AI 情报文章归档

Meta Superintelligence Labs 发布 Muse Spark 模型的开源权重版本 Muse Spark Open，为 816B 总参数、每 token 激活 42B 的多模态 MoE 模型，支持文本、图像、视频和音频输入，上下文窗口 1M token。

这篇论文说明了为什么我对"前沿模型可以被更便宜的模型轻易取代"这一观点持怀疑态度（也说明了为什么你应该用最好的模型来做编排）：准确性和判断力上的微小提升会在长周期任务中不断累积，从而带来结果的巨大改善。

黑子会说这是 AI。 抱歉，是 SI！

Simon Willison 用 Claude Code for web 的 Ultracode 模式生成 sparqlite，一个用 Rust 编写、把 SPARQL 1.1 嵌入 SQLite 的扩展。

嗯，我觉得我们有一个产品演示，成功超越了 iPhone 和 Engelbart 的 Xerox PARC 演示。

作者花两周、三百多美元测试 Google Muse、Grok Bot、OpenAI Dots、Manus Cue 四款 Personal Agent，12 个日常平台中仅 33% 能稳定委托给 AI 处理，结论是有云电脑也不能完全脱离本机，最终选择 Dots 因为它能控制本机 Computer Use。

苹果公司执行董事长蒂姆·库克在全球财富管理论坛 2026 上海苏河湾大会上指出，AI 应用正迎来爆发式增长，AI 辅助编程显著降低了编程门槛。他表示 AI 已在多个方面对供应链产生深远影响，例如 iPhone 颜色检测已借助机器学习实现高度自动化且更精准的质检。这是库克卸任 CEO 转任董事会执行主席后首次访华。

ComfyUI 发起总奖金 $25,000 的开源竞赛，号召重建 Higgsfield 的 Genjutsu、Cinema Studio 等产品，由 NVIDIA AI、Runpod、LTX、Black Forest Labs、MiniMax 联合赞助。

NVIDIA 联合 IIT Madras 的 AI4Bharat 发布 Nemotron-pretraining-Indic-v1，约 2.8 万亿 token，覆盖印度宪法列出的 22 种语言，含 2601.0 亿原生文字 token 和 224.6 亿罗马化 token（按 Gemma-4 tokenizer 计）。

小米发布开源空间音频理解大模型 MiDashengLM-Spatial，完整公开模型权重和推理代码，采用 Apache 2.0 许可证。模型以 MiDashengLM-7B 为基座，在保留基础音频理解能力的同时增加空间感知与推理能力，小米称其为业界首个开源的端到端空间音频理解大模型，将陆续应用于智能家居和汽车座舱场景。

claude code 的提示词预测用了很久 现在 codex 的提示词预测功能姗姗来迟 还是仅限 pro 会员，还只是 beta

你能看到一切 天啊

ChatGPT 面向 Chrome 用户推出 computer use 能力：web 端 chat 模式下可读取已打开的 Chrome 标签页信息，但只能浏览不能操作；work 模式则可直接操作 Chrome 标签页，如发送消息、填写表单、下载文件和整理标签组。作者附实测截图展示其读取 22 个标签页和标签组的效果，并提出购物比较、股票研究等信息整合用例。

地球上的第一辆飞行汽车 👽

感谢 @deepseek_ai 提供了出色的模型，感谢 RPent 团队提供的案例列表和排行榜，也感谢 CAP-X 和 ASPIRE 的作者们启发了我们的工具设计。

博客：https://haoailab.com/blogs/ora 代码：https://github.com/hao-ai-lab/ORA 作者：Yuanbo @YuanboYang60742、Siyi Chen @SiyiChen277112、Jun Gao @JunGao33210520 和 Hao Zhang @haozhangml。

我们还把 ORA 搬到了一台真实机器人上。 在低成本机械臂、固定 RGB-D 相机和腕部相机的初步运行中，DeepSeek-V4.1-Flash 通过抽屉把手打开了抽屉，并把一根糖果棒放进了盒子里。

Meta 于 10 月 15 日发布开放权重模型 Muse Spark Open，官方称其为迄今能力最强的美国开放权重模型，性能低于周一发布但保持闭源、未公布基准成绩的 Muse Wonder。

Artificial Analysis 在其 agentic 推理基准 AA-AgentPerf 上发布 NVIDIA Vera Rubin NVL72 的首批结果。

苹果研究团队公布 Minions 系统研究，将闲置 Mac 的 Apple Silicon GPU 聚合为可动态调度的“虚拟 GPU 云”，用于大规模机器学习推理。

我们的 CEO @CompleteSkeptic 讲述了爱因斯坦博士与憨豆先生的故事 > 如果 AI 95% 的时候像爱因斯坦，5% 的时候像憨豆先生，你要怎么用它来自动化任何事情？ @mattturck 带我们回顾了 Jev 疯狂的第一个月

Hao AI Lab 演示一条把像素转成机器人可用坐标的流程：SAM 3 定位物体，深度信息把图像位置换算成以米为单位的 3D 位置，再用一个计算工具处理向量和旋转数学。

I've spent entire nights building something with AI, gotten a bunch of features working, and then...

每个已解决案例的模型成本约为 $0.30–$0.35。 该估算使用 DeepSeek 的非高峰时段 API 费率，并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试。40 个展示回合平均每个 $0.13。

新机器人，新手册。同一个智能体。 机器人卡片描述每个机器人的几何结构和控制方式。同一套测试框架可运行 ARX X5、ALOHA 和 Franka，使用各自专属的卡片、工具和控制器。

把像素变成机器人能用的坐标。 SAM 3 定位物体，深度把图像位置转成以米为单位的三维位置，计算工具负责处理向量和旋转数学。

ORA 的工作方式很像一个编程智能体。 编程智能体会读取文件、运行命令并检查结果。ORA 则观察场景、调用感知或动作工具、检查反馈，然后决定下一步做什么。

要让这个闭环在机器人上跑通，需要三样东西： - 描述机器人和任务的提示词 - 用于感知、几何和运动的工具 - 上下文管理，让近期观测保持在视野内，较早的观测可在文件中取用

UCSD Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek V4.1-Flash 驱动的开源 harness，让智能体从视觉输入零样本操作真实机器人，不使用 VLA，并与前沿模型智能体竞争。

开源权重模型零样本能做到什么程度？ ORA：RoboTwin 上 69.2%；LIBERO-Pro 上 81.4%。 RPent（带任务专属记忆）：在 RoboTwin 上配合 GPT-5.5/Opus-4.7 达到 62.4%/58.4%；在 LIBERO-Pro 上配合 Opus-4.7 达到 82.4%。 相同案例，不同系统。https://github.com/RLinf/RPent

阶跃星辰 Step 5 Preview 在 DeepInfra 上线（day zero），采用开放权重。该模型为 600B MoE、27B 激活，支持 1M token 上下文和文本加视觉输入，FP8 定价为每 1M tokens 输入 $1.00、输出 $2.70、缓存 $0.05，面向 coding、frontend、finance 等长程 Agent 场景。

Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活 42B（MoE），在 Artificial Analysis Intelligence Index 得 39 分，为美国开源权重模型第一。

亚马逊设备、Alexa 及 Leo 业务高级副总裁帕诺斯·帕奈在 TechCrunch Disrupt 大会上表示，随着 AI 承担更多任务，Bee 等环境感知设备有望让用户逐渐减少对应用程序的依赖，未来一代人可能不再想着“给我一个能做这件事的应用”，而是希望设备直接理解需求。他同时强调隐私保护是设计这类设备时必须考虑的问题，必须让用户掌握控制权，并认为智能手机不会因此失去重要个人计算设备的地位。

Meta 发布公开权重模型 Muse Spark Open，总参数量 8160 亿、活跃参数 420 亿、上下文窗口 100 万 token，面向编程、Agent、多步推理与软件工程场景。

快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com，单次生成视频最长可达 30 秒，视频可多次续拍延展至 2 分钟。

可灵AI正式上线视频模型 Kling 4.0，9月底曾向部分黑金年卡及Ultra年订用户开放4.0 Flash尝鲜版。作者实测后认为提升集中在三方面：最长30秒一镜到底直出，城市追逐、马戏团等复杂场景中人物与纸箱接触的物理形变等细节表现更好；大范围动态和复杂打斗的动作衔接、镜头临场感相较前代明显提升；视频首尾帧改为最多10帧的多帧参考，全能参考可替换运镜、场景和人物。

面壁智能介绍独立开发者基于 VoxCPM2 构建的端侧实时同传系统 VoxWeft，麦克风输入、语音分段、ASR、翻译、流式 TTS 和播放全部在 Apple Silicon 本地运行，代码与开发日志已开源。

腾讯混元官方回应近期的智能体活动报告，称相关活动源自对第三方模型的评测，而非腾讯混元本身。评测中部分智能体出现非预期的网页浏览行为，但官方复查称没有发现蓄意针对或协同的证据，并表示正在加强网络访问控制和智能体监控。

Reflection 首个开源模型 Beam（reflectionai/Beam-1.0-501B-A23B）上线 Hugging Face，是 501B 参数、每 token 激活 23B 的 MoE 模型，支持 1M token 上下文，采用 Apache 2.0 许可，主打编码和智能体场景。

SGLang 团队宣布原生支持 Reflection 的 Beam 1.0（501B 参数 MoE、每 token 激活 23B），并以其驱动 Reflection 的生产 API。