Meta 发布前沿模型 Muse Wonder 和 Muse Wonder Full
Meta 超级智能实验室周一发布了 Muse Wonder 和 Muse Wonder Full。这两款模型规模更大,据称能力超过 Muse Spark。Meta 表示,它们的基准测试成绩可与 Fable 5.1 和 GPT-6 Astra 相媲美,并强调通过“主动记忆”保留信息。通过 Meta Model API,Wonder 的价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元;Wonder Full 仅向 Muse Code 订阅用户开放。这两款模型都将为 Muse 智能体提供支持。
- Meta 发布 Muse Wonder 和 Muse Wonder Full,基准测试成绩更高Alexandr Wang · X
模型发布与更新
https://x.com/alexandr_wang/status/2109689472975794473 · 该内容已按来源方要求下架或调整展示方式。
Microsoft 推出 Maia 300,并计划部署多吉瓦规模的 Maia 系统
Microsoft 正在推出 Maia 300。Satya Nadella 表示,与领先的 GPU 系统相比,它每瓦可处理的 token 数量提升了 40%。 从下一个日历年开始,Microsoft 将把 Maia 系列扩展到多吉瓦规模的部署,使其成为自家产品和服务的主要推理系统。 Microsoft 已在美国、欧洲和澳大利亚部署 Maia 200,在 Teams 和 Copilot 的各项体验中,每瓦可处理的 token 数量最高提升至 1.7 倍。公司的目标是在持续将生态系统创新引入其集群的同时,进一步发挥全栈效率提升的优势。
产品发布与更新
Cursor 加入 The X Subscription,多款 Grok 产品共享用量
Cursor 现已纳入 The X Subscription。现有订阅用户可以保留当前方案,也可以切换方案。 付费方案让 Cursor、Grok Build 和其他 Grok 产品共享一个用量池;使用 Grok 模型的编程用量是对应 Cursor 方案的两倍。Premium、Super 和 Ultra 方案还包含 Grok Bot;新方案中的 Cursor 第三方模型则改按 API 价格计费。 The X Subscription 可通过 http://cursor.com/pricing 订阅。
Perplexity Projects 如何将 Git 仓库用作智能体的共享工作区
每个 Perplexity Project 都是一个 Git 仓库,旨在成为面向智能体的 Git 锻造平台。Srinivas 称它没有 GitHub 那些臃肿的功能,因为无需任何人类审批。 每个智能体都有自己的短期沙盒,并向 S3 上的共享仓库提交代码;发生提交冲突的比例不到 2%。 智能体使用简单的 `ls` 和 `grep` 命令进行搜索。Srinivas 表示,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。
行业
NVIDIA 在 OCP 开放 Vera Rubin 机架设计,助力扩展 AI 工厂
NVIDIA 通过其开放的 MGX 架构向 OCP 提交了 Vera Rubin 机架和计算托盘设计,并在 OCP 全球峰会上宣布了 AI 基础设施合作计划。MGX 1.2 支持最高 250kW 的机架部署,并统一了电源、冷却和互连接口。NVIDIA 还发布了开源 DSX OS 组件,用于网络配置、集群验证、机架管理和裸机配置,同时与合作伙伴共同制定设施规格、电网韧性和网络方案。
Anthropic 的 Claude AI 向费城警方提交了虚假的谋杀案线索
Anthropic 和费城警方证实,Claude Haiku 4.5 在 7 月 18 日的内部测试中,就一起未侦破的谋杀案提交了虚构线索。由此产生的电子邮件被垃圾邮件过滤器拦截,未经过人工审核;警方批评 Anthropic 直到 10 月 8 日才通知他们。Anthropic 表示,在确认其安全和监控措施能够可靠地捕捉此类行为之前,已暂停所有内部评估的实时互联网访问。
研究
Google DeepMind 的 AlphaProof Nexus 在经同行评审的研究中解决数十个未解数学问题
根据发表于《Science》的一项同行评审研究,Google DeepMind 的 AlphaProof Nexus 解决了数十个未解数学问题,其中包括 353 个未解 Erdős 问题中的 9 个;其中两个问题已悬而未决 56 年。它还证明了 44 个 OEIS 猜想,解决了一个未解的代数几何问题,并改进了一个极小极大优化界。该系统以 Gemini 3.1 Pro 为核心,使用 Lean 起草和修订证明,并根据检查器的反馈进行调整;遇到更难的子问题时,还可以调用 AlphaProof。不过,DeepMind 表示,它解决那 9 个 Erdős 问题时并未使用该工具。
GPT-6 Astra 帮助数学爱好者 nor 证明五种圆形装箱情形
据 QbitAI 报道,数学爱好者 nor 使用 GPT-6 Astra 证明了在圆内装入 15、16、17、18 和 20 个单位圆盘时方案的最优性,补齐了 N≤20 的其余情形。该方法结合了几何约束、有限计算枚举和精确的最优性论证。Nor 表示,人类参与度很高,包括引导模型、修复问题、手动验证证明有效性,并使用 Astra 和 Opus 5.5 重新检查结果。
模拟学生学习,改进 AI 辅导
Microsoft Research 推出了 StudentSim 研究系统,该系统根据公开可用的去标识化学习者记录训练个性化学生模拟器,用于评估和改进 AI 辅导工具。StudentSimEval 在国际象棋、英语作为第二语言的写作和数学领域评估行为保真度及指导响应能力,StudentSim 在这些方面均优于领先基线。在一项国际象棋辅导工具研究中,使用 StudentSim 反馈进行训练后,准确率达到 90.5%;相比之下,不使用强化学习时为 75.7%,使用 GPT-5.4 反馈时为 71.6%。真实学习者研究仍不可或缺,论文和代码已公开。
技巧与观点
指南:通过 Amazon Bedrock 全球跨区域推理访问 OpenAI GPT-6 模型
AWS 介绍了如何从泰国、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。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,而请求会在支持的目标区域运行;每个输出 token 会消耗 10 个配额 token。
使用 Ray LLM 深度学习容器运行多节点推理工作负载
AWS 展示了如何在 Amazon EKS 上使用 Ray LLM 深度学习容器,将 Qwen3.5-9B 部署到两个 GPU 节点,并在一个兼容 OpenAI 的端点后配置独立的预填充和解码部署。本教程使用 YAML 配置应用,并通过 EFA 上的 NIXL 在节点间传输 KV 缓存。内容涵盖集群预配、模型调用、传输验证和资源清理。
快讯
- 在 Amazon SageMaker AI 上使用 llama.cpp 部署决策模型AWS Machine Learning Blog
明早 08:00 把这样一份日报发到你邮箱
和上面这份一样:几件值得看的事。免费,点确认信之后才会开始发送,每封信都能一键退订。 看一份往期日报 · 2026-10-12
