Notes from inside China's AI labs★ 75
Interconnects (Nathan L.)26d agoCommentary知名 AI 專家 Nathan Lambert 親自走訪中國多家領先的 AI 實驗室（如 DeepSeek、智譜 AI、零一萬物等），分享第一手觀察。他指出，面對美國嚴苛的晶片制裁，中國實驗室展現出驚人的系統級工程與架構優化能力，並以極低成本推動開源模型（如 Qwen 與 DeepSeek）的快速迭代。然而，嚴格的政府監管審查與對即時商業變現的焦慮，也形塑了與矽谷截然不同的 AI 發展生態。
Latest open artifacts (#19): Qwen 3.5, GLM 5, MiniMax 2.5 — Chinese labs' latest push of the frontier★ 82
Interconnects (Nathan L.)91d agoRelease本文為 Nathan Lambert 的《Latest open artifacts》第 19 期。隨著農曆馬年的到來，阿里 Qwen 3.5、智譜 GLM 5 以及 MiniMax 2.5 等模型相繼亮相。這些最新釋出的開放權重（open-weights）模型，展示了中國 AI 實驗室在開源與前沿領域的強勁實力，並進一步縮小了與美國頂尖模型之間的差距，為全球開發者提供更多元的高性能選擇。
How much does distillation really matter for Chinese LLMs?★ 75
Interconnects (Nathan L.)98d agoCommentary本文探討知識蒸餾（Distillation）在中國大語言模型（如 DeepSeek、Qwen）發展中扮演的角色。針對 Anthropic 近期將蒸餾視為「安全攻擊」的報告，作者指出，雖然蒸餾確實加速了模型對齊，但中國 LLM 的成功更多歸功於其強大的預訓練底座與強化學習（RL）創新。將蒸餾單純簡化為「抄襲」或「攻擊」，忽略了其作為標準機器學習技術的本質，也低估了中國團隊的工程實力。
The 4 Things Qwen-3’s Chat Template Teaches Us★ 75
Hugging Face Blog398d agoTutorialHugging Face 深度解析 Qwen-3 的對話模板（Chat Template），並歸納出四大核心啟示：首先是更精準的工具調用（Tool Calling）格式化；其次是針對推理模型設計的思考區塊（Thought）隔離；第三是系統提示詞與角色權重的動態管理；最後則是多模態與多輪對話的 Token 效率優化。這對微調與部署 Qwen-3 的開發者極具參考價值。
A Short Summary of Chinese AI Global Expansion★ 75
Hugging Face Blog607d agoCommentary隨著 Qwen、DeepSeek、Yi 等中國開源模型在 Hugging Face 排行榜上名列前茅，中國 AI 勢力正加速全球擴張。這些模型憑藉強大的多語言能力、數學與程式碼推理性能，以及極高的性價比，成為全球開發者在 Llama 之外的重要選擇。本文總結了中國 AI 透過開源生態系打破地理限制、走向國際的關鍵策略與面臨的挑戰。