Meta开源816B参数Muse Spark Open：两台Mac Studio可本地跑满【AI 早报 2026-10-16】
今日看点：Meta 把 816B 参数开源模型压到两台 Mac Studio 本地运行；OpenAI 披露 10,000 个 Agent 连跑 36–48 小时、日吞 1 万亿 Token 的极限实测；Anthropic 因日合并超 3 万次代码，7 人 5 个月自建新源码系统 Scion。小米、蚂蚁、阶跃同日推进开源模型与权重释放。
今日概览
要闻
- Meta开源816B参数Muse Spark Open：两台Mac Studio可本地跑满血
- OpenAI万级Agent实测：36到48小时吞1万亿Token，回测耗时降97%
- Anthropic日合并超3万次代码：7人5个月自建Scion，基础设施缩至Git镜像1/200
- Modal年化收入破10亿美元：D轮7.5亿美元、估值157.5亿美元
模型发布
- 小米开源空间音频理解大模型MiDashengLM-Spatial：双耳数据约1万小时
- 蚂蚁Ling-3.1-flash开源：560B参数激活25B，实测能搭新闻App
- 阶跃Step 5 Preview权重开放：600B参数激活27B，支持100万token上下文
- Google Gemini 4 Argon主攻机器人：ERQA基准得分87%
开发生态
- GitHub代码扫描告警Agentic autofix正式GA：最多一次修25条告警
- 清华等开源Agent工作台PilotDeck 2.0：优化办公文件与智能路由
- 小红书AllSpark提出CompoWorld：448个服务构建跨应用任务环境
- Anthropic Python SDK v1.15.0：Messages API新增speed参数
产品应用
- Amazon旗下Bee发布两款AI可穿戴：定价74.99美元与99.99美元
技术与洞察
- EMNLP 2026 SpecTr-GBV：统一多草稿与块验证加速推测解码
- Einsia AI发布EmbodiedEvo：RoboDojo平均分45.08、成功率38.95%
- 清华等发现LLM“思维惯性”：开放题显式推理率最高99.9%
行业动态
- Instinct创始人专访：成立一年估值100亿美元，年化交易额10亿美元
- NVIDIA开放Indic预训练方案：2.8万亿token与数据生成流水线
前瞻与传闻
- GitHub将于11月16日下线Claude Opus 4.8/5与GPT-5.6 Terra
- 库克确认苹果智能10月底进入中国：iPhone Duo只在中国生产
要闻
Meta开源816B参数Muse Spark Open：两台Mac Studio可本地跑满血
Meta 推出开源权重模型 Muse Spark Open，总参数量 816B，单次激活参数 42B，原生支持 100 万 token 上下文，面向长周期任务、复杂软件工程和多步推理。模型核心专长是写代码和执行 Agent 任务；报道同时指出，其编程跑分仍落后于几个月前的 Kimi K3 和 GLM 5.3。真正的变化在部署门槛：借助 MLX 框架，两台搭载 M5 Ultra 的 Mac Studio 可组成 1TB 统一内存桌面环境，每台带宽 1.2TB/s，从而完整运行该模型。官方本地 Agent 工作流测试中，它完成了 Ice Cubes 客户端开发，并对 DaVinci Resolve 素材做逐帧筛选与竖屏裁切。服务器侧，开源权重内置面向 SGLang 的 Helion GPU 内核，在 NVIDIA/AMD 上内核级提速 1.03–3.95 倍，AMD MI350 端到端提速 3%。权重与 API 已通过 Hugging Face、SageMaker AI、Model Garden、Foundry Models 及多家推理平台提供。
OpenAI万级Agent实测：36到48小时吞1万亿Token，回测耗时降97%
OpenAI 披露了一项由初创公司 Third Moment Research 执行的大规模 Agent 实测：10,000 个 Agent 同时运行 36–48 小时，每天消耗约 1 万亿 Token，单轮任务工作量被描述为相当于人类工程师 41 年。试验环境为 Docker 隔离容器，内置 1TB 历史行情数据、技术文档和量化代码库，首轮试验田选在量化金融。最初用 1 年美股逐笔订单数据回测一个策略需 3 小时，Codex 定位底层瓶颈后自行完成缓存优化与内存紧凑打包，把单次回测压到 3–5 分钟，降幅约 97%。在模型代际对比中，GPT-5.5 之前只能按脚本执行，GPT-5.5/5.6 搭配 Codex 可设计下一轮实验，GPT-6.1 Sol 已能主 Agent 拉数百到上千个子 Agent 并行验证，并发现某交易所非公开展示交易占比异常。
来源：https://mp.weixin.qq.com/s/4-OWkn8GF1SvyLZ3pnKROA
Anthropic日合并超3万次代码：7人5个月自建Scion，基础设施缩至Git镜像1/200
Anthropic 工程博客披露，公司日均代码合并量从 2026 年 5 月约 2,500 次涨到 9 月超 3 万次，增幅超 12 倍。为承接 Claude 高速生成代码带来的审查、测试与合并压力，一个 7 人团队用 5 个月自建版本控制系统 Scion，并把单体代码库从 Git 迁移过去。Scion 的变化重点是更多操作放到服务器端，客户端按需获取数据；以 CPU 和内存需求衡量，其源码管理基础设施规模约为此前 Git 镜像基础设施的 1/200。团队最初手写的数据导入管线原型后由 Claude Mythos Preview 早期版本重写，速度达到原来 4 倍，内存占用约为原来 1/20。此前 CI 任务量半年增至 25 倍，团队也经历三次临时补救，维持时间分别为 70 天、29 天和不到一天。
Modal年化收入破10亿美元：D轮7.5亿美元、估值157.5亿美元
Modal 宣布年化收入（ARR）突破 10 亿美元，并完成 7.5 亿美元 D 轮融资，投后估值 157.5 亿美元，由 Accel 领投。公司称自 C 轮以来使用量增长至 3 倍，同比增长超过 15 倍。核心产品 Sandboxes 于 2023 年上线，目前单独年化收入约 3 亿美元，累计启动接近 30 亿个沙箱，可扩展到 100 万并发。用例覆盖后台 Agent、强化学习、vibecoding 平台等。Modal CTO Akshat Bubna 还提到，早期客户大规模天气数据处理续费约 500 美元时团队曾担心金额过高，与当前账单规模形成对比。
来源：https://www.latent.space/p/ainews-modals-1b-arr-16b-series-d
模型发布
小米开源空间音频理解大模型MiDashengLM-Spatial：双耳数据约1万小时
小米发布并开源 MiDashengLM-Spatial，称其为业界首个开源的端到端空间音频理解大模型。模型以 MiDashengLM-7B 为基座，目标是在保留通用音频理解能力的同时，判断声音方向、距离与空间分布。架构采用双分支音频编码器：Dasheng Semantic Encoder 继承 MiDashengLM 原编码器，骨干为 Dasheng-Huge（0.6B）；Dasheng Spatial Encoder 使用轻量 Dasheng-Base（86M）。两条分支通过跨层语义到空间特征注入连接，空间分支利用语义信息，但不改变语义分支原信息流。训练上，小米用约 1 万小时双耳音频扩展空间能力，规模远小于原始 MiDashengLM 的 100 万小时以上音频数据，并基于 HRTF 与虚源法合成约 1 分钟的双耳场景。此前 Dasheng 相关技术已在小米智能家居、汽车座舱等场景落地超 30 项。
蚂蚁Ling-3.1-flash开源：560B参数激活25B，实测能搭新闻App
蚂蚁百灵 Ling-3.1-flash 于 9 月 30 日发布后正式开源，总参数量约 560B，每 Token 激活参数约 25B，上下文上限 1M，面向日常办公、长周期软件研发和复杂 Agent 任务。Artificial Analysis 测试显示其智能指数 41，输出速度约每秒 210 Token，混合调用价格约每百万 Token 0.19 美元。实测中，模型可检索 Meta、微软、Alphabet 近三年财报并生成可编辑数据表与交互式网页；在工作信息整理任务中输出 33 项未完成待办，并按逾期、阻塞、到期排序。它还把《桃花源记》做成可漫游的 3D 方块场景，并参考智东西官网生成包含 13 篇真实新闻的手机新闻 App Web 原型，覆盖首页、搜索、详情、收藏。Design Arena 开放权重评测中，该模型在数据可视化、React Native 移动应用、3D 设计与游戏开发四个方向均列第三。
阶跃Step 5 Preview权重开放：600B参数激活27B，支持100万token上下文
阶跃星辰正式开放 Step 5 Preview 权重，包括 BF16 与 FP8 权重、技术博客和配套开源开发工具。模型采用稀疏 MoE 架构，总参数量 600B，每 Token 激活 27B，支持 100 万 token 上下文，原生支持文本与视觉输入，重点覆盖 AI 编程、软件工程、专业知识工作和金融场景。官方称其近期在 OpenRouter 周调用量、日调用量榜单位列全球第二。权重已上线 Hugging Face 与 ModelScope，并适配 vLLM、SGLang、Transformers 及多种芯片平台。技术博客披露的关键设计包括 92 层窄深架构、Sparse GQA 的 8 token 块级索引（将索引与 top-k 开销降至原 1/8）、关键状态保留 FP32、百万级可验证环境，以及把上下文压缩纳入端到端策略训练。
Google Gemini 4 Argon主攻机器人：ERQA基准得分87%
Google 的 Gemini 4 Argon 被定位为可同时服务机器人控制、仿真生成与训练视频评估的模型。它既能控制机器人，也能从照片或草图生成仿真，并评估训练视频。Google 自家 ERQA 基准上，Gemini 4 Argon 得分 87%。报道同时指出，公开示例提示显示这些演示仍需大量人工引导，距离完全自主执行还有距离。该模型此前已在 Google Cloud 的 Gemini at Work 2026 上面向编程、金融、法律、网络安全和科学等复杂任务推广。
来源：https://the-decoder.com/google-wants-gemini-4-argon-to-be-the-only-ai-model-robots-need/
开发生态
GitHub代码扫描告警Agentic autofix正式GA：最多一次修25条告警
GitHub 宣布 Agentic autofix for code scanning alerts 正式 GA。该功能像开发者一样跨代码库工作：探索相关文件、生成修复方案、重跑 CodeQL 验证告警是否关闭，然后打开草稿 PR 供审查。PR 中包含修复摘要、关闭告警原因以及 Copilot 采取的验证步骤。用户可从默认分支的单个告警分配给 Copilot，也可在告警列表或安全活动中一次选最多 25 条告警，让 Copilot 在单个 PR 中一起修复；REST API 可通过将 assignees 设为 ["copilot-swe-agent[bot]"] 调用。功能面向 GitHub Code Security 与 GitHub Advanced Security 企业云客户，含数据驻留版本，需企业管理员开启策略并定义 Copilot 计费方式。计费上，Agentic autofix 消耗 Code Security 预算中的 AI Credits 和 GitHub Actions 分钟数。
清华等开源Agent工作台PilotDeck 2.0：优化办公文件与智能路由
PilotDeck 是由清华大学 THUNLP、面壁智能、OpenBMB 和 AI9Stars 联合开发的开源 AI Agent 工作台，近期更新 2.0。它以工作区组织任务，每个工作区有独立文件、记忆和技能，支持项目级隔离；记忆白盒化，可查看生成、抽取、存储与使用链路，出错可定位修改，并用 Dream 模式在空闲时间归纳整理。2.0 重点优化日常办公：Word Skill 支持批注、修订和页面检查，Excel Skill 关注数据、公式与计算结果，PPT Skill 通过结构检查、前后对比、逐页渲染核对成果。智能路由会把规划和执行分给不同模型；官方测试称，主子模型全用同一模型比开启智能路由费用高 4 倍多。部署支持官网桌面安装包、一键脚本、源码 pnpm 与 Docker，本地默认访问 http://localhost:3001。
小红书AllSpark提出CompoWorld：448个服务构建跨应用任务环境
小红书 AllSpark 团队提出 CompoWorld（Compositional Environment Scaling），通过组合可复用服务来扩展通用 Agent 的训练环境与任务空间。团队构建了 448 个服务、10,130 个工具，涵盖邮件、日历、数据库等场景；服务从公开 MCP 工具规范出发，由 Coding Agent 编写实现与测试，未通过检查的工具不会被当作已验证实现。对于难本地实现的工具，7.1% 依赖世界模型模拟，约 10% 样本调用至少一个此类工具。任务生成采用服务级依赖图，可要求 Agent 重复访问某服务以处理状态更新；以每次选 5 个服务计算，448 个服务对应约 1.47×10¹¹ 种候选组合。团队用 3K 条 SFT 轨迹和 1K 个强化学习任务训练 Qwen3.6-35B-A3B，八项 Agent 基准平均提升 9.17 分；AutomationBench 任务成功率从 10.33% 提升到 32.33%。
Anthropic Python SDK v1.15.0：Messages API新增speed参数
Anthropic Python SDK 发布 v1.15.0。该版本在模型能力 API 的 thinking 类型中增加 between_tools；Messages API 新增 speed 参数，并在 usage 中返回 usage.speed；同时可读取 Console 组织的 usage-tier spend cap。这次更新集中在 API 能力暴露与计费信息返回上，便于开发者在 Python 侧直接读取速度相关用量和限额字段。
来源：https://github.com/anthropics/anthropic-sdk-python/releases/tag/v1.15.0
产品应用
Amazon旗下Bee发布两款AI可穿戴：定价74.99美元与99.99美元
Amazon 去年收购的 AI 可穿戴公司 Bee 推出两款新品：Bee Frontier 是可佩戴在手腕或别在衣物上的下一代设备，售价 74.99 美元；Bee Eclipse 是信用卡尺寸设备，可磁吸在手机背面，售价 99.99 美元。两者都用于采集日常对话并生成摘要、待办和洞察，例如根据朋友约定创建日历邀请。免费功能包括对话摘要和 14 天记忆；Bee Pro 订阅每月 11.99 美元，提供无限摘要、个人聊天助手及与 Amazon.com、Alexa+、Gmail、Microsoft Outlook 等集成。隐私方面，Bee 称其实时处理音频但不存储音频，转录文本由用户设备控制的密钥加密，Amazon 员工也无法访问。Bee Frontier 已可在 Amazon 购买，Bee Eclipse 随后上市。
技术与洞察
EMNLP 2026 SpecTr-GBV：统一多草稿与块验证加速推测解码
SpecTr-GBV 将 multi-draft 与 greedy block verification（GBV）统一进同一推测解码框架，论文作者来自中国人民大学和中国医科大学。现有推测解码通常分两条路线优化：multi-draft 生成 K 条草稿序列以提高候选可接受概率，block verification 一次验证更长 token 块以提高单次接受上限。SpecTr-GBV 从 K 条 i.i.d. 草稿出发，把每条草稿的不同前缀视为候选 sub-block，并把验证写成最优传输问题：在保持 draft 与 target 边缘分布不变的前提下优化 coupling。其接受长度定义为“存在某条草稿长度为 i 的前缀与 target 完全一致”的最大 i，直接优化整个 block 的期望接受长度。相比 SpecTr 的逐位置验证，SpecTr-GBV 以 sub-block 为单位联合验证，并在多条草稿中搜索最长可接受子块。
Einsia AI发布EmbodiedEvo：RoboDojo平均分45.08、成功率38.95%
Einsia AI 旗下 Navers Lab 提出 EmbodiedEvo，一个自进化 Coding Agent 系统，用 Python 程序控制机器人并在持续交互中积累代码 Skills 和文字 Lessons。系统只提供四个环境原语：get_instruction()、get_observation()、step(action) 和 reset()，逆运动学与动作插值由底层控制器处理，抓取等高级技能需要 Agent 自己组织。每个任务先在一个 Playground 场景探索，再冻结经验 harness，交给新 Agent 在未见场景评估；整个过程不更新模型权重。在 RoboDojo 评测中，EmbodiedEvo 取得平均分 45.08、成功率 38.95%，超过所有 VLA/WAM、Agent、Agent+VLA 方法，位于 Agent 赛道榜首。
来源：https://mp.weixin.qq.com/s/eRUBxlDFxuEXfdRp4PNYBQ
清华等发现LLM“思维惯性”：开放题显式推理率最高99.9%
清华大学联合牛津大学、斯坦福大学提出“Thinking Inertia”现象：被告知不要思考时，LLM 仍可能继续推理。研究测试 6 个主流模型、6 个基准、6 种干预方案、超过 57 万条输出，发现没有一种“别思考”指令能让模型完全闭嘴；DeepSeek-V4-Flash 在开放题上即使关闭思考模式，仍有 99.9% 回答包含显式推理。研究用三层标尺区分“表面关闭”和“真的没想”：L1 空思考率、L2 问题相关度、L3 由 GPT-5.5 盲评的显式推理率。核心规律是答案空间越开放，模型越难停下：判断题 ETR 可达 80–100%，开放题接近 0；从 M2 切到最强压制 M5 时，开放题 ETR 从接近 0 升至约 40%，但平均准确率下降约 15 个百分点。同一批 Qwen3-32B 数学题只改答案界面，选择题准确率 77.8%、ETR 10.5%；改判断题后准确率 78.9%、ETR 升至 62.5%；改开放题后准确率跌到 52.6%、ETR 为 0%。
行业动态
Instinct创始人专访：成立一年估值100亿美元，年化交易额10亿美元
Instinct 创始人 Noah Shinn 今年 23 岁，2023 年从美国东北大学辍学，曾加入 Sierra，随后创办 Instinct。公司成立一年、14 名员工，最新完成 10 亿美元融资，由红杉资本、Benchmark 和 Coatue 联合领投，估值从一个月前的 25 亿美元升至 100 亿美元。产品没有独立 App，用户通过短信、电话和邮件联系它订机票、取消订阅、安排聚会；早期采用邀请制，甚至有人在 eBay 花 300 美元购买邀请码。Noah 披露，Instinct 年化交易额已达 10 亿美元量级，约一半来自旅行；普通用户通常需 2–3 周开放银行卡、邮箱等核心权限，约 40% 用户在三周后绑定个人信用卡，绑定过敏感信息并体验到价值的用户留存率约 80%。商业模式不做广告，而走交易佣金；他以高端酒店愿为有效订单支付 20%–30% 佣金为例，对比 Shopify 综合变现约 2.5%–3%、Amazon 超 10%、App Store 可达 30%。
NVIDIA开放Indic预训练方案：2.8万亿token与数据生成流水线
NVIDIA 在 Hugging Face 博客发布 Indic 预训练扩展文章，主题为 2.8 万亿 token 的预训练规模与一套开放数据生成流水线。当前可见摘要信息较少，主要确认这是一个面向 Indic 语言的预训练数据扩展方案，并包含可开放使用的数据生成流程。更具体的模型结构、评测成绩和工具链细节需查看原文与配套仓库。
来源：https://huggingface.co/blog/nvidia/scaling-indic-pretraining
前瞻与传闻
GitHub将于11月16日下线Claude Opus 4.8/5与GPT-5.6 Terra
GitHub 公告称，将于 2026 年 11 月 16 日在所有 GitHub Copilot 体验中下线三款模型：Claude Opus 4.8、Claude Opus 5 和 GPT-5.6 Terra。建议替代分别为 Claude Opus 5.5，以及 GPT-6.1 Sol 或 GPT-6 Luna。Claude Opus 4.8 对年费个人 Copilot 订阅者保留，不适用于该下线安排。默认模型启用下，Copilot Enterprise 与 Copilot Business 客户会自动启用建议替代模型；若管理员关闭全局默认或显式禁用，则需在模型策略中手动开启。GitHub 提醒开发者在日期前更新工作流和集成。
库克确认苹果智能10月底进入中国：iPhone Duo只在中国生产
苹果现任董事会执行主席蒂姆·库克确认，Apple Intelligence 中国版将在 10 月底推送测试版，首批功能包括实时翻译、照片 App 消除工具和写作工具；基于 Google Gemini 重构的新 Siri AI 不在其中。备案信息显示，苹果 9 月 29 日获得相关许可，多款国行 iPhone 完成进网许可换证，新增通义千问、通义万相与苹果智能三项大模型备案，覆盖 iPhone 15 Pro 及之后机型。据相关媒体爆料，中国版 Apple Intelligence 云端模型能力由阿里承担，百度负责 Siri 和视觉智能的本地化适配。库克还表示，将于 10 月 23 日上线的 iPhone Duo 折叠屏手机全部放在中国工厂生产。
暂无评论。