本期节目深入探讨 DeepSeek-AI 开源的 DeepSeek-Prover-V2 模型。我们讨论了它如何利用 DeepSeek-V3 进行子目标分解，结合强化学习，在 Lean 4 形式化定理证明中取得突破性进展，特别是在 MiniF2F 和 PutnamBench 等基准测试上的卓越表现，以及新引入的 ProverBench 和 AIME 问题的挑战。

本期节目深入探讨了最新的开源图像编辑模型 Step1X-Edit。我们将讨论其创新的数据创建流程、模型架构、全新的 GEdit-Bench 评估基准，以及它如何在性能上追赶甚至超越 GPT-4o 等顶尖闭源模型。

本期AI Radio FM深入探讨了UI-TARS这篇开创性的论文，讨论了原生图形用户界面（GUI）智能体的演进、核心能力以及UI-TARS模型本身。我们分析了其架构、创新的感知、动作建模、系统2推理和迭代学习机制，并解读了其在多个基准测试中超越现有框架（如GPT-4o和Claude）的卓越表现。

深入探讨 MoonCast 技术，一个用于高质量零样本播客生成的解决方案。讨论其如何解决长语音和自发性对话的挑战，采用长上下文语言模型和创新的剧本生成模块，实现从纯文本生成自然、多说话人的播客语音。

深入探讨 Kimi-Audio，一个开源的音频基础模型。我们将讨论其架构、数据处理、训练方法、评估结果以及未来的挑战与机遇。

本期节目，我们深入探讨了Sand AI的最新研究成果MAGI-1，一个大规模自回归视频生成模型。我们讨论了它的核心原理、创新架构、训练策略、强大的功能（如实时流生成、块级可控性、物理模拟）以及其背后的先进基础设施和评估结果。

本期AI Radio FM - 技术频道，我们将深入探讨MagiAttention，这是一种创新的分布式注意力机制，旨在解决训练具有超长上下文（如视频生成模型）和复杂异构注意力掩码的大规模模型时面临的挑战。我们将讨论其核心组件，包括Flex-Flash-Attention内核、计算负载均衡策略、零冗余通信原语以及多阶段重叠技术，并分析其如何在实验中实现近乎线性的可扩展性。

在本期 AI Radio FM - 技术频道中，我们深入探讨了 BitNet b1.58 2B4T 的技术报告。这是一款开创性的 20 亿参数、原生 1 比特大语言模型，经过 4 万亿 token 训练。我们讨论了它的架构创新、独特的训练方法、与全精度及其他量化模型的性能比较，以及它在大幅降低内存占用、能耗和延迟方面的显著优势。加入我们，了解这款模型如何挑战全精度权重对于高性能 LLM 的必要性，并为资源受限环境中的强大 AI 部署开辟新途径。

本期 AI Radio FM - Technology Channel 深入探讨了基于矩阵正交化的 Muon 优化器如何通过关键技术扩展到大规模语言模型训练，并介绍了使用 Muon 训练的 Moonlight 模型及其卓越性能。

本播客将深入探讨 Kimi-VL，一款高效的开源混合专家（MoE）视觉语言模型（VLM）。它在多模态推理、长文本理解和强大的代理能力方面表现出色，同时仅激活语言解码器中的 28 亿参数。我们将讨论其架构、预训练阶段、性能以及未来的发展方向。