jina-ocr-v1 开放权重，3.4B 总参、570M 激活

概览

本期共 9 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · jina-ocr-v1 开放权重，3.4B 总参每 token 激活 570M
2. 重点 · Claude Code 认 AGENTS.md，仓库没有 CLAUDE.md 时兜底
3. 重点 · Kimi K3 上架 Amazon Bedrock，2.8 万亿参数
4. Grok Voice Transcribe 2.0 发布，Loom 全量转写接它

全球 AI 资讯

5. Anthropic 请埃森哲进驻做嵌入式评估，双方各投至少 10 亿美元
6. ChatGPT 桌面端内置浏览器支持 Chrome 扩展
7. Meta 的 Muse 上 Mac，可直接动本机文件与邮件

区域与早期信号

8. 微软内部备忘录被引入《纽约时报》诉讼简报
9. 无问芯穹与华环电子签框架协议，做国产异构算力基建

九凤根据本期已引用来源整理。

热门模型动态

一句话结论：Jina AI 放出端到端文档解析模型，OmniDocBench v1.6 拿到 91.14，权重按 CC BY-NC 4.0 发布。

Jina AI（已并入 Elastic）发布 jina-ocr-v1，把 PDF、扫描件、表格、图表和发票一次转成 Markdown。模型在 DeepSeek-OCR 上做后训练，保留了后者的两个效率组件。具体规格：

• 参数：总参 3.4B，解码器每 token 约激活 570M；投机解码头直接打包在检查点里
• 视觉编码器：DeepEncoder 约 380M 参数，串起 SAM、16 倍卷积压缩器与 CLIP-L，把 1024×1024 的页面视图从 4096 个 patch 压到 256 个视觉 token
• 动态分辨率：在此之上最多再加 9 张局部图块，每块 100 token
• 部署：BF16 权重约 6.8 GB，可跑在 Transformers 或 vLLM 上，目标硬件是 NVIDIA L4 这类低预算 GPU

图片来源：huggingface；已转存至九凤 R2。

来源同时给出与其他解析模型的并排对比：

局限：权重采用 CC BY-NC 4.0，只覆盖研究与非商业用途，商用需要先联系 Jina AI。来源明说这个模型的准确率并不领先——OmniDocBench v1.6 上 PaddleOCR-VL-1.6 与 HunyuanOCR-1.5 都排在它前面，olmOCR-Bench 上 chandra-ocr-2 与 dots.mocr 也都比它高；它的卖点在小体积与低成本部署，不是榜单第一。

来源：MarkTechPost · 技术报告 · 开放权重 · OmniDocBench

一句话结论：2.1.277 版起，仓库里找不到 CLAUDE.md 时 Claude Code 会改读 AGENTS.md，同一个仓库跑多个编码智能体不用再维护两份规则。

Anthropic 于 9 月 18 日给 Claude Code 加上 AGENTS.md 支持，Claude Code 团队工程师 Thariq Shihipar（@trq212）随 2.1.277 版本宣布了这项改动，官方发布说明确认 AGENTS.md 会在项目没有 CLAUDE.md 时作为回退，用户可以在 /config 的「Project instructions」设置里改这个行为。AGENTS.md 以标准 Markdown 给出构建命令、测试要求、代码规范等常驻指令；此前在同一个仓库里用 Codex、Cursor 或 Gemini CLI 的团队，得另外维护一份 CLAUDE.md、用 import 或别的绕法，才能把同一套规则喂给 Claude Code。

局限：已有的 CLAUDE.md 仍然优先，AGENTS.md 只在缺省时生效。报道同时提到，这次实现预告了 Anthropic 尚未正式推出的 mod 机制。

来源：RuntimeWire · 发布说明 · Thariq Shihipar 的 X 帖

一句话结论：月之暗面的 Kimi K3 在 Amazon Bedrock 可用，是该平台上第一个支持显式 prompt 缓存的开放权重模型。

AWS 宣布 Kimi K3 登陆 Amazon Bedrock，定位是编码与知识类工作的开放权重选项：

• 参数：Moonshot AI 称 K3 是其最强模型，也是首个达到 2.8 万亿参数的开放模型
• 上下文与模态：原生视觉能力，100 万 token 上下文窗口
• 效率：相对 Kimi K2，扩展效率约提升 2.5 倍
• 平台能力：Bedrock 上第一个支持显式 prompt caching 的开放权重模型，跨调用复用上下文时可降低延迟与输入成本
• 上手：AWS 同时放出 Moonshot AI on AWS 示例仓库

局限：参数量与 2.5 倍效率提升都是 Moonshot AI 的口径，AWS 的博文没有给出独立评测。prompt 缓存需要显式开启，不是默认行为。

来源：AWS Machine Learning Blog · Moonshot 官方说明 · 示例仓库

一句话结论：SpaceXAI 把语音转写模型升到 2.0，价格维持不变，Atlassian 的 Loom 已用它转写所有视频。

SpaceXAI 于 9 月 18 日发布 Grok Voice Transcribe 2.0，官方称语音识别准确率提升 2 倍。据发布说明，模型 9 月 17 日先通过 API 上线，次日才公开发布；已有的语音转文字集成不改代码即可切到 2.0。定价保持原样：

局限：2 倍准确率是 SpaceXAI 自己的说法。来源里能对上的第三方依据只有 Artificial Analysis 的流式转写榜单——SpaceXAI 称在 32 个流式模型中准确率第一，而该榜单页面自述覆盖的是 33 个模型中的 27 个，按 WER 方法学排名；这个独立榜单最多支持「在这张榜上领先」，证实不了「比 1.0 准确两倍」。SpaceXAI 还计划在未来几周把 2.0 设为默认并弃用 1.0，开发者只能临时把模型 pin 在旧版本上。

来源：RuntimeWire · SpaceXAI 公告 · 发布说明

全球 AI 资讯

一句话结论：Anthropic 的第一家嵌入式评估方是埃森哲，由其今年 1 月收购的 Faculty 团队进场做红队与对齐评估。

Anthropic 于 9 月 18 日公告，与埃森哲合作开展前沿 AI 的独立评估，工作由埃森哲的专业 AI 业务 Faculty 牵头，内容包括评估与红队测试模型、做对齐评估、测试模型防护。双方各预计在未来五年为此投入至少 10 亿美元。Anthropic 把这件事定位为兑现其 CEO 文章《We Must Pace the Frontier》里的承诺：与今天的外部评估者不同，嵌入式评估者在 AI 公司内部工作，访问权限接近员工，能看到模型在训练中成形、跟进决定模型如何构建的决策。

局限：Anthropic 自己承认嵌入式评估是新事物，许多运作细节仍在敲定。TechCrunch 对承接方提出疑问，认为这将是这家技术咨询公司风险最高的一次咨询项目。

来源：Anthropic 公告 · TechCrunch

一句话结论：OpenAI 让用户在 ChatGPT 桌面应用的内置浏览器里装 Chrome 扩展，但称智能体接触不到扩展及其数据。

James Sun（@JamesZmSun）称，9 月 18 日 ChatGPT 桌面应用内置的浏览器开始支持 Chrome 扩展，用户可以直接安装并固定扩展，不用把工作挪到另一个浏览器窗口。他举的例子是 1Password —— 把密码管理放进同一个窗口，用户在这里可以让 ChatGPT 浏览网页、跨标签页干活、完成任务。

局限：扩展必须在 ChatGPT 的浏览器里单独装一遍。OpenAI 的内置浏览器文档说明，它维护自己的浏览器状态，不继承用户 Chrome 的配置、cookie、已登录会话或扩展；Sun 在 X 上的回帖补充说，在内置浏览器里产生的 cookie 会保留。OpenAI 称 ChatGPT 的智能体不能与扩展或其数据交互，报道认为这条智能体—扩展边界会决定这项便利能不能通过企业安全评审。

来源：RuntimeWire · OpenAI 内置浏览器文档

一句话结论：Muse 桌面版登陆 Mac，能在原生应用里操作文件、信息、日历、备忘录和邮件。

Meta 的 AI 助手应用 Muse 现已在 Mac 上可用。据 Alexandr Wang 9 月 17 日的 X 帖子，在 Mac 上 Muse 可以在文件、信息、日历、备忘录、邮件的原生应用内直接交互并代为执行操作。此前 Muse 在本月早些时候先上了移动端与网页版，当时迅速冲到美国 App Store 榜首。

局限：Muse 能碰哪些东西由用户按选择加入逐项授权；Meta 称在执行敏感操作前一定会先征求用户批准。报道没有给出 Mac 版的可用地区与系统要求。

来源：TechCrunch · Alexandr Wang 的 X 帖

区域与早期信号

一句话结论：《纽约时报》申请简易判决时提交的法律摘要，引用了微软和 OpenAI 的内部材料，其中一份备忘录把训练数据的取用称作「人类历史上规模最大的劳动成果盗窃」。

据 Tom's Hardware 9 月 18 日报道（IT之家中文转述），在《纽约时报》起诉微软与 OpenAI 的版权纠纷中，原告已向法院申请简易判决并同时递交法律摘要。摘要引用微软应用科学总监 Brent Hecht 2023 年 1 月的内部备忘录，其中写道「全球数百万人很快就会认为，大型模型『吞噬』他们所有的劳动成果是一种前所未有的惊人盗窃」；另一份微软文件称「几乎没有人希望自己创作的内容被以这种方式使用，他们也没有因此获得任何补偿」。摘要还援引微软自身数据：与 Bing 搜索相比，Copilot 让《纽约时报》的点击率最高下降 93%。OpenAI 的 ChatGPT 负责人 Nick Turley 在内部沟通中称 AI 聊天机器人对出版商构成「生存威胁」，因为它们「在很大程度上是替代性的」。

局限：这些引文出自原告选择性提交的法律摘要，报道中没有被告方的回应。简易判决只是一种裁决程序，法院可以批准、驳回或部分批准，获批也不代表所有关联争议均已结束。本条只有中文来源转述英文媒体报道，原始法庭文件未给出公开链接。

来源：IT之家

一句话结论：两家清华系公司签署战略合作框架协议，把异构算力调度与光传输网络拼成智算中心的端到端方案。

据量子位报道，9 月 17 日无问芯穹与华环电子签署战略合作框架协议：无问芯穹出异构算力管理与 AI 软件平台，华环电子出网络通信、硬件研发与工程实施运维，双方拟联合推进智算中心的方案设计、软硬件适配、集成交付与运行维护。报道给出的数字是：无问芯穹面向异构集群的大模型跨域训练系统已在全国部署触达超 37,000P 算力、覆盖 16 种主流芯片，其 Agentic MaaS 平台过去一年推动推理成本下降 10 倍；华环电子做光传输 30 余年，设备长期服务中国移动、中国电信、中国联通。

局限：这只是框架协议，公开信息里没有金额、时间表和首批落地项目。超 37,000P 算力、16 种芯片与成本下降 10 倍均为无问芯穹自述，报道没有第三方核验，「37,000P」也没有注明精度口径。本条只有中文来源。

来源：量子位