AI Daily

马克·扎克伯格宣布推出 Muse Wonder 前沿模型家族，一次发布两个模型：Muse Wonder 提供快速的前沿性能，Muse Wonder Full 为完整版。Meta 超级智能实验室（MSL，Meta Superintelligence Labs）启动刚过一年（扎克伯格：just over a year since we started），首个家族 Muse Spark 于四月发布，本次使 Meta 进入前沿阵营。Muse Wonder 已上线 Muse Code（Meta 的编程 CLI 工具）与 Meta Model API，另可订阅 Muse（Meta 的个人 AI agent 产品）使用渠道说明；成立时长自述。

亚历山大·王（Alexandr Wang，Meta 超级智能实验室负责人）称这是 Meta 迄今最大、能力最强的模型，是 MSL 一年多研究与基础设施工作的成果；自四月 Muse Spark 以来持续扩大预训练与 RL（强化学习）规模模型细节。模型定位个人与专业 agent 最佳，三个重点：Active Memory（跨天、周、月的记忆）、Active Focus（完成任务）、领域专长——金融与法律达到 SOTA，健康领域表现强定位说明。团队内部构建了 PSI（Personal Superintelligence Index，个人超级智能指数）度量模型对个人 agent 的实际有用性，并量化了「big model smell」研究过程。

第三方评测机构 Artificial Analysis 数据：在 AA 智能指数 v4.3（Artificial Analysis 的模型综合评测指数）max 档下，Muse Wonder 得 52、Wonder Full 得 56，六周前的 Muse Spark 1.3 为 48。Wonder Full 在十项评测中六项进前三：CritPt 与 GDP.pdf 第一（均 33%）、GDPval-AA v2.1 第二（1857 Elo，处于 Opus 5.5 的 1866 置信区间内）、SciCode 第三（63%）。Terminal-Bench 4.0 从 33% 升至 57%，与 Gemini 4 Argon（high）持平。编程 agent 指数 Wonder Full 得 68，与 Claude Code + Sonnet 5.5 并列第一，Opus 5.5 为 66。上下文 100 万 token；Muse Wonder 定价每百万 token 输入 4 美元、输出 20 美元、缓存 0.2 美元评测数据。

发布当日出现使用额度被错误扣减的 bug：王确认 Wonder 系列对 Muse Code 订阅者的限额计数为非预期行为，团队在修复并将重置额度限额修复。他还承认团队未针对 3D 演示游戏做显式训练——社区以 3D 游戏演示效果质疑模型时，他回应「回头看我们大概应该做一点……但请用真实编程工作来测试」3D 说明。

萨提亚·纳德拉宣布微软对自研芯片的最大押注：自下个日历年起，Maia 系列（微软自研 AI 加速芯片）将扩展至多吉瓦规模部署，成为微软自有产品与服务的主要推理系统。新一代 Maia 300 对比主流 GPU 系统每瓦 token 产出高 40%；Maia 200 已在美国、欧洲与澳大利亚部署，在 Teams 与 Copilot 中每瓦 token 产出最高达原来的 1.7 倍官方宣布。

Chamath 委托 8090 Labs 测量排行榜跳过的变量：模型与 harness（驱动并约束模型完成任务的执行框架）的组合，在开源项目真实 bug 修复与功能开发上的表现。7 个模型 × 5 种 harness：Claude Fable 5.1 在 Claude Code 中得 41%、在 OpenAI Codex 中得 61%，中位工具调用次数一边 28 次、一边 66 次；GLM 在 Codex 中单次 0.22 美元但每次成功 0.93 美元，在 Pi 中单次 0.25 美元、每次成功 0.43 美元；同一任务双次通过数在一个 harness 中 51 次、另一个 16 次；GPT-5.6 Sol 与 Grok 4.6 对 harness 几乎不敏感。结论：只按纯模型排行榜选型，等于用一半信息做关键决策评测发布。

Brian Armstrong（Coinbase 联合创始人兼 CEO）：Coinbase 用内部专有数据微调开源权重模型 Qwen3.5-9B（阿里巴巴开源的 90 亿参数模型），在专业任务（反欺诈）上以低得多的成本、更快的速度超过前沿模型。员工可通过内部 harness 的 skill 直接发起微调与部署（「/fine-tune-and-serve-llm 我想为支付风险审查微调 Qwen」）。他预测前沿模型是优秀的通才，但在窄任务上专用模型会越来越多地胜出，部分后端服务可能被这一新架构整体替代本人发布。

ReplaySSM（缓存 SSM 输入而非状态的技术；SSM 即状态空间模型，Transformer 之外的序列架构）现于 GLM-5.3-Flash（智谱模型）与 Kimi-K3（月之暗面模型）中生产运行，并进入 TensorRT-LLM、vLLM、FlashInfer 与 SGLang。标准解码最高提速 1.47 倍、投机解码最高 2.1 倍；并支持低精度 SSM 状态，舍入误差不会在递归中传播。与 NVIDIA 及 Tri Dao 的联合工作技术发布。

DeepRSI 定位为度量递归自我改进（RSI）的新行业标准。现有基准的任务以贡献者为单位、时程短（约 12 小时）；DeepRSI 要求 agent 在源自正在进行的专有研究的 ML 任务上连续工作 48 小时基准发布。

据 Steve Hsu（@hsu_steve，物理学者）转发的报道：中国顶尖数学家周日（10 月 11 日）在北京发起旨在把 AI 整合进数学研究的联盟，联合八家顶尖机构，目标建立逾 1000 名科学家的网络。联盟聚焦：开发数学专用 AI 模型、用 AI 生成猜想与形式化证明、构建推理过程更可解释的系统报道转述。