AI Daily

Meta 于 10 月 16 日发布开源权重模型 Muse Spark Open，官方称其为「迄今能力最强的美国开源权重模型」。规格为 816B 总参数、42B 激活参数、1M token 上下文窗口，原生支持文本、图像、视频、音频四种模态，面向编程与 agentic 任务，主打长程任务、复杂软件工程与多步推理。Meta Superintelligence Labs 的 Alexandr Wang 另给出发布说明：云端 API 接入 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI；权重可从 Amazon SageMaker AI 等渠道下载。发布说明发布说明

Zuckerberg 当日发帖宣布权重发布，称模型在新 Mac Studio 上运行良好，这是他团队与 Apple（John Ternus）合作的成果。发布帖同日 Ollama 上线该模型的云端版本，并提供与 Claude Code 配合使用的通道。Ollama

ARC Prize 于 10 月 16 日公布对 Gemini 4 Argon 的验证结果：ARC-AGI-3 得 97.5%（provider adapter harness（驱动并约束模型完成任务的执行框架），成本 4800 美元），标准 harness 下为 49.8%（5800 美元）；ARC-AGI-2 得 91.3%（每任务 0.32 美元）；ARC-AGI-1 得 98.5%（每任务 0.16 美元）。Google DeepMind 成为第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。Francois Chollet 称 Argon 在 ARC-AGI-3 上的性能剖面与 Astra 相似，「Google 回到了前沿」；Sundar Pichai 转发了这一判断。验证结果转发

Epoch AI 给出另一组数字：Argon 在 Epoch Capabilities Index（ECI，Epoch AI 用多个基准加总的能力指数）上得 165，与 Fable 5.1 持平，低于 Opus 5.5 的 167 与 GPT-6 Astra 的 166。分领域表现分化，在部分知识、agentic 与图像基准上领先，但数学在早期估计中排第 8、软件工程排第 6；这是 Google 自 2 月 Gemini 3.1 Pro 以来最接近前沿的一次，相较 Gemini 3.8 Flash 的 157 有大幅跃升。指数分领域

Scale AI 的 Humanity's Sixth Sense（HSS，测试 AI 推理不可见信息、预测后续与人行为的能力）基准上，Argon 以 55.4% 登顶，超过 GPT-6 Astra 的 53.6%。榜单该帖线程给出分类别结果：图像类别得 62.8%，是首个突破 60% 的模型，比次优的 GPT-6 Astra（55.6%）高约 7 个百分点；10 分钟以上长视频类别得 59.1%，其余模型均未超过 41%。分类别Google DeepMind 官方同期称 Argon 已在量子计算、核聚变与蛋白质设计上推进科研突破。官方

Nick Cammarata（Goodfire 研究员，曾在 OpenAI 参与机械可解释性早期工作）发布长文：他此前用原始工具只发现约 2% 的神经元可读，神经网络看起来折成任意缠结。如今借助现代 agentic 工具近距离观察，直到万亿参数级的模型，绝大多数神经元可读、电路结构清晰，许多著名「缠结神经元」案例实为被误解。他据此判断，雄心勃勃的可解释性会在最需要时被解决，可能相当快，并称之为可解释性的「苦涩教训」——简单的做法在极大尺度上起作用。原帖

该文在数小时内引发大量讨论与反驳。roon（OpenAI 研究员）称这可能被记入科学史，让对齐研究变成「常规科学」，并称这类消息好到「连 Eliezer 都得下调自己的 pdoom（生存风险概率）」。Deedy Das（Menlo Ventures 合伙人）给出关键转述：神经网络不是缠结的结，polysemanticity（多义性，一个神经元承担多个概念）是错的，Qwen-32B 中 90% 的神经元只有一个职能。

反面意见同样集中。Liv Gorton 认为该论证误述了 superposition（叠加，多个特征共用同一组神经元）的预测——反相关的特征叠加代价极低，语义相关性并非关键。她的逐条梳理Dylan Hadfield-Menell（MIT 副教授）转发了对可解释性研究「跑在严格评估之前」的批评。Eric Ho 则称 Cammarata 是他见过最好的科学家之一，称这项工作让他对对齐前景乐观得多。

Mustafa Suleyman（Microsoft AI CEO）10 月 16 日发帖谈微软 MAI 的预训练基座模型与 scaling laws（规模定律）：在 held-out code 上，该模型以 12 倍更少的训练算力匹配 DeepSeek-V4-Pro-Base 的预训练得分。算力对照他同日称 MAI-Base-2 全程训练平稳，得益于精心的 scaling ladder（逐级放大的训练阶梯）与配方迭代。训练帖据其技术博客（研究者 eliebakouch 转述），该基座为 3T 参数权重级别、完全内部自研。技术博客转述

AI 研究者 eliebakouch 给出技术解读：该模型比 Kimi K3 更稀疏（80B 激活对 104B），沿用滑动窗口混合注意力模式，本次为滑动窗口层配置了更多 KV 头，与 StepFun、Poolside 增加 query 头不同。加入共享专家，取消 MAI 1 的交错 MoE/Dense 模式。训练规模扩展到约 40T 文本（20T 去重）加新增 10T 多模态（4.5T 去重）。使用 Muon 优化器与激活梯度裁剪。并给出权重衰减与学习率的 scaling law，预测损失曲线与最终实际损失几乎一致。技术解读

METR 10 月 15 日发布提案，核心问题是：若某 AI 开发者即将失去对内部 agent 的控制，公司之外的人会知道吗。METR 提出在三个领域向公众提供开放证据——对齐、控制、AI 研发加速：分析开发者的内部事故，以及训练是否压制了更严重错位行为的证据。分析开发者内部 agent 能否在不被发现的情况下造成严重伤害。分析 AI 自动化在多大程度上加速内部能力增长。METR 强调这些演练提供的是证据，而非安全保证或正式监督，并表示随时准备与前沿开发者开展全部三类演练。提案三个领域的拆分

Anthropic 随后发帖称，公司已承诺让评估者评估其安全实践，正在与多家组织讨论，现已给予 METR 团队员工级访问权限，并发布文章说明与第三方评估者的合作方式。公告

据 The Information 报道，OpenAI 发布 300 多项由 AI 解出的数学结果，令顶尖密码学家警觉，部分人警告进一步突破可能威胁保护在线支付、消息应用与加密货币的加密体系。独家

随后一天内，两家前沿实验室分别出资支持学界消化这批结果。OpenAI 称将向 Simons Foundation 的新计划捐款 500 万美元，帮助数学家检查、理解并在此基础上继续构建，含其近期发布的结果，并向获资助研究者提供模型与算力访问。Anthropic 承诺同等金额的资助、算力与 Claude 访问权限，与 Simons Foundation 合作，并由该基金会以社区驱动方式管理。Simons Foundation 称总计投入 1500 万美元。OpenAI 公告Anthropic 公告

同期，数学家 Jacob Tsimerman 宣布全职出任 Mathematical AI Safety Institute（MAISI，数学 AI 安全研究所）创始科学总监，不加入 OpenAI，但 OpenAI 将支持 MAISI，提供 1000 万美元 API 额度与最新模型访问，并将参与明年与多家前沿实验室合办的多实验室 AI 安全工作坊。任职宣布原文

VGS 首席战略官 Terry Angelos 与 a16z 合伙人 Alex Rampell 对谈称，agent 在过去三个月里从「观众」变成「行动者」，VGS 的 agentic token 从零增长到每周数百万笔。a16z 整理的竞争格局：Stripe Link 有 3 亿用户、Shopify Shop Pay 有 2.5 亿用户、PayPal 有 4 亿以上用户。机制上，钱包可用自有虚拟卡替消费者付款，但信用卡返利与购买保护会在链路中丢失；未来方向是 Visa、Mastercard、Amex 推出的开放标准，即 agent 可使用消费者真实银行卡但从不持有它。对谈

同期围绕 agent 采购的冲突升温：Amazon 正在封禁 Grok Bot 下单（帖中未说明理由），Musk 建议改用其他渠道购买，并称「也许我们该做个 Amazon 的竞争者」。相关帖