OpenClaw 引爆代理浪潮、Kimi K2.5 子代理组队、Mistral 蒸馏小模型
本期要点：OpenClaw 代理 GitHub stars 史上最快、Kimi K2.5 用子代理提速 3-4.5 倍、Wikipedia 与 AI 公司签数据付费协议、Ministral 3 通过剪枝 + 蒸馏实现小而强。
编者按：AI 时代的就业现状
作者：Andrew Ng
Ng 分享当前招聘市场观察：
AI 替代工作的真实情况
- 很多科技公司过去一年裁员，CEO 们常把原因归于 AI——但 AI 还没那么好用，多数裁员其实是疫情期过度招聘的纠正
- 高暴露职业（呼叫中心、翻译、配音演员）人员找工作会更难，薪资可能下降
- 但整体就业损失被过度炒作
新规律：AI 不会取代工人，但会用 AI 的工人会取代不会用的
招聘模式转变
- 解雇不适应 AI 的员工，换成能用 AI 的人——这种趋势在软件开发已明显
- 早期迹象出现在传统非技术岗（营销、招聘、分析师） ——懂用 AI 编码的生产力更高
- 新组建的 AI 原生团队比替代的团队规模更小
Ng 观察：项目瓶颈从"能建什么"转向"决定建什么"——产品管理瓶颈。过去 8 工程师 + 1 PM 的项目，现在 2 工程师 + 1 PM，甚至 1 个混合工程师 + PM 技能的人。
好消息：多数企业有很多事做但人不够，有 AI 技能的人常被给机会承担更多、攻克积压已久的想法。
OpenClaw 引爆代理浪潮
开源 AI 代理 OpenClaw（前名 WhatsApp Relay、Clawdbot、Moltbot）突然爆红，激发对代理未来的兴奋、担忧、炒作。
爆红数据
- 11 月开发者 Peter Steinberger 发布 OpenClaw（个人 AI 代理，管理日历、邮件摘要、提醒）
- 1 月底 HackerNews 一帖带火，GitHub stars 史上最快增长，Google 搜索量超过 Claude Code
- 几天内200 万访客、数百万安装——Mac Mini 售罄（爱好者想要专机 24/7 跑代理）
- 用户指示代理整理日程、监控 vibe-coding 会话、发布到个人网站和 newsletter
- 一用户的代理自主注册电话 号码、连接语音 API、早晨打电话问"今天怎么样？"
- Matt Schlicht 推出 Moltbook（Reddit 式社交网络，OpenClaw 代理读写组织）——100 万代理注册，充斥宣言、生活故事、垃圾
- 代理活动导致成本超支、私密凭据暴露、安全漏洞
OpenClaw 架构
- 中心网关服务器 + 多个客户端（聊天、浏览器会话、云服务等）
- 启动时生成动态系统提示，用 Markdown 文件跨会话保持记忆
- 默认记忆文件：USER.md（用户信息）、IDENTITY.md（代理信息）、SOUL.md（行为规则）、TOOLS.md（可用工具）、HEARTBEAT.md（连接应用指令）
- 默认模型 Anthropic Claude Opus 或 Meta Llama 3.3 70B；支持 Google、OpenAI、Moonshot、Z.ai、MiniMax 等
- 通过 Telegram、WhatsApp、Slack、iMessage、Google Chat 等聊天
- 安装包含几十个技能，可通过 ClawHub 安装更多
OpenClaw 激发了远超其份额的炒作。媒体报道把 Moltbook（与 GPT-3 后大语言模型输出差别不大的消息）比作 AGI 和奇点的到来。代理还 没到那儿，也远没到。OpenClaw 展示了代理能极其有用，我们还在寻找好用例，且要密切关注安全。
Kimi K2.5：管理自己的子代理大军
Moonshot AI 发布 Kimi K2.5——Kimi K2 的升级版，加入视觉能力和生成"子代理"（并行工作流，控制自己的独立模型执行 AI 研究、事实核查、网页开发等任务）。
核心规格
- 架构：MoonViT 视觉编码器（400M 参数）+ MoE Transformer（1 万亿参数，每 token 32B 激活）
- 上下文：输入 256K token；输出 109.5 tokens/秒
- API 价格：$0.60/$0.10/$3.00 每百万输入/缓存/输出 token
- 许可证：修改版 MIT，商用 + 署名
关键创新
- 基于 Kimi K2-Base（文本模型，7 月发布）加视觉编码器，在 15 万亿图像/文本 token 上进一步预训练
- 用 RL 训练 Kimi K2.5 生成子代理、并行运行、分配任务、整合输出
- 例子：被要求找 YouTube 100 个领域的 top 3 频道，Kimi K2.5生成 100 个领域专属子代理搜索 YouTube，结果填入电子表格
性能表现
| 维度 | Kimi K2.5 | 备注 |
|---|---|---|
| Artificial Analysis Intelligence Index | 所有开源权重模型第 1 | thinking 模式下 |
| 图像/视频基准（17 项） | 9 项第 1 | 超越 GPT 5.2 / Opus 4.5 / Gemini 3 Pro |
| 子代理提速 | 3-4.5x | vs 不使用子代理 |
| BrowseComp | +18.4 个百分点 | 用子代理 |
| WideSearch | +6.3 个百分点 | 用子代理 |
未披露：子代理的处理和内存成本，速度/性能 vs 资源消耗的权衡不清晰。
Kimi K2.5 将任务执行从链式思维推理转向代理协作——不再顺序响应 prompt，而是作为独立工作流/模型的管理者，并行执行不同部分 。
AI 公司分担 Wikipedia 成本
Wikipedia 25 周年庆与 AI 公司签用数据换财务支持的高调协议。
关键交易：Wikimedia 基金会宣布与 Amazon、Meta、Microsoft、Mistral AI、Perplexity 合作。"Wikimedia Enterprise"项目让合作伙伴比爬网页更快更大量地访问 Wikipedia 数据。财务条款未披露。
Wikipedia 现状
- 接受来自自动化爬虫的请求多于人类用户
- 创始人 Jimmy Wales 称爬虫收集训练数据导致托管、内存、服务器成本飙升
- 基金会呼吁 AI 开发者提供财务支持、用 API 而非爬网页、署名Wikipedia 来源
- Microsoft、Mistral AI、Perplexity 都在过去一年签约；Amazon、Meta 旧有合作未宣布；Google 2022 年起是合作伙伴
其他出版商情况
- Reddit、Stack Overflow 2023 年起寻求数据许可
- Reddit 与 Google、OpenAI 等达成许可协议
- Stack Overflow 流量暴跌：从 2014 年的 20 万问题/月到 2025 年末 5 万问题/月，商业模式 从广告转向为 AI 训练重新打包数据
双赢交易。继续用老方式阅读百科全书的人可以继续这样做，建 AI 模型的人可以放心，不会扼杀关键训练数据来源。
Ministral 3：通过剪枝 + 蒸馏做小而强模型
Mistral 把 Mistral Small 3.1 压缩成小得多的版本，得到小尺寸、开源权重、视觉语言模型家族——某些指标上优于同尺寸竞品。
Ministral 3 家族
| 尺寸 | 变体 | API 价格（输入/输出 每百万 token） |
|---|---|---|
| 14B | base / instruction / reasoning | $0.20/$0.20 |
| 8B | base / instruction / reasoning | $0.15/$0.15 |
| 3B | base / instruction / reasoning | $0.10/$0.10 |
核心技术：级联蒸馏
- 从更大父模型开始，交替剪枝和蒸馏逐级缩小
- 剪枝：移除改变输入最少的层，再缩小内部表示和全连接层宽度
- 蒸馏：训练剪枝后模型模仿 Mistral Small 3.1 输出
- 微调阶段从模仿 Mistral Medium 3 获益
- 用 ODPO（用 LLM 对比好坏响应）做指令微调
结果（vs 同尺寸竞品）
| 维度 | Ministral 3 14B 表现 |
|---|---|
| TriviaQA | 74.9%（超 Qwen 3 14B 70.3%，输 Gemma 3 12B 78.8%） |
| MATH | 67.6%（超 Qwen 3 14B 62%） |
| AIME 2025 reasoning | 85%（vs Qwen 3 14B Thinking 73.7%） |
| GPQA Diamond | 超越 Mistral Small 3.1 |
| 训练成本 | 1-3 万亿 token（vs Qwen 3 / Llama 3 同尺寸 15-36 万亿） |
Ministral 3 模型能在通用笔记本和智能手机上运行。端侧设备上的 AI 越来越有能力和竞争力！
本期要点回顾：OpenClaw 代理 GitHub stars 史上最快增长、Kimi K2.5 子代理提速 3-4.5 倍、Wikipedia 与 AI 公司签数据付费协议、Ministral 3 蒸馏剪枝实现小而强——代理生态爆发、子代理协作、内容付费模式、小模型效率四条主线并行。Ng 分享 AI 时代就业现状观察。