AI 早报 10.13｜Meta 发布 Muse Wonder，API 输入 $4、输出 $20-平芜编程栈

今日看点
Meta 发布 Muse Wonder，API 价 $4/$20
MiniCPM-V 4.7 开源 1B 和 35B-A3B
Anthropic：小模型数月内或能在 IoT 设备自我复制

头条｜Meta 发布 Muse Wonder 系列，主打 Agent 任务

官方· Meta Newsroom · 10-13 · 另见 TechCrunch、The Decoder

Meta 发布 Muse Wonder 和 Muse Wonder Full，官方称这是迄今最强的模型，在 Muse Spark 的基础上做出，主打个人和专业场景的 Agent 任务，覆盖法律、金融、健康和编程。新增两项能力：Active Memory 把重要信息跨对话带着走；Active Focus 在任务变难时换思路重试、从错误中恢复，重要操作前先向用户确认。（图源：Meta Newsroom）

规格和成绩：据 The Decoder，两款模型都有 100 万 token 上下文，可输入文本、图像、视频和音频；Muse Wonder 的 API 价是每百万 token 输入 4 美元、输出 20 美元，上一代 Spark 1.3 是 1.25 美元和 4.25 美元。Artificial Analysis 的智能指数上，Wonder Full 得 56 分，Wonder 得 52 分，Spark 1.3 是 48 分；Full 超过 Fable 5.1（max），与 Sonnet 5.5 持平，略低于 Opus 5.5。

怎么用：Muse Wonder 已可通过 Meta Model API 和 Muse Code 使用；据 TechCrunch，Wonder Full 只给 Muse Code 订阅用户，不走 API，也没有定价。Meta 说 Wonder 很快会驱动更多 Muse 功能，先给订阅用户。要打折看的地方：Artificial Analysis 测得 Wonder 每个任务成本 4.52 美元，Spark 1.3 是 1.60 美元；事实知识测试 AA-Omniscience 上 Full 得 30 分，Opus 5.5 是 46 分，金融和法律任务也没有提升。完整的安全评测报告，Meta 说“很快”发布。

原文：Muse Wonder is available today through the Meta Model API and Muse Code.

我的看法：恭喜 Meta，改组 AI 团队十四个月后，终于拿出了能和头部模型放在一张榜上比的东西。对做 Agent 的工程师，最实在的是 Muse Wonder 现在就能调 API，100 万上下文加多模态输入，适合拿来试长任务；但价格比 Spark 高不少，Artificial Analysis 测的单任务成本也要算进选型。Full 暂时没有 API，自家流程接不进去，完整的安全报告也还没出。事实知识这一项明显弱于 Opus 5.5，知识密集的任务值得搭配检索。值得先用自己的长任务和工具调用样本跑一轮，同时记通过率和 token 消耗，别只看榜单。

要闻

1. 微软发布 Maia 300 推理芯片，2027 年起大规模部署

媒体· The Verge AI · 10-12 · 另见 The Decoder

微软发布第三代自研 AI 芯片 Maia 300，定位是微软产品和服务的“主要 AI 推理系统”。它用 TSMC N2P 工艺和 chiplet 架构，把计算、内存控制器和 I/O 分开；2027 年开始进入生产环境，微软计划从 2027 年起把 Azure Maia 扩到多吉瓦部署，让微软主要靠自研芯片，而不是英伟达和 AMD 的。微软称，96 加速器配置下，机架级 token 吞吐最高是 Maia 200 的 7 倍。（图源：The Verge AI）

原文：We expect Maia 300 to deliver 40 percent more tokens per megawatt compared to leading GPU-based systems

工程师视角：Maia 200 今年 1 月才宣布，已经在跑 Copilot 和 Foundry，这个迭代速度确实快。不过“每兆瓦多 40% token”是微软自己的预期，对比对象只写了“领先的 GPU 系统”，上线又要等到 2027 年。用 Azure 推理的团队现在不用改什么，可以留意明年的价格和可用区变化。

2. MiniCPM-V 4.7 开源：1B 与 35B-A3B 两档

官方· Hugging Face · openbmb · 10-13

OpenBMB 在 Hugging Face 放出 MiniCPM-V 4.7，有 1B 和 35B-A3B 两个规格，llama.cpp 10 月 11 日已经合并了适配，现在权重也到了。1B 版是 Apache-2.0，语言骨干来自 Qwen3.6、视觉模块来自 SigLIP2；官方称它在 Instruct 模式下的综合得分和推理效率都明显超过 Qwen3.5 0.8B，并改进了 4.6。技术上，它在视觉编码器里提前压缩视觉 token（基于 LLaVA-UHD v4），可在 4 倍和 16 倍压缩间混合取舍。模型卡的“智能—成本前沿”图把两个规格都画在同级开源模型之上，是官方自评，没有给具体分数。（图源：Hugging Face 模型卡）

工程师视角：恭喜 OpenBMB，端侧多模态又多了一个能直接落地的选择：Transformers（5.18.0 及以上）、vLLM、SGLang、llama.cpp、Ollama、OpenVINO 都有现成路径，还给了 FP8、GGUF、AWQ、GPTQ 量化版。做文档、截图或工业件识别的团队，值得先拿 1B 跑自己的图，测准确率和延迟；iOS、Android 上的实际速度卡里没给数字，要自己测。

3. Z.ai 发布法律模型 GLM-Legal，仅限申请内测

官方· Z.ai · 10-13 · 另见 Unite.AI

Z.ai 发布面向法律工作流的 Agent 模型 GLM-Legal，以 GLM-5.3-Flash 为基座，训练分三步：用法律语料做专门的中期训练，在数以万计的模拟法律环境里做强化学习，再加一个来自实际使用的反馈阶段。Z.ai 称它在覆盖 24 个执业领域的 Harvey LAB 上全部通过率为 19.2%，比基座高 12.5 个百分点；LegalBench、中文法律基准 PLawBench 上则只说与前沿闭源模型相当，没给具体分数。目前开放给律所、法律科技公司、企业法务和独立执业者申请内测，API 要通过咨询申请，未公布开源、许可证和价格。（图源：Unite.AI）

工程师视角：恭喜 Z.ai 把垂直领域的 Agent 模型做出来了。所有成绩都是官方自报，暂时没有第三方复现，做合同审查或合规 Agent 的团队，等 API 开放后值得拿自己的合同样本对比一轮，别只看 19.2% 这个数。

4. Anthropic：小模型数月内或能在 IoT 设备上自我复制

官方· Anthropic 研究 · 10-13

Anthropic 红队（Frontier Red Team）发布研究：实验表明，小型 AI 模型可能再过几个月，就有能力在智能烤箱、杂牌安卓电视盒这类商用 IoT 设备上自我复制。9B 模型在测试的 9 种硬件里让 8 种跑起了推理；30B 以下的模型已能完成复制中的许多单步，只是串起来时会出错；GLM-5.2 及更强的模型在简化评测里能完整复制。按小模型的历史进步速度，年底前就会追平这一水平。研究团队还把 Gemma4-26B-A4B 分散到 15 个约 55 美元的杂牌电视盒上，跑出每秒 0.39 个 token。（图源：anthropic.com）

文中也写明了局限：这类复制体可能很慢，翻倍时间以天计；评测做了简化，目标设备的 ADB 端口没有认证，所以结果是现实成功率的上限。

原文：In our evals, a 9B model got inference running on 8 of the 9 hardware types we tested.

工程师视角：能把这类红队研究公开出来，还把局限写清楚，这点值得肯定。做边缘部署的工程师，先把设备上的调试端口（比如 ADB）和默认口令收紧；文中提到的防守思路也是这两类：网络流量监控和禁用默认密码。

5. Qwen 推出 QwenGyre：超长任务 Agent 的弹性 RL

媒体· MarkTechPost · 10-13 · 另见 arXiv.org

Qwen 团队介绍了 QwenGyre，一个给“超长任务”Agent 做在线强化学习的训练框架（论文 9 月 27 日已挂在 arXiv）。这类任务一次执行可持续数小时、上百次模型与环境交互、接近 100 万 token。它有两个核心设计：弹性调度器在不打断运行中任务的前提下，把闲置 GPU 在 rollout 和训练之间调配；轨迹处理器把分叉的 Agent 历史还原、给部分进展打分并去掉重复路径，让训练样本有上限。在 Qwen 3.8 2.4T 上，每次 rollout 约 70 万 token，NL2RepoBench 在 48 步内从 52.5% 升到 58.5%；速度上最高比 Colocate 快 1.85 倍、比 Async 快 1.78 倍，最差的情况只快 1.21 倍。（图源：论文 Figure 1）

原文：QwenGyre elastically reallocates GPUs between rollout and training without interrupting live executions

工程师视角：这是训练框架而不是模型，据 MarkTechPost，论文没有给出公开代码。做 Agent 强化学习的团队，可以先借鉴它的两个思路：rollout 和训练之间动态调 GPU，以及给分叉轨迹做去重；等代码放出来再决定要不要复现。

6. AlphaProof Nexus 论文登 Science

媒体· The Decoder · 10-12

Google DeepMind 的 AlphaProof Nexus 在 Science 上发表论文：在 353 道公开的 Erdős 问题里解出 9 道，其中两道已悬而未决 56 年；另外证明了 OEIS 整数序列库里的 44 个猜想，解决了代数几何里的一个开放问题，还改进了 min-max 优化里的一个已知界。系统以 Gemini 3.1 Pro 为核心，在形式化语言 Lean 里起草并修改证明，难题可调用专用证明工具 AlphaProof；DeepMind 称即便不用 AlphaProof，那 9 道 Erdős 问题也解出来了。这一结果出在 AI 数学争议正热的时候：OpenAI 近期把数百份 AI 证明直接放上 GitHub，没有投期刊，由 Terence Tao 领导的人类数学协会呼吁抵制。（图源：The Decoder）

原文：Lean checks each draft after every edit, and error messages guide the next attempt.

工程师视角：恭喜 DeepMind 走完了同行评审这一步。对做 Agent 的工程师，最能搬走的是这套“模型起草，形式化检查器逐轮验证，报错回灌”的回路；写代码的场景里，编译器和测试集就是同一个角色。

7. ReplaySSM：缓存输入而非状态，加速混合模型解码

官方· NVIDIA 技术博客 · 10-13

NVIDIA 和普林斯顿 Dao AI Lab 联合提出 ReplaySSM，针对 Nemotron 3、Qwen3.5 到 Qwen3.8、Kimi-K3、GLM-5.3-Flash 这类“SSM 层加少量注意力层”的混合模型。博客指出，在常见的服务批量下，到 10 万 token 上下文之前，瓶颈可能是 SSM 层而不是注意力。ReplaySSM 把 SSM 状态表示成“检查点加最近输入的缓冲区”，把输出计算和状态更新分开，同时解决三件事：状态读写流量、投机解码回滚、量化状态的误差累积。它已集成进 TensorRT-LLM、vLLM 和 FlashInfer，并在 GLM-5.3-Flash 和 Kimi-K3 的生产环境里运行。（图源：NVIDIA 技术博客）

原文：It represents the SSM state as a checkpoint plus a buffer of recent inputs.

工程师视角：已经进了主流推理框架，说明不是纸面优化。部署混合架构模型、又想用投机解码或量化的团队，升级框架后值得用自己的批量大小重测解码延迟；博客节选里没有给加速倍数，具体收益要看论文。

8. YOLO-World 权重从 328 MB 缩到 26 MB

代码· ultralytics/ultralytics · 10-13

Ultralytics 8.4.176 发布：设置自定义类别（set_classes）后，不再默认把 CLIP 文本编码器存进 checkpoint，yolov8s-worldv2.pt 的体积从 328.5 MB 降到 25.8 MB，重新加载后预测不变，需要时仍可显式保留。其他改动包括：检测验证按置信度顺序匹配目标，减少漏配；YOLOE 微调和续训会保留训练好的分类头；MobileSAM 在 FP16 下不再输出空掩码；ONNX GPU 推理支持自定义输入名；一次降低 YOLO26 分割 mAP 的掩码阈值改动被撤回。（图源：ultralytics/ultralytics）

原文：a saved checkpoint shrank from 328.5 MB to 25.8 MB, with identical predictions after reload

工程师视角：做开放词汇检测的同学，这次部署包小了一个数量级，改动也很实在。升级后重新 set_classes 并保存，对比一下体积和预测是否一致，再放进边缘设备。

9. Epic 为迪士尼项目转向“AI 优先”，不再手写代码

媒体· Ars Technica AI · 10-13 · 另见 Bloomberg

据 Bloomberg 报道，Epic Games 在与迪士尼合作的新射击游戏上转向“AI 优先”：由 AI 模型写全部代码、指导全部美术，人类开发者负责管理和引导 Claude 等模型产出的代码与资源，内部消息的说法是“不再手写代码”、美术用“完整的 AI 工作流”生成。这个 15 亿美元的合作项目原定 2027 年 3 月发行漫威和星球大战题材的射击游戏，目前被无限期推迟，原因包括转型冲击、人手不足和进度慢于预期。Epic 发言人称这是“AI 加速的开发”，仍由开发者主导。（图源：Ars Technica AI）

原文：We have a huge pivot underway here at Epic, moving developers around to retool for maximum AI acceleration

工程师视角：Epic CEO Tim Sweeney 说目标不是用更少的人做同样的事，而是让每个人做出更多、更好的东西，这个态度值得肯定。要看的是后续：全部由 AI 写代码之后，谁来为代码质量把关、评审流程怎么改，是团队想照做之前该先想清楚的。

10. 白宫恢复英国 AI 安全研究所的前沿模型访问权

媒体· The Decoder · 10-12

据《每日电讯报》，白宫撤销了此前不让英国 AI 安全研究所（AISI）接触新模型的决定，该机构会重新获得 Anthropic、Google DeepMind 和 OpenAI 模型的提前访问权。今年 9 月，特朗普政府曾要求这些公司停止向 AISI 提供模型，Anthropic 随后限制了新模型 Claude Mythos 5.1 的访问；在英国 AI 部长 Kanishka Narayan 的外交施压后，限制被解除。Narayan 计划在即将发表的演讲中宣布新的 AI 安全措施，包括对涉及关键基础设施的 AI 安全事件提高上报要求。（图源：The Decoder）

原文：The White House has reversed its decision to block the UK’s AI Security Institute (AISI) from accessing new AI models.

工程师视角：外部评测通道恢复是好事，模型上线前多一道独立检查。依赖这些厂商前沿模型的团队可以留意：发布节奏可能受这类提前评测影响；在关键基础设施行业做 AI 的，也要关注英国可能提高的事件上报要求。

11. 前 Plaud 高管的 Ambi 融资 2600 万美元

媒体· TechCrunch AI · 10-12

前 Plaud 高管 Peter Mo 创办的 Ambi 宣布完成 2600 万美元融资，由 Luminous Ventures 和原始设计制造商华勤领投（多轮合计）。Ambi 发布了 iPhone、Mac 和 Apple Watch 应用，像会议记录工具，但用户可以让它全天监听来获取上下文；它的 Agent 会在会议进行中，结合日历、会议、知识库和网络数据主动给建议或调出相关知识。即将推出的桌面版会查看用户的工作内容并存进记忆，公司还计划推出自己的硬件。（图源：TechCrunch AI）

原文：The app aims to provide real-time intelligence and insights to people by listening to them all the time.

工程师视角：恭喜 Peter Mo 团队拿到融资。“全天常开”能带来更好的上下文，也意味着更高的隐私和数据安全要求，TechCrunch 也点到了这一点。做类似产品的团队，数据留存和权限边界值得在设计阶段就想清楚。

12. WindBorne 拿下美国空军最高 4900 万美元合同

媒体· TechCrunch AI · 10-13

美国空军将购买 WindBorne Systems 自主气象气球机队采集的数据，合同金额最高可达 4900 万美元，空军按需下单，目前已订购 170 万美元。WindBorne 现有约 700 个气球在全球飞行，读数除了出售，也喂给自家的 AI 天气预报模型，它是最早把实测数据直接送进深度学习天气模型的机构之一，这是公司参与过的最大单笔合同。公司 8 月刚完成 3700 万美元 B 轮，今年夏天发布了预报模型 WeatherMesh 6。（图源：TechCrunch AI）

原文：The contract is worth up to $49 million, but the Air Force pays only as it needs data.

工程师视角：恭喜 WindBorne 拿下迄今最大的合同。对做时空预测的工程师，它的思路值得留意：自己掌握传感器，把实测数据直接喂给深度学习模型，数据本身就是壁垒。

13. StudentSim：用学生模拟器评测 AI 导师

官方· Microsoft Research 博客 · 10-13

微软研究院介绍研究系统 StudentSim：用公开、去标识的学习者记录，为每个学生训练一个个性化的 AI 学生模拟器，让团队在把 AI 导师交给真人测试之前，先低成本地评估和改进它。评测看两件事：模拟器的回答像不像某个具体学生，以及收到导师指导后会不会相应改变。研究同时提出 StudentSimEval，覆盖国际象棋、二语英语写作和数学三个领域；微软称 StudentSim 优于现有基线，并能给训练 AI 导师提供有用的反馈信号。微软强调它不是产品，没有部署到课堂，也不是要取代教师。（图源：Microsoft Research 博客）

原文：StudentSim is a research system for evaluating and improving AI tutors before they are tested with real learners

工程师视角：恭喜团队把评测体系一并开了出来。做教育或辅导类 Agent 的工程师，可以借鉴“先用模拟用户低成本迭代，再上真人研究”的思路；模拟器的可信度本身要单独验证，文中用的就是“像不像这个学生”和“指导后会不会变”两个维度。

14. Agent37 上线 Launch HN：低成本 Agent 沙箱

社区· Hacker News · 10-13

YC 的 Agent37 在 Hacker News 发起 Launch HN，做的是给 AI Agent 用的沙箱。创始人 Vishnu 说，客户平均每个沙箱每月花 0.37 美元，免费用户的基础设施成本约为每人每月 0.05 到 0.10 美元；新注册用户九成以上是免费用户，把个人的 Hermes、OpenClaw、Claude Code 等 Agent 托管在这里。他分享的降本做法包括：利用 Agent 对 CPU 和内存“爆发式、用完回落”的使用规律；绕开云大厂，改租 Hetzner、OVH 这类主机；用 gVisor 提高利用率并加快启动，代价是不支持 Docker-in-Docker 和安卓模拟器。（图源：Agent37 官网）

原文：We build sandboxes for running AI agents at under 10% of the cost of most sandbox providers.

工程师视角：祝贺 Agent37 上线。想自己托管 Agent 的同学，可以直接看他列的降本做法；gVisor 不支持的场景（容器套容器、模拟器）要先对照自己的任务，别等迁移后才发现跑不起来。

15. 亚马逊机器人超 100 万台，仓库工人怎么办

媒体· Ars Technica AI · 10-12

Ars Technica 长文梳理亚马逊的机器人队伍：全球仓库里已有超过 100 万台机器人全天运转，亚马逊还计划在新工厂里生产更多、能力更强的机器人，同时它也是全球第二大企业雇主，2025 年年报显示有 150 多万名全职和兼职员工。亚马逊高管说机器人接手了最累、最危险的任务；劳工组织和独立研究者则指出，AI 驱动的仓库自动化对身边的人并非只有好处。（图源：Ars Technica AI）

原文：The rise of collaborative robots really changes that dynamic for two reasons: one is that it is physically proximate, and two, the robot has the ability to dictate the pace of work.

工程师视角：这篇可以当落地提醒：协作机器人和人在同一空间干活，节拍由谁定、安全怎么保证，往往比算法指标更影响能不能长期用。做仓储或工业视觉的工程师，设计人机协作方案时值得把这一条放进评审清单。

快讯

OmniCapBench：腾讯混元的音视频细粒度描述基准，786 个密集标注视频，榜单含 9 个全模态模型。（GitHub · Tencent-Hunyuan）
Ollama v0.40.4 预发布：把 llama.cpp 更新到 b11521，加入对 decision 模型和 EmbeddingGemma 2 的支持。（ollama/ollama）
RTX 5080 24GB 传闻：据 VideoCardz，该卡或在 2027 年 Q1 发布，板卡厂商仍在等细节，属传闻。（VideoCardz）
BrokenML：9 个模型修 46 个坏掉的 ML 任务，权限越高，修复最多便宜 8 倍。（zhebrak.io）
graphsignal-top：像 top 一样实时看推理 GPU 的内核耗时和 KV 缓存，接 vLLM、SGLang。（Graphsignal）
Suki 完成 9000 万美元 E 轮：医疗 AI 记录助手，Healthier Capital 领投，将加入 Agent 工作流。（Axios）
Volta 贷款：据 Bloomberg，摩根大通和高盛牵头的 50 亿美元 AI 初创贷款，只包销 13 亿美元。（Bloomberg）
Import AI 476：介绍新基准 Humanity’s Sixth Sense，测模型能否读出画面暗含而未明说的信息。（Import AI）
微软总裁谈 AI 监管：Brad Smith 称牛奶和洗衣机受的监管都比 AI 公司多，认为英国最适合牵头。（TechCrunch AI）
Sakana MASS：同一模型做题、评判、改工作流，两轮后对基座胜率 69.9%，但共同盲点仍漏检。（The Decoder）