许可证、模型配置和技术报告在该日期尚未公开。本文讨论的是已经确认的架构与部署边界，不是完整本地部署实测。 摘要 Kimi K3 最容易被误读的数字是 2.8T。
Search Console 开始追踪社交和视频内容
发布边界：该功能仍在逐步开放，只覆盖 Instagram、TikTok、X、YouTube 在 Google Search/Discover 的表现，不代表平台内部曝光；API 支持未确认。 入库说明：
vLLM 0.25.1：推理引擎升级的正确性门禁
推荐标题：vLLM 0.25.1：推理引擎升级的正确性门禁 备选标题1：别只看表面：vLLM 0.25.1真正要验收什么 备选标题2：一张工程图拆解 vLLM 0.25.1 备选标题3：vLLM 0.25.1为什么经常被理解错
恶意 Dataset 不是文件风险，而是一条执行链
推荐标题：恶意 Dataset 不是文件风险，而是一条执行链 备选标题1：如果 Dataset Loader 能执行代码，隔离该怎么做 备选标题2：只做文件扫描，为什么拦不住 Dataset 攻击 备选标题3：