Qwen3.6 开源 MoE 以 3B 激活参数达到 SWE-bench 73.4%，DeepSeek 首次寻求外部融资承认独力难支

本周核心事件

1. Qwen3.6-35B-A3B 开源 —— 3B 激活参数跑出 SWE-bench 73.4%，本地编码模型进入新时代

事件概要：4 月 16 日，阿里通义千问团队在 Qwen 官方博客 发布 Qwen3.6-35B-A3B，一个采用稀疏 MoE（混合专家）架构的多模态语言模型——35B 总参数、每 token 仅激活约 3B 参数，稀疏比高达 12:1。模型以 Apache 2.0 许可证完全开源。编码能力是最大亮点：SWE-bench Verified 73.4%（使用阿里内部 Agent 脚手架，较 Gemma 4-31B 的 52.0% 高出 21 个百分点）、Terminal-Bench 2.0 达 51.5%、MCPMark 工具使用评分 37.0%（Gemma 4-31B 仅 18.1%）。原生上下文窗口 262K tokens，通过 YaRN 缩放可扩展至超过 100 万 tokens。支持视觉输入，在 RefCOCO 空间理解任务上达到 92.0。社区响应极快——发布数小时内 Unsloth 出 GGUF 量化版，Ollama 同步支持，在 RTX 4090 上实测超过 120 tokens/s，Apple Silicon 设备约 35-50 tokens/s。

值得关注的原因：

• 3B 激活参数做到 SWE-bench 73.4% 是开源模型的里程碑。作为参考，Opus 4.7（闭源）为 87.6%，GPT-5.3 Codex（闭源）为 85.0%。一个可以在单张消费级显卡上本地运行的模型，达到闭源旗舰约 85% 的编码能力——这改变了”前沿编码能力只属于 API 的游戏”的叙事
• MoE 的稀疏比值得关注。12:1 的激活比在公开发布的模型中属于最激进的设计之一。它证明了一个假设：编码任务可能天然适合稀疏路由——不同编程语言和框架激活不同的专家子集，而不需要同时动用所有参数
• MCPMark 37.0% 暗示 Qwen 被专门训练了工具使用模式。在 Agent 编码场景中，模型调用外部工具（MCP 协议）的能力正在成为与纯代码生成同等重要的维度。Qwen 在这个指标上超过 Gemma 两倍以上，说明阿里在 Agent 训练数据上做了针对性投入
• “思维保持”（Thinking Preservation）是一个被低估的特性。标准推理模型在每轮对话后丢弃思维链，Qwen3.6 可以跨轮次保留推理上下文——这对多步骤编程 Agent 循环（分析仓库→编写测试→修复失败）至关重要。代价是更快消耗上下文窗口
• ⚠️ SWE-bench 成绩使用阿里内部脚手架测试，第三方用标准化框架复现时通常会有 3-8 个百分点的浮动，视觉任务对比数据也尚未经独立验证

2. DeepSeek 首次寻求外部融资 —— 100 亿美元估值背后是人才流失和 V4 延迟的双重压力

事件概要：4 月 18 日，The Information 率先报道，DeepSeek 正在洽谈 3 亿美元外部融资，估值至少 100 亿美元——这是这家以”对冲基金独资 AI 实验室”著称的公司首次接受外部投资。Unite.AI 综合多家媒体的报道进一步披露了融资背后的压力：核心人才正在被大厂高薪挖走——V2 模型核心开发者罗福利已于 2025 年 11 月加入小米 MiMo 团队，R1 模型主要作者郭大亚跳槽字节跳动 Seed 部门（传闻年薪达 1 亿元人民币），另有工程师王炳轩加入腾讯。更关键的是，V4 模型多次推迟——主要原因是适配华为昇腾 AI 芯片的技术难度：芯片间互联速度较慢、软件工具链不如 NVIDIA CUDA 生态成熟。华为已派遣工程师嵌入 DeepSeek 团队协助解决训练稳定性问题。此前 DeepSeek 由高飞资本管理（High-Flyer Capital Management）创始人梁文锋以近 100% 持股独资运营，多次拒绝中国头部 VC 和科技巨头的投资要约。

值得关注的原因：

• 这标志着”低成本纯研究型 AI 实验室”模式的终结。DeepSeek V3 基础模型训练成本仅约 560 万美元（使用 2,048 块 H800），曾是”用更少资源做前沿 AI”叙事的最佳案例。现在即便是证明了极致性价比的公司，在人才竞争和芯片迁移的双重压力下也难以继续单打独斗
• V4 延迟的根因——华为昇腾适配困难——有超越 DeepSeek 的意义。中国 AI 公司被迫从 NVIDIA 生态迁移到国产芯片，DeepSeek 是第一个公开暴露这条路有多难走的案例。如果 DeepSeek 这种级别的工程团队都需要华为工程师嵌入协助，其他公司的迁移难度可想而知
• 人才流失的规模和去向揭示了中国 AI 行业的资本-人才不均衡。阿里（Qwen 开源下载量 9.4 亿次）、字节（豆包日活 1 亿）、腾讯都在用远超 DeepSeek 的薪酬从小型实验室挖核心人才。R1 主要作者被传 1 亿年薪挖走——这个数字无论真实与否，都说明前沿 AI 人才的定价已经脱离了传统科研体系
• 100 亿美元估值在当前 AI 行业中偏低（Anthropic 最新估值约 8000 亿美元，Cursor 500 亿美元），但考虑到 DeepSeek 此前零外部融资且收入模式不明确，这个定价反映的是技术声誉溢价而非商业基本面

3. 斯坦福 AI Index 2026 —— 423 页报告确认中美模型差距缩至 2.7%，但 AI 安全事件暴增 55%

事件概要：4 月 13 日，斯坦福大学 HAI（以人为本人工智能研究院）发布第九版《AI Index 年度报告》，423 页、9 大章节，是目前对全球 AI 发展态势最系统的年度盘点。核心发现包括：（1）中美差距几乎消除——截至 2026 年 3 月，美国顶级模型（Anthropic）仅领先中国最佳模型 2.7%，而 2025 年 2 月 DeepSeek-R1 曾短暂追平美国顶级模型；（2）生成式 AI 三年内达到 53% 人口采用率，速度超过个人电脑和互联网历史同期；（3）AI 安全事件从 2024 年的 233 起跃升至 2025 年的 362 起，同比增长 55%；（4）SWE-bench Verified 编码能力一年内从 60% 飙升至接近 100%；（5）美国 2025 年私人 AI 投资达 2,859 亿美元，是中国（124 亿美元）的 23 倍；（6）AI 人才流入美国的速度自 2017 年下降 89%，过去一年又下降 80%；（7）25 岁以下工程师就业下滑近 20%。

值得关注的原因：

• 2.7% 的模型性能差距需要放在投资差距中理解。美国在 AI 上的私人投资是中国的 23 倍，数据中心数量是中国的 10 倍以上——但模型性能差距只有 2.7%。这说明资本投入与模型能力之间的关系远非线性——DeepSeek 用 560 万美元训练出追平前沿的模型就是最好的注脚。（报告也提醒：中国政府引导基金未计入私人投资数据，实际 AI 总支出被低估）
• AI 安全事件增长 55% 是一个需要认真对待的信号。报告特别指出一个困境：改善某一安全维度（如安全性）可能损害另一维度（如准确性）。几乎所有前沿模型开发商都报告能力基准，但负责任 AI 基准报告仍不完整——这与 AI 能力加速形成了危险的剪刀差
• AI 人才流入美国速度暴跌 89% 是一个可能影响长期竞争力的结构性变化。新增 AI 博士虽然增长了 22%，但增量人才选择了学术界而非工业界——工业界的吸引力在下降
• 专家与公众对 AI 的认知鸿沟极其巨大：73% 的专家认为 AI 将产生正面影响，公众中这一比例仅 23%——50 个百分点的差距是技术治理的核心挑战

4. Netflix 全面拥抱 AI —— 竖屏视频 Feed 本月上线，Ben Affleck 的 AI 工具开始武装创作者

事件概要：4 月 17 日，Netflix 联合 CEO Gregory Peters 和 Ted Sarandos 在 Q1 2026 财报电话会议 上宣布两项重大 AI 举措。第一，Netflix 将于本月内在移动端上线类 TikTok 竖屏短视频 Feed，主要用于发现视频播客和现有影视内容——该功能已测试超过一年。第二，在 2026 年 3 月收购 InterPositive（Ben Affleck 创办的 AI 影视制作公司）后，其专有 AI 工具开始被创作者采用。Sarandos 强调这些工具”专为电影制作人打造”，区别于通用型 GenAI 视频应用。Netflix 同时宣布将使用新模型架构重构推荐系统，Peters 表示”二十年个性化推荐积累之上，新技术仍有巨大提升空间”。Q1 2026 营收 122.5 亿美元（同比增 16.2%），利润 52.8 亿美元（同比增 83%），付费用户 3.25 亿。

值得关注的原因：

• Netflix 用 AI 的方式与其他科技巨头有本质区别。Google、OpenAI、Anthropic 在竞争”谁的模型更强”，Netflix 在问”AI 怎么让影视内容更好”。InterPositive 的工具不是通用文本/图像生成器，而是嵌入电影制作流程的专业工具——这是 AI 在垂直行业落地的教科书路径
• 竖屏 Feed 的战略意义超越”抄 TikTok”。Netflix 面临的核心问题是：3.25 亿用户的注意力正在被短视频蚕食。与其在长视频和短视频之间二选一，不如把短视频变成长内容的发现入口——这是防守策略，但一个有 3.25 亿付费用户的平台做防守，本身就是对短视频生态的进攻
• 利润同比增 83% 意味着 Netflix 有资本持续投入 AI。在 OpenAI 年亏 140 亿、Cursor 刚转正毛利的行业背景下，Netflix 是少数能用盈利而非融资支撑 AI 投入的公司
• “伟大的艺术需要伟大的艺术家，AI 不会改变这一点”——Sarandos 的这句话代表了 Netflix 对 AI 的定位：工具而非替代。这与好莱坞过去两年的 AI 焦虑形成对比

---

本周值得一读的论文

论文	亮点
Qwen3.6-35B-A3B: Agentic Coding Power, Now Open to All (阿里通义千问)	稀疏 MoE 架构（35B 总参/3B 激活），SWE-bench 73.4%，Apache 2.0 完全开源。MCPMark 工具使用 37.0% 是 Gemma 4 的两倍——Agent 编码能力正在成为开源模型的新竞争维度
Building a Fast Multilingual OCR Model with Synthetic Data (NVIDIA)	Nemotron-OCR v2，83.9M 参数，纯合成数据训练的多语言 OCR 模型。支持 6 种语言，文档和场景文本双模式——证明合成数据在特定垂直任务上已足够替代人工标注
GlobalSplat: Efficient Feed-Forward 3D Gaussian Splatting via Global Scene Tokens (希伯来大学)	18 upvotes：通过全局场景 token 实现高效前馈 3D 高斯溅射。3D 场景重建的效率提升对游戏和 AR/VR 内容生产有直接影响
ASGuard: Activation-Scaling Guard to Mitigate Targeted Jailbreaking Attack (高丽大学)	18 upvotes：通过激活缩放机制防御定向越狱攻击。在 AI 安全事件增长 55% 的背景下，轻量级的推理时防护方案有实际部署价值
KV Packet: Recomputation-Free Context-Independent KV Caching for LLMs (慕尼黑工业大学)	免重计算的上下文无关 KV 缓存。当 Qwen3.6 等模型开始支持 100 万+ token 上下文时，KV 缓存效率直接决定推理成本的可控性

---

一句话快讯

• 阿里通义千问 开源 Qwen3.6-35B-A3B（35B/3B MoE），SWE-bench 73.4%，Apache 2.0——消费级显卡可本地运行的编码模型首次逼近闭源旗舰水平
• DeepSeek 首次寻求 3 亿美元外部融资、100 亿美元估值——R1 核心作者郭大亚跳槽字节（传闻年薪 1 亿元），V4 因华为昇腾适配困难多次推迟
• 斯坦福 HAI 发布 AI Index 2026：中美模型差距仅 2.7%，生成式 AI 三年达 53% 人口采用率，AI 安全事件增长 55%——25 岁以下工程师就业下滑近 20%
• Netflix 本月上线竖屏视频 Feed + 新架构推荐系统，Ben Affleck 创办的 InterPositive AI 工具开始武装创作者——Q1 利润 52.8 亿美元（同比增 83%）
• NVIDIA 发布 Nemotron-OCR v2，83.9M 参数纯合成数据训练的多语言 OCR 模型——6 种语言、文档+场景双模式，开源可商用
• Vercel Labs 开源 Open Agents 云端 AI Agent 模板——AI Agent 从”概念验证”走向”一键部署”的基础设施正在成熟
• 斯坦福 AI Index 揭示 AI 人才流入美国速度自 2017 年下降 89%——技术领先不等于人才领先，这可能成为影响长期竞争力的结构性变量
• GenericAgent 开源自进化 AI Agent 框架，从 3.3K 行种子代码自动生长技能树、Token 消耗降低 6 倍——Agent 的”自我改进”能力正在从论文走向可用工具