Meta开放8160亿总参数的Muse Spark Open，Artificial Analysis智力指数得分39、位居美国开放权重模型首位，但在得分最高的九个开放模型中，四项智能体评测排名垫底。微软披露2.8万亿总参数的MAI-Base-2，按缩放规律估算，其达到DeepSeek-V4-Pro-Base同等留出集表现的算力效率为后者的4.2—12.3倍，模型仍在后训练。TypeSafe以75亿美元估值完成8.7亿美元A轮融资，其Jev模型不生成文本，而是在软件内执行经过校准的决策。
我的判断
我认为，今天最有分量的不是榜单第一，而是高分与实际执行能力之间的落差。Muse Spark Open的智力指数位居美国开放权重模型首位，却在得分最高的九个开放模型中四项智能体评测垫底，这让我更看重具体任务表现，而不是综合排名。
Meta与Black Forest Labs开放权重，微软披露基础模型训练效率估算。
Meta开放 Muse Spark Open 权重，总参数8160亿、激活参数420亿，支持百万token上下文。其Artificial Analysis智力指数得分39，位居美国开放权重模型首位，但在得分最高的九个开放模型中，四项智能体评测排名垫底。许可证要求署名，年收入超过2000万美元的模型即服务企业须另签协议。
读原文 →微软完成 MAI-Base-2 预训练：这款MoE模型总参数2.8万亿、激活参数800亿。微软按缩放规律估算，其训练配方达到 DeepSeek-V4-Pro-Base 同等留出集表现的算力效率为后者的 4.2—12.3倍。这一比较中的代码评测使用MAI自有代码库，模型目前仍在后训练。
读原文 →Black Forest Labs 发布开放权重图像模型 FLUX 3 Image Klein，参数量为 56 亿。模型支持原生 4K 输出、边界框控制和像素级精确编辑，可在单张消费级 GPU 上运行。厂商称其兼具大型前沿模型的画质、可定制性与速度。
读原文 →🔍 深度解读：Muse Spark Open的综合得分与智能体排名形成反差；MAI-Base-2的4.2—12.3倍效率则来自缩放规律估算，且代码评测使用微软自有代码库，两者都不能直接充当应用效果的保证。FLUX 3 Image Klein把另一项选型条件摆到台前：能否在单张消费级GPU上部署。对开发者而言，这三款模型需要分别核验任务表现、训练比较口径和运行成本，不能用一个榜单名次或效率倍数替代选型。
8.7亿美元A轮融资背后，Jev把产品目标放在单位成本下的决策能力。
TypeSafe以75亿美元估值完成8.7亿美元A轮融资。其决策模型Jev不生成文本，而是在软件内做快速、低成本、经过校准的决策。CEO Diogo Almeida介绍了RLCD（校准决策强化学习）方法，并表示比起用户量等增长数据，他更关注单位成本下的智能，以及开发者能否做出过去因AI太贵而放弃的应用。
读原文 →Sakana组织并行科研流程，Perplexity为任务执行提供独立沙箱。
Perplexity以Apache 2.0许可开源智能体沙箱平台SPACE。每个任务在独立的Firecracker微虚拟机中运行，凭据和网络出口由虚拟机外部控制。模型在虚拟机内拥有root权限的108次逃逸尝试，均未触达宿主机。SPACE也用于Perplexity内部的强化学习和评估任务。
读原文 →Sakana 推出 Agentic Scientist（AI Scientist v3），在自主运行中将 Doc-to-LoRA 多针检索成绩从 52% 提升至 98%。系统通过元控制器协调并行编码智能体，结合预注册评分标准、共享记忆和自动消融实验，组织科研流程。它也支持人机协作：开发版本在人类指导下参与完成的论文获 ALIFE 2026 接收。
读原文 →🔍 深度解读：Sakana用元控制器、共享记忆和自动消融实验组织并行编码，SPACE则把任务执行放入独立微虚拟机，并将凭据和网络出口控制移到虚拟机外。两者对应自主执行的两道关口：如何组织工作，以及如何约束执行权限。对企业而言，科研成绩提升不能替代运行隔离；SPACE的108次逃逸尝试结果也只能作为其隔离机制的测试证据，不能替代任务效果评估。
Goodfire与Neel Nanda争论神经元解释，METR获得接近Anthropic内部团队的评估权限。
Goodfire 的 Nick Cammarata 发文主张，万亿参数规模模型中的多数神经元可被解释。他称，部分经典多义性案例经智能体进一步分析后可得到清晰解释；相比之下，他参与的2023年 OpenAI 自动可解释性工作仅发现约2%可解释。Neel Nanda 则认为这未改变其核心判断，仍预期存在表征叠加，且弱激活承载记忆事实。
读原文 →Anthropic已向6名METR员工提供内部工具和系统权限，接近自家风险评估团队的访问水平。这种嵌入式评估不只开放模型，还让评估者了解训练过程和安全措施如何运作。METR可独立发表风险分析，Anthropic不能否决发表，但可要求删去客户数据、模型架构等预定义类别的信息；METR可公开评论删改是否合理。
读原文 →GPT-Live-1.1新增六语种声音，用户端开始推送，API支持稍后推出。
OpenAI 推出 GPT-Live-1.1 语音更新，覆盖 ChatGPT、Codex 和 dots。此次新增法语、德语、印地语、墨西哥西班牙语、韩语和日语声音，同时改善口音，减少“checking…”之类的填充语。更新已开始向所有用户推送，API 支持将稍后推出。
读原文 →