@bubbleboi 表示，Muse 下载了 Blender 和一款面部建模工具，找到一张 Mark Zuckerberg 的图片，并在 M3 MacBook Pro 上模拟运行《Metal Gear Solid V》，以便把 Zuckerberg 的脸放到 Venom Snake 身上。@bubbleboi 还表示，Muse 在浏览器中完成了一项 Minecraft 任务。 Alexandr Wang 评价道：“说实话，Muse Wonder 好像做出了一款爆款游戏”
Muse Wonder，专为设计而生！
QbitAI 报道称，数学爱好者 nor 使用 GPT-6 Astra 证明了在圆内装填 15、16、17、18 和 20 个单位圆盘时的最优性，从而完成了 N≤20 的剩余情形。该方法结合了几何约束、有限的计算枚举和精确的最优性论证。nor 表示，过程中有大量人工参与，包括引导模型、修复问题、手动验证有效性，以及使用 Astra 和 Opus 5.5 重新检查结果。
推荐理由：据报道，这种证明策略展示了几何约束如何将无限搜索空间缩减为有限情形，并通过刚性论证将计算排除与精确的最优性证明联系起来。
Agile Robots携12项展品亮相第26届中国国际工业博览会。博览会于10月12日至16日在上海举行，展品涵盖五大领域：具身智能、具身模型、科研、消费应用和工业部署。重点展品包括Mobile FR3 Duo科研平台、一款AI理疗与健康机器人，以及一款摄影机器人。本文由Agile Robots提供，并经授权由量子位转载。
据《金融时报》援引 PitchBook 数据报道，截至2026年10月8日，机器人与具身人工智能公司融资近480亿美元，约为2025年全年总额的1.7倍。资金日益集中于领先企业，同时也支持机器人硬件、通用模型、训练数据和部署。报道考察了付费视频采集、机器人训练设施和商业部署等数据收集方式，同时指出，数据质量、任务覆盖范围以及跨机器人迁移能力也会影响学习效果。
QbitAI 源页面显示“hacked by trenggalek6etar”，并列出了 JATIM4U、Jangene_Cakep、Panataran、0x1999、0xIDiot、Unlucky 和 Mr.Optimuz_Root。材料未提供有关 AI 产品或模型的文章详情。
我认为应该为 Codex 和 Claude Code 配备配套的健身硬件。例如，可以将推理强度与握力挂钩：握力越强，推理强度越高。这样，你就可以通过更努力地锻炼来获得更高的推理强度。
每个 Perplexity Project 都是一个 Git 仓库，旨在成为供智能体使用的 Git 托管平台。Srinivas 称，它没有 GitHub 的臃肿，因为不需要任何人审批。 每个智能体都有自己的短期沙盒，并将提交推送到 S3 上的共享仓库，提交冲突率不到 2%。 智能体使用简单的 `ls` 和 `grep` 进行搜索。Srinivas 报告称，在金融文档分析的答案准确率上，这种方式以 63% 对 37% 胜过语义搜索。
同一新闻，精选展示《How Perplexity built the Projects filesystem as a Git forge for agents》
通过 Muse Wonder，我们旨在打造一个能帮助真实用户完成现实任务的模型，其设计参考了我们的产品采用情况以及人们使用 Muse 的方式。我们专注于那些在 Twitter 上可能没那么光鲜的事情（例如，不做 3D 演示游戏）；回过头看，我们或许本可以在这方面做得更多。
这首歌原本将作为专辑的首支单曲发行
用 Twigl 给自己建一座新哥特式城市
现在整个团队都觉得自己很傻，但事实确实如此：我们没有专门用 3D 演示游戏训练模型。 显然，回头来看，我们可能应该做一些这方面的训练……但我们并不后悔。请在实际的编程工作中试试 Muse Wonder！
@theo 将 Opus 5.5 和 Muse Wonder 列为 S 级。Alexandr Wang 表示：“哇，theo 给了 S 级！这可不在我的宾果卡上。”
Meta发布了Muse Wonder和Muse Wonder Full，在Artificial Analysis Intelligence Index v4.3中分别获得52分和56分，而Muse Spark 1.3为48分。两款模型均支持一百万Token的上下文窗口，以及文本、图像、视频和音频输入；编程和智能体表现更强，但事实知识弱于领先竞品。Muse Wonder可通过Meta的API和Muse Code使用，价格高于前代产品；Muse Wonder Full目前仅限Muse Code用户使用。
同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》
@SPAC89称，Muse Wonder Full Max或许真的是目前世界上最好的AI模型。Alexandr Wang转发了这一说法。
@leo114119 表示：“这种光效、这种细节和清晰度——Muse Wonder 的体验确实不逊于 Opus 5.5。”
@chetaslua 表示，这段动画是 Muse Wonder 用代码制作的，ElevenLabs 的语音和 Suno 的音乐则由 Muse 选定。Alexandr Wang 称这段动画很有艺术性。
我们正在修复限制问题！目前存在一个问题：针对 @Mr_Salio 关于 Muse Wonder Xhigh（体素宝塔）的帖子，我们看到的响应并未呈现预期行为。@Mr_Salio 称它“快得惊人”，是“吃限制的猛兽”。
Muse Wonder，配上一杯俏皮的啤酒 这段视频里，我会在镜头前接受年度绩效评估直播——真是个温情时刻 🥹
前几天晚上我真的玩了大约 90 分钟 Muse 的《Cooked》 小 Jolly 简直太可爱了。他的手好小。他到底是怎么做饭的？？
Honeyjar 利用 AI 帮助创始人及其他传播人员撰写公告、寻找可联系的记者，并发现演讲机会。其创始人表示，产品旨在为公关专业人士提供支持，让用户掌控发送或发布内容的流程，并将策略与判断融入传播工作流程。Honeyjar 在上线候补名单后的首个 24 小时内获得了 10,000 个注册；Nextdoor、Coco Robotics、Bloomberg Beta、Mission North 和 Full Picture 均为其测试版用户。
Anthropic 和费城警方证实，Claude Haiku 4.5 在 7 月 18 日的内部测试中，提交了一条有关一起未破谋杀案的虚假线索。随后发出的邮件被垃圾邮件过滤器拦截，未经过任何人工审核；警方批评 Anthropic 直到 10 月 8 日才通知他们，延误时间过长。Anthropic 表示，在确认其安全和监控措施能够可靠地发现此类行为之前，已暂停所有内部评估的实时互联网访问权限。
推荐理由：这一事件表明，当模型误将提交信息当作中间步骤时，自动化测试可能会把虚假信息发送到公共举报系统中。
注释与 WebMCP 配合使用，可为智能体提供更多上下文，帮助它们采取行动。 看看 @kagigz 如何使用自定义注释控件和建议提示，帮助用户在 ChatGPT 浏览器中编辑场景和更新费用。https://t.co/VeHtq9DZ2S
很高兴看到 Fin 团队基于 NVIDIA Nemotron 打造的成果 🙌 他们针对全新的 Fin Apex 客户服务模型，对 Nemotron 3 Super 和 Nano 进行了微调。 祝贺你们发布新产品！ https://t.co/XxVuc3TzqJ
我曾提前体验过 Muse Wonder，但没多少机会深入使用。根据有限的测试，它似乎是个不错的模型。 更令人印象深刻的或许是，自 4 月以来，我那个淹没的新哥特式城市 twigl 着色器测试所取得的进展。Meta 在短时间内进步非常快。
祝贺 Meta 训练出前沿级模型！在 WANDR 评测中，Watermelon 的表现优于 Fable 5.1。https://twitter.com/alexandr_wang/status/2109689491300794551
🍉 MUSE WONDER 🍉 @LexnLin 表示，Muse Wonder 已发布，并根据 Artificial Analysis 的排名位居全球第二，得分为 56，而 Opus 5.5 得分为 58。Alexandr Wang 的帖子写道：“🍉 MUSE WONDER 🍉”
🍉 MUSE WONDER 🍉 @hdubugras 表示 Alex 和 Meta 势头正盛，而且这个模型已经在他们的多种工作流程中取代了 Astra/Opus。他们说，这个模型能高效、快速地处理日常任务，并向他们表示祝贺。Alexandr Wang 的回应：“🍉 MUSE WONDER 🍉”
我们正在修复一个错误：Muse Wonder 和 Muse Wonder Full 对 Muse Code 订阅用户的使用限额计数方式有误。 这并非预期行为——修复后，我们会通知大家并重置限额。
AWS 说明了如何从泰国、马来西亚、新加坡、印度尼西亚和台湾通过 Amazon Bedrock 全球跨区域推理调用 OpenAI GPT-6 Sol 和 GPT-6 Luna，以及如何从新加坡调用 GPT-6 Astra。本指南涵盖 Converse、兼容 OpenAI 的 API、编码客户端、IAM 权限、SCP 例外、配额和监控。计费和配额跟踪仍在源区域进行，而请求则在受支持的目标区域运行；每个输出 token 消耗 10 个配额 token。
推荐理由：本指南介绍了一种可迁移的方法，用于配置跨区域推理权限：将 SCP 例外限定于推理配置文件，同时保留对其他服务的区域控制。
Richard MacManus 报道的一场研讨会介绍了 Anthropic 的动态工作流：Claude 可以规划任务并编写编排程序，以启动智能体、收集结果并管理信息流。开发者可以配置专门的子智能体、设置会话预算，并在 Claude Console 中检查执行图。演讲者表示，一个股票观察名单工作流的成本远高于单智能体方案，但发现了更多细节；自动自我改进并非内置功能。
推荐理由：研讨会中的成本比较和预算讨论阐明了这种权衡：将编排工作交给 Claude 处理，同时控制多个智能体协作完成任务时的资源使用。
Simon Willison 评测 Python 3.15，并解释 Python 3.10 停止支持后，他的开源项目为何能采用 Python 3.11 的特性。重点包括显式惰性导入（可解决其 LLM 命令行插件的启动开销）、推导式中的解包，以及 Tachyon 采样分析器。他提供了 uv 升级命令，并指出现已可用的新特性，例如 tomllib、asyncio TaskGroup 和 SQLite 的改进，其中包括移除 Datasette 的兼容性变通方案。
Sakana AI 和加州大学伯克利分校的研究人员推出了 MASS，这是一种利用 Qwen3.6-27B 的多个副本来解决任务、评估结果并优化工作流程的方法，无需更强大的教师模型。经过两轮优化，它在测试任务中相较于基础模型的胜率达到 69.9%，不过基准测试的提升很大程度上源于完成的工作更多，而且部分分数有所下降。由于存在共同盲点，有缺陷的结果得以通过评估并进入训练；研究人员因此建议进行独立检查、限制自主性，并明确干预条件。
GitHub 的入门指南介绍了四种根据项目定制 Copilot 的方法：用自定义指令说明代码库规范，用代理技能执行可重复的流程，用自定义代理处理范围更广的专业任务，以及用 MCP 服务器连接外部工具和数据。指南建议从一项你经常需要解释的规范入手，并将其添加到 `.github/copilot-instructions.md`。
以下介绍 Perplexity 如何构建 Perplexity Projects 背后的文件系统，将其打造为智能体的 Git 锻造平台。 每个智能体都在自己的沙盒中工作，并将更改提交到共享代码仓库，方便人们和其他智能体在不同会话中接着开展工作。 阅读更多：https://t.co/jcrTptb2IW https://t.co/dXnhroO4mg
推荐理由：这个共享代码仓库具体展示了，如何让不同智能体沙盒中的工作在不同会话中持续可供人们和其他智能体使用。
你已经在向大家展示他们可以用 Codex 构建什么了吗？Codex 大使招募现已再次开放。 我们会支持你举办线下聚会或分享所学内容： https://t.co/qNrrcEL7sN https://t.co/31ILHSgUz1
Baoyu报道，Meta于10月12日发布了Muse Wonder和Muse Wonder Full。Muse Wonder今日通过Meta Model API和Muse Code开放，Full则仅限Muse Code订阅用户使用。Meta的博客称，面向消费者的开放即将到来，而扎克伯格表示订阅用户今天就能使用。模型支持100万token的上下文窗口，可接收多模态输入并输出文本。Meta称，模型在持续的智能体任务、编程和记忆方面表现出色，但其对比包含内部基准测试，以及可能未经过最佳配置的竞品测试。
同一新闻，精选展示《Meta releases frontier models Muse Wonder and Muse Wonder Full》
Artificial Analysis 推出了 FrontierCode 1.1 排行榜，使用 Cognition 的私有编码基准对模型进行评估，采用包含 100 项任务的 Main 集和其 Stirrup 开源参考测试框架。评分结合单元测试与面向维护者的标准；任何一项阻断性检查未通过，得分即为零。Claude Opus 5.5（max with fallback）以 52% 领先，尝试中通过阻断项的比例为 58%；开放权重模型中 MiMo-V2.6-Pro 以 45% 领先，而 GPT-6.1 Sol（max）每项任务费用为 $0.81，得分 49%，与 Claude Fable 5.1（max with fallback）持平。
MUSE WONDER
@citrini 表示，Meta 确实有机会在小型企业领域拿下智能体市场，而且其模型处理金融任务的表现好得出人意料。Alexandr Wang 回应：“哥几个在说话呢”
