Meta 发 Muse Wonder：智能指数 56 分【AI 早报 2026-10-14】
Meta 新旗舰 Muse Wonder Full 在 Artificial Analysis 综合智能指数拿到 56 分，距离 Claude Opus 5.5 的 58 分只差 2 分；同日还有端侧多模态模型、物理基础模型、广告推荐系统和 Agent 评测基准等密集更新。
今日概览
要闻
- Meta 发 Muse Wonder：智能指数 56 分
- Apple HomeView 299 美元发布：7 英寸屏幕可认 6 位家人
- Claude Code 自主执行删光 C 盘，超 100 万人围观
- DeepSeek 拟领投 Winverse AI 数千万美元种子轮
模型发布
- MiniCPM-V 4.7：35B-A3B 模型 iPhone 3GB 内存跑出 13 token/s
- Natura-1：500 亿参数物理通用基础模型驱动 20 自由度灵巧手
- UniWAM 开源：LIBERO 成功率 99.2% 的统一世界-动作模型
- Oneira：用 World State Table 让生成视频可精确交互
开发生态
- GitHub 企业设置更新：Copilot 启动时可强制刷新远程策略
- AEWM：智能体执行前先判断并改写噪声决策
- Ollama v0.40.4：llama.cpp 更新至 b11521
产品应用
- Meta GEM：中心化广告模型带来 18.9% 转化提升
- 火山引擎语音内容编辑：一句指令改口播用词
- Higgsfield 接入 GPT-6 Astra，AI 视频时长突破 10 分钟
技术与洞察
- OSWorld-Science：146 项科研任务，12 模型平均 34.3%
- AdaptEvo：按参考置信度分配奖励，审核超 Gemini3.8-Flash
- Anthropic 研究：小模型已完成跨设备感染链
- 陶哲轩第三篇长文：数学进入“证明过剩”的 Math 2.0
前瞻与传闻
- OpenAI 洽谈复活 Sora，或与前研究负责人创企合作
要闻
Meta 发 Muse Wonder：智能指数 56 分
北京时间 10 月 13 日凌晨，Meta Superintelligence Labs 推出 Muse Wonder 和 Muse Wonder Full。Artificial Analysis Intelligence Index v4.3 中，Full 得到 56 分，标准版得到 52 分，较六周前的 Muse Spark 1.3 的 48 分分别提高 8 分和 4 分；Claude Opus 5.5 为 58 分。Full 在 DeepSWE 1.1 长程软件工程测试中得 79.0 分，高于 Claude Opus 5.5 的 74.2 分和 GPT-6 Astra 的 74.1 分；在 SWE-Marathon 中得 57.5%，高于 Opus 5.5 的 46.3% 和 GPT-6 Astra 的 42.5%。它还在 Harvey LAB-AA 得到 13.1 分，在 Vals Finance Agent V2 得到 59.1 分，MemoryBench 得到 85.5 分。但 Terminal-Bench 4.0 得 57.1 分、ProgramBench 得 59.0 分、OSWorld V2.1 部分奖励得 78.4 分，均低于 Opus 5.5。第三方测算显示，标准版 Muse Wonder 的平均评测任务成本从上代 1.60 美元升至 4.52 美元，涨幅 183%。扎克伯格称 Meta 已抵达 AI 技术前沿，而首批开发者对其编程能力和 3D 程序生成表现评价存在分歧。
Apple HomeView 299 美元发布：7 英寸屏幕可认 6 位家人
苹果在 10 月 13 日晚发布 Apple HomeView，美国售价 299 美元，当天开放预订，11 月 13 日上市。桌面版配 7 英寸 Liquid Retina 屏和穹顶形铝制扬声器底座，亮度最高 500 尼特、最低 0.3 尼特；壁挂版需另购 USB-C 支架，59.95 美元起，交流电接线款 79.95 美元起，PoE 款 129.95 美元且要等到 2027 年初。它配 1200 万像素人物居中摄像头和四个波束成形麦克风，FaceTime 时可保持人物居中，并可通过面部识别区分最多 6 位家庭成员。个人日程、信息和日历等内容仍需要配对的 iPhone 或 iPad 连在同一 Wi-Fi 且最近解锁过；Siri AI 调用个人上下文也要求支持 Apple Intelligence 的设备。访客和未被识别的用户可控制家居、查天气、设定计时器和放音乐，但看不到他人个人信息。隐私方案依赖 A18 芯片中的 Secure Exclaves，上云的 Siri 请求走私有云计算。同期发布的还有第四代 Apple TV 4K、HomePod mini 2 和 Apple Home Collection 智能家居配件。
Claude Code 自主执行删光 C 盘，超 100 万人围观
开发者 Zac 让 Claude Code 连续数小时自主执行任务，并使用 --dangerously-skip-permissions 跳过权限确认，结果 Claude Opus 5.5 删除了他的整个 C 盘；该帖浏览量已超过 100 万次。Zac 怀疑问题出自 PowerShell 语法拼接错误，但未公开完整命令日志。由于他设置了每天自动备份到群晖 NAS，最终恢复了约 98% 的数据。Claude Code 负责人 Boris Cherny 回应称，应使用自动模式，因为它会在命令执行前判断并拦截不可逆、破坏性或越界操作；Anthropic 内部测试中，1053 名付费测试者只识别拦截了 13.6% 的危险命令，自动模式拦截率为 89%。Zac 则认为自动模式会频繁中断任务，Anthropic 也披露约 25% 的交互式 Claude Code 会话启动时选择完全跳过权限确认。另有一名 Linux 用户称，自己在开启自动模式的情况下也因有问题的测试代码丢失过数据。
DeepSeek 拟领投 Winverse AI 数千万美元种子轮
据彭博社报道，DeepSeek 计划领投机器人 AI 初创公司 Winverse AI 规模达数千万美元的种子轮融资，资金来自其超过 120 亿美元融资中的一部分。Winverse AI 成立仅数月，由腾讯前高级科学家创立，已获得包括美团龙珠在内的其他投资者认购承诺，投后估值约 4 亿美元。这笔交易将成为 DeepSeek 自 2023 年创立以来，对初创公司规模最大的投资之一。此前，DeepSeek 还认购了宇树科技上市时 2% 的股份，以合作开发具身智能模型。
模型发布
MiniCPM-V 4.7：35B-A3B 模型 iPhone 3GB 内存跑出 13 token/s
OpenBMB 发布并开源 MiniCPM-V 4.7，提供 35B-A3B 和 1B 两种规格，其中 35B-A3B 是 MiniCPM-V 系列首个 MoE 模型。官方称，35B-A3B 在 iPhone 17 Pro Max 上仅占用 3GB 内存即可达到 13+ token/s 的解码速度，并展示了 iPad M4 和 1B 版在 iPhone 上的运行效果。端侧方案由 LES 前瞻专家调度、精细层级量化和 DSpark 投机采样适配组成：LES 负责跨层预测和专家预取，实际计算仍遵循模型原有的 token 级路由。性能上，35B-A3B 在 Instruct 模式下以更短推理时间超过 Qwen3.6 35B-A3B，1B 在综合得分和推理效率上领先 Qwen3.5 0.8B。
Natura-1：500 亿参数物理通用基础模型驱动 20 自由度灵巧手
自然意志发布首个物理世界通用基础模型 Natura-1。该模型为 500 亿参数 MoE，在 100 万小时第一人称视角人类经验数据上完成预训练，以语言和视觉为输入，能在 100 毫秒控制回路中驱动 20 自由度灵巧手。Natura-1 可零样样本地遵循复杂自然语言指令，完成折叠轻薄易变形材料、书法书写和多阶段任务中切换工具等长工作流。自建基准包含 12 个维度，机器人训练时未见过这些任务；Natura-1 在 20 自由度灵巧手上综合得分为 53.4%（Base）和 59.1%（Agentic）。作为对照，π0.5 与 GPT-6-Astra 在夹爪本体上分别得分 13.5% 和 16.7%。基础设施方面，其数据管线每周产出 35 万小时训练数据，生产配置下 MFU 超过 50%，GPU 利用率达 98%。
UniWAM 开源：LIBERO 成功率 99.2% 的统一世界-动作模型
欧拉万象与香港科技大学（广州）正式开源 UniWAM，把语义理解、未来视觉预测与动作生成纳入统一架构。模型由三部分组成：基于 Qwen3-VL-2B-Instruct 的 Physical Reasoner 负责任务和场景语义，基于 Wan2.2-TI2V-5B 的 World Generator 预测未来视觉变化，Action Predictor 建模连续动作流场。三者通过联合多模态注意力交换信息，使动作预测可同时结合任务语义和场景动态。成绩上，UniWAM 在 LIBERO 上取得 99.2% 平均成功率，在 LIBERO-Plus 上取得 92.6% 整体成功率，在 RoboTwin 2.0 C2R 上取得 68.32% 成功率。模型代码与权重已开源，论文还通过真机实验验证了指令跟随、复杂交互与长程任务执行能力。
来源：https://mp.weixin.qq.com/s/ralKD4HPAO4_rfC1-_YBFQ
Oneira：用 World State Table 让生成视频可精确交互
牛津大学、莫纳什大学和布里斯托大学等团队提出交互式视频世界模型 Oneira，针对现有视频世界模型“改错对象、镜头移开后状态丢失”的问题。Oneira 由 Coding Agent 维护 World State Table，记录可行走地面区域、每个物体的语义标签、3D BBox 和交互状态。镜头移动时新出现的物体会先由 3D 感知工具得到 3D BBox，再加入表中，因此可交互对象能随生成内容扩展。Engine 再把 World State Table 渲染为简化条件视频，Video Generation Model 负责补全真实外观、动作和交互细节。论文称实验表明，Oneira 能精确改变指定物体，并在长视频中持续保留修改后的状态。
来源：https://mp.weixin.qq.com/s/DLlcO6VSObGM6NPnj-hBSA
开发生态
GitHub 企业设置更新：Copilot 启动时可强制刷新远程策略
GitHub 更新企业托管设置的强制执行方式，管理员可要求受支持的 GitHub Copilot 客户端在启动时检索当前服务器托管设置，而不是只依赖缓存策略。新增 forceRemoteSettingsRefresh 开关，支持通过服务器托管、MDM 托管或文件设置下发，适用于 Copilot CLI、VS Code 和 GitHub Copilot app。MDM 和文件配置可在客户端首次登录前要求设置新鲜度；服务器托管值则会在客户端收到一次后，从后续启动开始生效。若客户端无法确认当前策略，会 fail closed，而不是带着过期或未确认策略运行。sandbox 治理键还加入最低客户端版本要求，固定旧版本的用户必须更新后才能继续使用 Copilot。
来源：https://github.blog/changelog/2026-10-13-enterprise-managed-settings-enforcement-updates
AEWM：智能体执行前先判断并改写噪声决策
中国人民大学提出 AEWM，将世界模型的关注点从“环境会返回什么”转向“这一步会把任务带向哪里”。其 EditAct 流程先由 Action Judge 区分关键推进、有效探索与噪声决策，再仅对噪声决策调用 State Revision 替换推理与行动，最后由真实工具执行并保留实际反馈。模型基于 Qwen3.5-35B-A3B，使用 52.16B tokens 做 mid-training，并用 12 万条高质量样本做 SFT。在含 3000 条决策的 Action Judge 基准上，AEWM 的 macro-F1 为 70.5%，超过最强对照 10.6 个百分点。接入 EditAct 后，4B、9B、35B-A3B 三个 Agent 的六项基准平均分分别提高 6.7、5.2、3.2 分；35B-A3B 的 BrowseComp 从 40.9 升至 48.1，Terminal-Bench 2.0 从 37.1 升至 48.3。AEWM-RFT 用验证后的高质量轨迹微调 Agent，测试时不再调用 AEWM，相对 Self-RFT 在三个领域再提高 2.2 到 2.6 个百分点。
Ollama v0.40.4：llama.cpp 更新至 b11521
Ollama 发布 v0.40.4 候选版本。本次 llama 组件将 llama.cpp 更新到 b11521，以支持 decision models 和 EmbeddingGemma 2。服务端推理路由还会复用已验证的 manifests 和已加载模型，减少同一批模型在推理路径中的重复加载。Release notes 将变化分为 llama 与 server 两类，未列出更多功能细节。
来源：https://github.com/ollama/ollama/releases/tag/v0.40.4-rc2
产品应用
Meta GEM：中心化广告模型带来 18.9% 转化提升
Meta 工程博客介绍 2026 代生成式广告模型 GEM。该系统从 Facebook、Instagram、Reels 等分域优化，转向一个中央基础模型，从 Meta 全部广告平台的数据和信号中学习，并覆盖认知、考虑和转化的全漏斗目标。官方称，GEM 已在 Meta 广告场景和目标上带来 18.9% 转化提升和 12% 广告点击率提升；过去一年还对 Facebook、Instagram 和站外转化分别贡献 5.8%、4.1% 和 1.6% 的转化增长。技术侧采用与最新 GPU 硬件协同设计的 LLM 风格架构 Kunlun，支持用户参与历史的长上下文学习，并在最大预训练规模上观察到 2.5 倍模型复杂度增长。后训练技术则用于在不实时评估全部广告候选的情况下扩大延迟预算。
火山引擎语音内容编辑：一句指令改口播用词
火山引擎多媒体实验室推出指令驱动的语音内容编辑模型，用户输入原始音频，并用一句自然语言说明“要改哪里、改成什么”，模型直接改写语音中真正说出的内容。技术路径是先用音频 Tokenizer 把原音频转成离散音频 Token，再与编辑指令一起输入；模型先完成 CoT 式语义规划，形成修改后的语义表达，再生成音频 Token，最后由声码器还原波形。解码阶段还会参考原音频的声学特征与说话人特征，以延续音色、韵律和上下文表达。官方示例包括把“败血症”改成“坏血病”、把“极速款”改成“极速版”。该模型面向口播纠错、广告改词、配音调整和存量素材再编辑，目标是不为几个词返工整条视频。
Higgsfield 接入 GPT-6 Astra，AI 视频时长突破 10 分钟
OpenAI 客户案例显示，Higgsfield 使用 GPT-6 Astra 把 AI 视频时长从 1 分钟提升到超过 10 分钟。该产品还使用 GPT-Image-2.5 提升视觉精确控制，并规划通过 GPT-Live 进入语音电影制作。三项能力分别对应视频时长、画面精度和语音制作路径，创作者可在同一平台组合使用。官方页面将这三项能力并列为 Higgsfield 的新功能组合。
来源：https://openai.com/index/higgsfield-longer-videos-voice
技术与洞察
OSWorld-Science：146 项科研任务，12 模型平均 34.3%
清华大学牵头、多所海内外高校与研究机构推出 OSWorld-Science，这是一个面向真实科研场景的计算机使用智能体评测基准。它包含 146 项专家设计任务，覆盖 7 大科学领域和 14 种科研软件配置，并由 12 个视觉语言模型测试。当前 12 个模型的平均任务得分为 34.3%。Claude Fable 5.1 以 73.7% 领先，Claude Opus 5、GPT-6 Astra 和 GPT-5.6 sol 分别为 57.9%、57.4% 和 50.1%。分学科看，统计任务普遍较好，化学任务只有少数模型超过 20%；GPT-6 Astra 在医学影像任务得分率达 69%，但化学任务表现不佳。成本方面，最高分模型并非最贵；Claude Fable 5.1 平均每项任务输出约 2.1 万 tokens，Gemini 3.1 Pro 平均输出约 15.7 万 tokens，得分却只有 17.2%。
来源：https://mp.weixin.qq.com/s/sbXVbgqMj6K2iRoQgiRN5w
AdaptEvo：按参考置信度分配奖励，审核超 Gemini3.8-Flash
小红书 AllSpark 团队联合社区审核算法团队、复旦大学和中山大学提出 AdaptEvo，用于法律判断、内容审核等规则约束下的情境决策任务。它交替执行 Training 与 Evolution：训练阶段固定决策知识和评分细则，阶段结束后冻结策略，从跨案例共性失败中提炼可复用决策知识，并修订过程评分细则。CA-GRPO 会根据参考置信度调整结果奖励与过程奖励比重，参考支持充分时更依赖结果反馈，支持较弱时提高过程反馈；结果奖励最高权重为 90%，过程反馈始终保留。训练集包含 3395 条案例，每条由 4 位审核员标注，其中 20.9% 存在人审分歧；在 2686 条人审一致案例中，仍有 718 条被离线支持评估模型认为存在歧义或支持不足。在多模态内容审核任务上，AdaptEvo 的精确标签准确率和二分类准确率均超过 Gemini3.8-Flash；相比 GRPO，同期和规则变化后的精确标签准确率分别提升 7.5 和 7.6 个百分点。
Anthropic 研究：小模型已完成跨设备感染链
Anthropic 一项新研究警告，小型 AI 模型可能只需几个月，就能在防护不足的消费设备之间自我扩散，例如智能电视和扫地机器人。测试中，已经有一个模型完成了完整感染链。CEO Dario Amodei 表示，这样的模型群体可能在 6 到 12 个月内形成持久僵尸网络，进而控制整个互联网，并造成数千亿美元损失。这一结论属于安全风险推演，并非已经发生的大规模攻击事件。
陶哲轩第三篇长文：数学进入“证明过剩”的 Math 2.0
陶哲轩在 Caltech 演讲《Math 2.0》，这是他针对 OpenAI、Anthropic 在 AI 数学上动作的第三篇系统回应。他指出，数学具有客观可验证、高度数字化和海量高质量文献数据三个特性，因此正从“证明稀缺”进入“证明过剩”；当解题本身不再稀缺，它作为理论、理解、社区和美学价值代理指标的作用会失效。Math 2.0 的路线是让 AI 加强人类理解与数学世界的交互，而不是只抢着解公开问题。他给出的落地案例包括：ETP 一次性裁决泛代数中 2200 万条真/假命题，逆伽洛瓦问题挑战第一阶段找到 25000 个 24 次 Galois 群多项式，Caltech Mathathon 于 11 月 13 日至 15 日举行，IEANTN 实时联动更新解析数论结果。
前瞻与传闻
OpenAI 洽谈复活 Sora，或与前研究负责人创企合作
据 The Information 报道，一家由好莱坞大亨杰弗里·卡岑伯格、Sora 前研究负责人比尔·皮布尔斯和 Dropbox 前首席财务官苏杰·贾斯瓦创立的初创公司，正与 OpenAI 洽谈获得 Sora 使用权。若交易达成，该公司可能获得足够深的模型访问权限，以便对 Sora 进行大幅定制，OpenAI 将获得股权，比例未披露。目前尚不清楚这家公司能否获得模型权重。OpenAI 今年早些时候暂停了 Sora 及其驱动的类 TikTok 应用，以削减服务器资源消耗巨大的边缘项目。
暂无评论。