AI 模型发布与更新

Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，即日起向 Muse Code 订阅者开放，Wonder 也可通过 Meta Model API 访问。

Mark Zuckerberg 宣布 Meta Superintelligence Labs 成立一年多后发布 Muse Wonder 与 Muse Wonder Full 两款模型。Muse Spark 是该团队首个模型家族，Muse Wonder 是更大、更先进的模型级别，号称达到前沿水平，其中 Muse Wonder 主打快速前沿性能，Muse Wonder Full 为完整版本。

Le Chonk 在视觉定位上表现炸裂。 能精准指出图像中物体的位置。 在 Dense 200 上达到 42%，甚至领先于前沿闭源模型。

突发 🔥：Meta 正在 Meta Model API 平台上推出 Muse Wonder 和 Muse Wonder Full！ > Muse Wonder Full - 我们能力最强的模型，以最大推理量运行。面向最难、耗时最长的工作——仅对 Muse Code 订阅用户开放，不在 API 上提供。 > Muse Wonder - 在真实世界编程中达到 SOTA，专为长时间运行的任务打造。它能规划工作、并行调用工具、将部分任务交给子智能体，并从错误中恢复，让复杂任务得以…

开放且最先进的决策模型——就这么一说

Z.ai 发布法律领域模型 GLM-Legal，在 Harvey LAB 上取得 19.2% 全通过率，比基座模型 GLM-5.3-Flash 提升 12.5 个百分点，并在 LegalBench 和 PLawBench 上以更精简的参数规模对标前沿闭源模型。

推出 GLM-Legal 基于 GLM-5.3-Flash 构建，GLM-Legal 在主流法律基准测试上比肩前沿模型。 专为真实法律工作流设计：合同审查、证据分析、合规等。 技术博客：http://z.ai/blog/glm-legal 申请 API 访问：http://z.ai/consultation/legal 试用 AutoClaw：http://autoclaw.z.ai

蓝色 = 已知的。绿色 = 新增的。我们还处在非常早期的阶段。 （引用推文：我们发布了 Carbon-A：一个 DNA 模型，在 22k 个物种中提出了超过 500M 个基因候选！）

😂 0:50 处脸着地 （引用推文：@antoinepirrone：这里是 3 分钟未剪辑的 Microduck 地毯测试）

这里面好多🔥观点啊 （引用推文：新节目公告：High Taste Testers——美食与优质 AI 对话。试播集即将上线 http://youtube.com/@latentspacepod，嘉宾包括 @davis7、@dexhorthy、@AdjectiveAllison、@altryne、@benhylak，聊 DevDay/Dots、Jev、Muse、Grok、Claude v GPT v Gemini 以及当下所有热门话题！）

Google DeepMind 发布 Gemini 4 Argon，Google 自去年 11 月 Gemini 3 Pro 后首次重回前沿模型竞争。此前 Gemini 3.5 Pro 一直在测试中，Google 今夏连续推出四次 Flash 系列小版本更新。文章指出，大量依赖 Google Workspace 或 Gemini Enterprise 的企业用户此前难以接触到前沿模型。

如果你是研究者，请考虑公开分享你的 RL 环境！你为某个实验构建的东西，可能帮助整个领域向前推进。 我知道在美国前沿实验室共享正处在黑暗时期，但我相信这能对领域和世界产生巨大影响！

Karpathy 在被转发的推文中描述大语言模型能力的认知漏斗：约 60 亿人（75%）几乎没接触过 LLM，10-20 亿人把它当更好的 Google 搜索，约 2000 万专业人士看到智能体一个 prompt 完成过去数周的复杂项目，最后约 5000 人能内部使用前沿系统，运行数千智能体协作数周的软件大项目。作者 Larsen Cundric 总结称认为 AI 被过度炒作和认为 AI 疾速发展的人都没错，只是处于不同层级。

GOOGLE 🔥：据报道，Gemini 4 Argon 已在 Antigravity 上以 Gemini 3.8 Flash 的名义进行了一段时间的 A/B 测试。 相比现有的 Flash 模型，这似乎是一次巨大的跃升。 世界生成提示词 > Gemini 4 Argon（据称）

ANTHROPIC 🔥：据报道，Claude Opus 5.5 被路由到了一个性能强得多的不同模型。 Claude Fable 5.5 可能是幕后模型的潜在候选，但目前仍未知。 顺带一提，Anthropic 本周将在斯德哥尔摩举办 Founder House 活动。通常这类活动不用于产品发布，但可能会与前沿能力的展示有所重叠。 最好的还在后头 👀

OpenAI 联合创始人、现 Anthropic 成员 Andrej Karpathy 提出大语言模型用户分四层：约 60 亿人几乎未接触 LLM，10-20 亿人把免费产品当更好的搜索或写作辅助。

英特尔 CEO 陈立武表示，DeepSeek、Kimi 和 GLM 等中国前沿 AI 模型的 Token 成本较低，普及速度非常快，性能已经足够好。他坚定支持开源，认为这是提高效率的最优路径，并称市场将决定不同模型的应用场景。他还表示量子计算可能在未来三到五年内走向主流。

Similarweb 数据显示，ChatGPT 网页流量份额过去 4 个月持续回升，从 53% 升至 56%，但远低于一年前的 71%；Gemini 同期仅从 26% 微降至 25%，其去年增长主要来自 Gemini 3 的成功。Claude 份额约 9.6%，推文认为若 Anthropic 开始面向普通消费者，这一格局可能很快改变。

Arena 平台发布 2026 年第 41 周（10 月 5 日至 11 日）AI 大模型排行榜，Anthropic 的 Claude Opus 5.5 (Max) 首次入榜智能体榜即以 15.53% 净提升度登顶，任务确认成功率 17.29%，工具幻觉率 0.37%。

杨立昆在首尔表示，AI 的下一次突破不会来自大语言模型，而将来自能理解、预测物理世界的“世界模型”。他指出大语言模型在编程、数学等可预测序列任务上表现出色，但现实世界信息远比语言难以预测，机器读懂语言容易、理解现实世界却很难。他主张开发世界模型，让 AI 学习物理规律与因果关系并预测行动结果。

Harness 工程还没等到一个正式职位名称，就已经被自动化了 😂

哇 https://x.com/i/grok/share/bGVnYWN5_22468d8a-a1a4-4391-9796-cda7cf1937b5

周 末 说明：该推文正文仅为“W E E K E N D”（周末），不含任何 AI/ML/LLM 相关信息、主体或动作，无法按规则生成 10-15 字且点明核心主体的中文标题，也无法产出有意义的翻译摘要。

宇树科技创始人王兴兴在第二十六届中国国际工业博览会上表示，过去十几年他犯的最大错误就是对 AI 还不够相信，如今对 AI 的信仰与日俱增。他透露 GPT-6 发布对具身智能行业认知影响很大，团队已将其部署至机器人测试且效果不错，认为行业临界点可能一两年内到来。

阿布扎比 TII 发布 1.6B 参数的阿拉伯语语音识别模型 Falcon-ASR，在 6 个阿拉伯语测试集上平均 WER 为 20.92%，比 Audar-ASR-V1-Turbo 的 23.17% 低 2.25 个百分点。

日期是 2026 年 10 月 11 日。 我完全通过聊天和云环境来剪辑视频。

Andrej Karpathy 在引用推文中提出，人们对 LLM 能力的认知正分裂成四个层级：约 60 亿人（75%）几乎未接触 LLM，约 10–20 亿人（20%）偶尔使用免费版 ChatGPT，约 2000 万人（0.2%）在数学与代码领域专业使用前沿模型，仅约 5000 人（0.00006%）能在内部接触最前沿系统。

开发者Brandon Thomas因不满Adobe订阅违约金，用Claude Opus 5.5以Rust逆向重写了Photoshop等7款Adobe软件并开源，其中PS项目不到10天获4.6万Star。

冷知识，大部分人不用大模型是因为大模型对他们没用，没有ROI 人不傻

针对 Rich Hickey 在 2026 年 10 月 11 日文章《"AI" is Not a Tool》中"LLM 属于自动化而非工具"的论点，有作者反驳称 LLM 仍可被人操控，用好它需要技能。

indigo 引用并解读 Karpathy 的观点：约75%的人几乎没接触过大语言模型，约20%只把免费层当聊天机器人，约0.2%用前沿模型做数学和代码的专业人士见证数周项目被一个提示词完成，约5,000名接触内部系统的人看到成千上万 Agent 协作数周。

作者引用 Karpathy 的分析，认为全球约 80 亿人因对大模型能力的接触程度不同被分成四层。约 60 亿人几乎没接触过大模型，10 到 20 亿人偶尔用免费版产品，约 2000 万人重度使用前沿模型和 Agent，约 5000 人能接触 AI 实验室内部系统，且这一认知差距仍在扩大。作者另补充中文用户还有能否用 Claude Code 的第 3.5 层。

Cloudflare 于 2026 年 10 月 9 日发布开放权重决策模型 Clef-omni，可在一次调用中对文本、图像、音频和视频打分。

Ethan Mollick 转引 Andrej Karpathy 的推文，Karpathy 估算约 75% 的人几乎没接触过 LLM，约 20% 是免费档轻度用户，约 2000 万数学与代码专业者能亲眼看到智能体在数周内完成过去数月的项目，而约 5000 名实验室内部人员则在观察数千智能体协作数周的软件大型项目、漏洞挖掘、网络攻防、科学发现与前沿数学进展。Karpathy 认为这一认知漏斗由问题雄心、能力的锯齿性和访问层级共同驱动。Mollick 补充称，即使这 5000 …

研究已死 💀

vLLM Semantic Router 团队发布 Decision 3.0 系列开源决策模型，读取文本、JSON 和图片，返回概率而非生成文本，全部采用 Apache-2.0 许可。

说真的，这确实管用！ 把 Grok @Bot 想象成雇了一个超级聪明、24/7 工作、极其足智多谋的员工。 你可以在几分钟内通过手机轻松使用它： https://apps.apple.com/app/id6794501026

Karpathy 估算全球约 60 亿人（约 75%）几乎未接触过 LLM，约 1-2B 人偶尔使用免费层类 ChatGPT 产品，约 2000 万人在数学与编码领域直接使用前沿模型，仅约 5000 人能接触前沿级内部系统。他提出漏斗由问题规模、系统能力的锯齿状分布和访问层级共同驱动，不同人群对同一批系统的感知因此差异极大。

Andrej Karpathy 重发并扩展其 4 月的观点，认为外界对 LLM 能力的共识差距正从“两群人各说各话”变成一个急剧收窄的漏斗。

Lauren Tan 认为随着智能体已大量编写代码，可维护性和整洁代码优先的传统原则需要更新，2026 年应重新定义 Good Code 的含义。她指出整洁代码历史上以性能为代价，且源于人类维护代码的时代，未来可能发展出智能体友好架构的新原则。她此前引用的讨论还提出好代码应正确、无 bug、运行快且成本低，并认为用好智能体后生产力应有显著差异。