Reflection AI 推出了 Beam，这是一款用于智能体编程和多步骤任务的开放权重模型，总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布 Beam 1.0，提供 BF16、FP8 和 NVFP4 版本。本指南介绍如何通过 Amazon SageMaker JumpStart，或借助 JumpStart、SGLang 或 vLLM 在 HyperPod Inference 上进行部署，内容包括容量规划、调用、性能测量和清理。
部署方式的比较说明了何时托管端点已足够，以及何时 Kubernetes 基础设施或自定义运行时能为服务配置、分布式执行和扩缩容提供有用的控制。
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
ollama@ollama精选81Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection
这项限时免费服务让用户可以通过多种编程工具试用 Beam；其软件工程和智能体任务定位，以及美国托管和完整 ZDR 均有说明。
NVIDIA AI@NVIDIAAI精选77Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source harness we built and trained Beam on: Mirror CLI Weights and model card on Hugging Face: https://huggingface.co/reflection
Apache 2.0 许可证、多种权重格式以及已发布的训练工具包，为开发者评估 Beam 是否适合其部署工作流提供了具体信息。
Hugging Face@huggingface精选72Beam is now available across platforms, with open weights under the Apache 2.0 license - in collaboration with an ecosystem of 40+ partners. We're releasing: - Weights, tokenizer, and reference implementation - BF16, FP8 and NVFP4 weights and a DFlash2 drafter - The open source https://t.co/tHYv4cuYIh
列出的制品和Apache 2.0许可证，为评估Beam如何融入现有模型部署工作流提供了具体背景。
Tencent Hy@TencentHunyuan精选69据报告的基准测试结果和跨框架比较，有助于评估 Hy-Memory-30B-A3B，同时也可了解 MemHub 所称的覆盖范围，即支持 10 多种 AI 工具。
Kling AI 于 10 月 15 日推出 Kling 4.0，新增最长 30 秒的原生视频生成、10-bit HDR 输出，并称其在快速运动和复杂镜头运动方面有所改进。该模型最多支持 15 个组合参考素材、最多 10 个关键帧输入，以及最长 8000 个 token 的提示词。对 4K、1080p 和 21:9 输出的支持、累计最长 2 分钟的多次视频扩展，以及 API 访问均被描述为即将推出。
参考输入、关键帧控制和 HDR 输出为评估 Kling 4.0 如何融入专业视频制作工作流程提供了具体依据。
NVIDIA 与 IIT Madras 的 AI4Bharat 推出 Nemotron-pretraining-Indic-v1，涵盖 22 种印度语言、约 2.8 万亿个 token，并将很快与其开放式 GPU 加速生成流程一同发布。该语料库包含全部 22 种语言的本土文字文本，以及 12 种语言的罗马化文本；这些文本由精选英文来源翻译而来，并经过质量检查和来源追溯。一个印度语系继续预训练阶段提升了五项已报告基准的成绩，但该阶段混合了合成数据与自然数据，因此这项比较无法单独确定该语料库的贡献。
该流程通过将翻译、质量评估、修复和文字系统转换分开，同时保留与源文档的链接，为多语言数据生成提供了一种可复用的方法。
Artificial Analysis@ArtificialAnlys精选79这一比较显示，Muse Spark Open 在同一智能指数上的得分比 Muse Glimmer 高 22 分，为 Meta 开放权重模型之间所报告的能力差距提供了具体参照。
ollama@ollama精选72所述内存占用为在同一台机器上与其他应用同时运行本地智能体工作负载，提供了具体的部署考量。
宝玉@dotey精选76We’re rolling out Gemini 4 Argon in Antigravity to paid Google AI Pro subscribers today. Demand has been incredible and we've scaled capacity deliberately to get here. We’ve rolled out a separate weekly-only Argon quota for Pro on top of the existing Gemini bucket for 3.8 Flash so you have the best of Gemini for all your tasks.
单独的 Argon 每周配额让符合条件的 Pro 订阅用户可以使用 Argon，而不减少其 3.8 Flash 额度，从而为规划两种模型的使用提供了具体依据。
ollama@ollama精选70Muse Spark Open 现已在 Ollama 上向 Pro、Max、按量付费和 Teams 计划推出。https://t.co/OmAFXzZyjm
Muse Spark Open is now on Ollama. @Meta's open-weight model for coding and tool use, with a 1M-token context window. Run it on Ollama’s cloud: ollama run muse-spark-open:cloud Use with Claude Code: ollama launch claude muse-spark-open:cloud Now available to Max and Teams
此次推出将访问范围扩展至此前公布的 Max 和 Teams 计划之外，使计划资格成为用户考虑在 Ollama 上使用 Muse Spark Open 时的实际变化。
IBM 发布了 Granite-Switch-4.1-8B 和 -30B，通过一个托管端点整合了聊天、通用决策 aLoRA、专用 Guardian aLoRA，以及 Granite-Speech-5.0-Turbo-CTC 转录功能。IBM 表示，组合模型使用的 GPU VRAM 与基础模型大致相同，因为适配器会复用基础模型的 KV 缓存。用户还可以使用 Granite Libraries 适配器组合自定义 Switch 模型；IBM 计划推出用于在 Mellea 中训练适配器的 Adapter SDK。
共享 KV 缓存和模块化适配器提供了一种切实可行的方法，可将通用决策、专用决策与转录功能结合起来，同时让 GPU 内存用量接近基础模型。
vLLM@vllm_project精选69在 NVIDIA 和 AMD GPU 以及 TPU 上完成验证，为部署团队提供了通过 vLLM 运行 Meta 开放权重模型时所需的具体硬件兼容性信息。
Meta 针对代码优化的开放权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上提供，包含 BF16 和 NVFP4 两种版本，支持 100 万 token 的上下文窗口，总参数量为 816B，其中每个 token 激活 42B 参数。AWS 提供了使用 SageMaker Studio 或 SageMaker Python SDK 进行部署的说明，以及推理和清理示例。发布时，该模型可在美国东部（弗吉尼亚北部）和美国东部（俄亥俄州）使用。
部署指南将 BF16 和 NVFP4 的内存需求与受支持的实例类型对应起来，为团队在代码仓库上评估该模型时规划基础设施提供了具体依据。
François Chollet@fchollet精选81Gemini 4 Argon from @Google on ARC-AGI (Verified): - ARC-AGI-3: 97.5%, $4.8K (provider adapter harness), 49.8%, $5.8K (standard harness) - ARC-AGI-2: 91.3%, $0.32/task - ARC-AGI-1: 98.5%, $0.16/task Google DeepMind is the second frontier AI lab to score above 95% on ARC-AGI-3. https://t.co/8siwgfBJcr
报告的 ARC-AGI-3 分数区分了提供方适配器测试框架和标准测试框架的结果，为 Chollet 将 Argon 与 Astra 进行比较以及他对 Google 前沿地位的评估提供了背景。
Aravind Srinivas@AravSrinivas精选71常见沙箱与在生产流量下运行数百万个沙箱之间的区别，说明了为企业和消费者扩展智能体所需的工程工作。
Meta 的 Muse Spark Open 是一款开放权重的混合专家模型，约有 8160 亿个参数，每个 token 激活约 420 亿个参数，上下文窗口最长可达 100 万个 token。该模型经过智能体编程训练，可接收文本、图像、音频和视频，并生成文本。Hugging Face 提供推理和部署方案，报告了其自身的量化测试结果，并演示了使用 TRL 对注意力层进行 LoRA 微调，同时冻结专家网络。
这些部署方案阐明了稀疏专家激活如何在保留大量内存需求的同时减少每个 token 的计算量，帮助开发者根据不同检查点格式和服务框架评估硬件需求。
Black Forest Labs 已发布 FLUX 3 Image Klein，这是一款拥有 56 亿参数的开放权重模型，可用于文生图、图像编辑以及使用最多十张参考图进行生成。它支持原生 4K 输出，其 INT8 版本可在配备 8 GB 显存的 NVIDIA GPU 上运行，在 RTX 4070 上生成一张图像不到 9 秒。年收入低于 500 万美元的公司可依据 FLUX Kommunity License 免费用于商业用途。
硬件要求和商业许可门槛为评估本地生成图像是否适合团队现有 GPU 配置及业务规模提供了具体依据。
Mustafa Suleyman@mustafasuleyman精选72这项公告将 MAI 所报告的进展定位于预训练阶段，并表示后训练结果尚待公布，为理解其关于最先进基础模型的说法提供了背景。
