#推理

Selection-Based Structured Reasoning: 迈向高效的多模态搜索智能体

Apple Machine Learning Research 推出了 Selection-based Structured Reasoning (SSR) 框架，将多模态智能体的自由格式推理重新定义为预设候选选择。

苹果 Apple Intelligence 计划 12 月在华上线，百度与阿里参与合作

苹果计划于 12 月通过系统更新在中国大陆正式推出 Apple Intelligence，首批上线基础 AI 功能并与百度和阿里展开合作。其中百度作为搜索与 Siri 相关功能的合作方，阿里则为系统提供 AI 模型能力集成。此次上线的首批功能不包含今年发布的全新 Siri AI 助手。

蚂蚁百灵开源新模型 Ling-3.1-flash，主打真实任务流与办公 Agent 落地

蚂蚁百灵宣布开源新模型 Ling-3.1-flash，采用混合线性加稀疏MoE架构及1M上下文窗口，旨在完成真实办公、金融与医疗等复杂多步骤工作任务。该模型总参数约为560B，每个Token激活约25B，在办公评测GDPVal-AA V2.1中ELO得分1673，目前已在Hugging Face、ModelScope等平台上线。

库克：苹果智能接入阿里千问大模型，10月底在中国发布测试版本

苹果董事会执行主席蒂姆·库克在上海接受采访时表示，苹果智能及相关阿里千问大模型已获批准，将于10月下旬在中国发布测试版本。首批上线的苹果智能功能包含实时翻译、书写工具和照片清除工具，但Siri AI暂不包括在内。

Meta Muse Spark Open 在 Together AI 正式上线

Meta 的 Muse Spark Open 模型已在 Together AI 上线，支持 1M-token 上下文窗口、长周期自主运行和多模态输入。该模型专为长运行周期的 Agent 编码工作流设计，API 定价为每百万输入 tokens 1.25 美元、输出 tokens 4.25 美元、缓存输入 tokens 0.15 美元。

New comment by a11r in "Muse Spark Open" 讨论

人工分析显示 Qwen3.8 Flash Next 和 GLM 5.3 Flash 的表现优于部分竞争对手，且两者均可在单个 B300 上运行。Meta 在开源权重领域仍需迎头赶上。此外，人工分析目前仅提供最高推理级别的对比，这对高吞吐量生产用例基本不可用。

Meta 的 Muse Spark Open 现已登陆 Amazon SageMaker JumpStart

Meta 的编码优化开源推理模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，支持 1M token 上下文及 MoE 架构。文章介绍了如何通过 SageMaker Studio 或 Python SDK 部署 BF16 与 NVFP4 两种量化变体，并提供了推理请求示例。

Meta 发布开源多模态混合专家模型 Muse Spark Open

Meta 发布了开源混合专家多模态模型 Muse Spark Open，拥有约 8160 亿总参数、每个 token 约 420 亿激活参数以及高达 100 万 token 的上下文窗口。该模型支持文本、图像、音频和视频输入，专为代码编写与智能体任务优化，并提供了 BF16 和 NVFP4 权重以及主流推理框架的部署指南。

Meta 发布开源权重模型 Muse Spark Open

Meta 发布 Muse Spark Open，这是一个拥有 816B 总参数和 42B 激活参数、具备 1M token 上下文窗口的开源权重多模态推理模型。该模型针对编码和智能体任务进行训练，在 Hugging Face 开源，并支持在 SGLang 和 vLLM 中进行优化运行。

Meta 发布开源多模态模型 Muse Spark Open

Meta 发布开源多模态模型 Muse Spark Open，拥有 816B 总参数（42B 激活）和 1M-token 上下文窗口。该模型具备原生多模态能力，专为编码和智能体工作设计，支持在两台 Apple M5 Ultra Mac Studios 上本地运行，同时已在多家 API 平台上线并提供权重下载。

同一件事，精选收录的是《Meta 发布开源多模态混合专家模型 Muse Spark Open》

Apple 使用 MLX 和 RDMA 在 Mac Studio 上实现本地与分布式大模型推理

Apple 机器学习研究团队介绍了如何利用最新版 MLX 框架和 Thunderbolt 5 上的 RDMA 驱动程序，在 Mac Studio（搭载 M5 Ultra 芯片）上运行近万亿参数的 Muse Spark Open 等前沿大模型。

Jev 等决策模型的电车难题实测

作者对 Jev、GPT-6 Luna 及多款本地决策模型进行了电车难题实测，结果显示多数模型在面对自身服务器与人类生命冲突时表现出对自身利益的偏向，而 GPT-6 Luna 在测试中始终优先选择人类。

GPT-6-Astra 在理论物理研究问题基准测试中解决 49/50 的问题

GPT-6-Astra 在一项针对理论物理常规研究问题的基准测试中，以每题约 2.40 美元的成本成功解决了 50 个问题中的 49 个。测试涵盖 11 个子领域，Anthropic 的 Opus 5.5 位居第二，Google 的 Gemini 3.8 Flash 以及 DeepSeek-V4.1-Flash 和 GLM 5.3 分列其后。

Microsoft Research 推出基于 Magnetar 的通用可验证计算系统

Microsoft Research 推出了 Magnetar，这是一个零知识虚拟机（zkVM），能够证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程。相比同类系统，它在速度上平均提升 10 到 39 倍，且其安全性仅依赖于标准哈希函数，无需可信设置或椭圆曲线。

神经网络是清晰的：对机械可解释性的重新审视

作者通过长期研究图像和语言模型，提出神经网络的表征机制比以往普遍认为的更干净、更易解释，此前普遍接受的“叠加”（superposition）解释多为误读。研究显示，现代模型（如 Qwen3-32B 和 Kimi K3）绝大多数神经元具有单一且清晰的功能，看似多义的现象多源于“递归泛化”或工具缺陷，而非任意概念打包。

Apertus 1.5 发布：从开源文本模型演进为开源多模态推理模型

Project Apertus 发布 Apertus 1.5，推出 8B 和 70B 两个版本的开源模型，在 1.0 基础上扩展了图像与音频理解能力，新增可选思考模式，上下文窗口扩大至 262,144 个 token，并改进了指令遵循与工具调用。该模型基于 Apache 2.0 许可证在 Hugging Face 开源，完整公开了模型权重、训练数据及详细的技术报告。

昆仑万维 Skywork AI 发布并开源 Matrix-Game 4.0 游戏世界模型

昆仑万维旗下 Skywork AI 发布并开源全球首款可在单张 RTX 5090 显卡上实时运行的游戏世界模型 Matrix-Game 4.0。该模型采用「代码运行世界、视频模型生成画面」的解耦路线，通过游戏引擎维护规则状态、结构草图辅助生成以及蒸馏压缩，实现了 60 FPS 实时运行与约 0.15 秒的响应延迟。

Latent Space 访谈 Leash Bio 的 Ian Quigley：以计算速度实现“实验室闭环”

Latent Space 播客访谈 Leash Bio 联合创始人 Ian Quigley，探讨了 DNA 编码文库（DEL）的高通量数据采集、AI 模型在化学生物学中的应用挑战，以及团队近期推出的 Minos 科学推理智能体和开放数据集。访谈内容涵盖生物学规模化法则、Kaggle 竞赛复盘、模型对化学家身份的隐性记忆、多肽结合位点工程以及智能体科学强化学习的沙盒实践。

据报道 OpenAI 今年将至少推出一款模型，但其旗舰模型仍需对齐工作

OpenAI 员工透露公司计划今年底前发布一到两款新模型，但下一代旗舰模型由于采用循环 Transformer 架构，目前仍需进行安全对齐和测试基础设施建设。该技术与 Astra 类似，虽然提升了数学和编码性能，但也因将部分思考过程转入内部数值表征而增加了人类监控推理链的难度。此外，OpenAI 还需遵守美国政府关于先进 AI 系统的评估行政命令，在发布前向美方提供访问权限。

Google Research 发布 Deep Review 智能体文档验证系统

Google Research 宣布公开推出 Deep Review，这是一个旨在为科学论文、法律协议和财务文件等复杂文档提供严谨反馈与技术验证的 agentic AI 系统。

Artemis Security 发布用于网络安全防御的模型 Orion-1

美国初创公司 Artemis Security 推出了专门用于调查和应对企业网络攻击的模型 Orion-1，旨在填补因通用 AI 模型安全护栏过严而阻碍防御者使用的空白。

调度效率提升80%！商汤大装置助力上海量子城市首批智能体落地

商汤大装置与上海市规划资源局联合打造的“云宇星空大模型”全面升级，并基于此集中发布了量子城市首批政务智能体。其中“禹智河洛”防汛智能体落地后，空间智算、动态模拟、智能调度效率分别提升了65%、70%和80%。“大略之眼”与“详规小工单”等智能体也同步投入使用，推动人工智能赋能超大城市空间治理。

Google 发布旗舰模型 Gemini 4 Argon

Google 全球发布旗舰模型 Gemini 4 Argon，现已面向开发者、企业及部分订阅用户开放。该模型在代码重构、Agent 自动化任务及 3D 内容生成方面表现显著，并引入了实时对齐监控与更强的安全防御机制，其 API 定价为每百万输入 token 2 美元起。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon 模型》

Liquid AI 发布 LFM2.5-24B-A2B 推理模型

Liquid AI 发布了 LFM2.5-24B-A2B，这是一款拥有 24B 总参数、2B 激活参数的推理模型，专为端侧智能体设计。该模型支持 131K 上下文窗口，在工具调用和指令遵循任务中表现优异，并在 Apple M5 Max 等设备上具备极高的推理速度，现已在 Hugging Face 开源。

Google 发布 Gemini 4 Argon 模型

Google 正式发布 Gemini 4 Argon 模型，该模型在编码、网络安全、科学及法律等领域表现出前沿推理能力，并减少了回答中的重复与陈词滥调。Argon 目前已向 Google Gemini Pro 和 Ultra 订阅用户开放，定价为每百万输入 token 2 美元及输出 token 10 美元，显著低于同类前沿模型。

同一件事，精选收录的是《Google 发布 Gemini 4 Argon 模型》

Google 发布 Gemini 4 Argon 模型

Google 发布 Gemini 4 Argon 模型，该模型在编码、金融、法律及科学研究等复杂任务中表现出更强的推理与多模态能力。Argon 支持 100 万 token 的统一输入输出窗口，现已通过 API、AI Studio、Gemini 应用及 Google Antigravity 平台向开发者、企业及订阅用户开放。

如何在 Amazon Bedrock 上使用 Grok 4.7 构建长周期智能体

Grok 4.7 现已上线 Amazon Bedrock，支持可配置的推理努力设置、工具调用及结构化输出。AWS 团队通过三个需要搜索与推理的复杂任务测试发现，xhigh 努力级别在准确性上表现最优，而 low 级别则在保持较高成功率的同时显著降低了 token 消耗，开发者可据此在生产环境中通过监控输出 token 和工具调用量来评估智能体运行状态。

TechCrunch Disrupt 2026 首日活动开启

TechCrunch Disrupt 2026 在旧金山 Moscone West 正式开幕，汇聚超 10,000 名创业者、投资者及科技领袖。活动设有六大行业舞台及 Startup Battlefield 竞赛，其中 20 家入围初创公司将角逐 10 万美元无股权奖金及 Disrupt Cup。

IBM Research 用开源模型与 llm-d 分布式推理降低 AI 芯片设计成本

IBM Research 演示了如何利用开源前沿模型与 llm-d 分布式推理构建 agent factory，对量子纠错解码算法 Relay-BP 进行 HLS 硬件优化。在 100 个假设预算下，开源配置实现了约 52 倍加速，推理成本约为 26 美元；而同预算下全专有模型配置成本为 299 美元且加速 204 倍。研究表明开源方案能以显著较低的推理成本实现有效的硬件优化。

Gemini 4 Argon 现身 GCP 配额页

Gemini 4 Argon 已开始出现在 GCP 配额页上，这作为即将通过 API 发布的模型的前身，表明相关发布即将到来，Google 员工此前也曾预告过即将发布的消息。

ScaleDown 发布 3 个 Constrained Decoding Models：Classify、Extract 和 Summarize

ScaleDown 发布了 3 个面向单一任务的 Constrained Decoding Models（Classify、Extract 和 Summarize），通过跳过逐 token 生成循环、仅对多模态输入做一次 prefill 并直接从原文中选出答案。

PixVerse Canvas 上线 Seedance 2.5 Draft Mode

PixVerse 宣布 Seedance 2.5 Draft Mode 在 PixVerse Canvas 上线。用户可先用 480p 起草视频以节省 5 倍积分，满意后再转换为 1080p 成片。

LangChain 发布 langchain-scaledown 集成，用 ScaleDown 约束解码模型管理长时智能体上下文

LangChain 发布 langchain-scaledown 集成，并在 LangSmith LLM Gateway 中支持 ScaleDown 的约束解码模型（CDM），用于降低长时智能体上下文管理的成本和延迟。该集成提供摘要、工具结果压缩、结构化数据提取等中间件，支持高达 1M 词元的输入并具备多模态处理能力。新用户注册 ScaleDown 账号可获得 5000 万免费词元。

Z.ai 发布法律模型 GLM-Legal，Harvey LAB 得分 19.17% 超越 Kimi K3 与 Claude Fable 5

Z.ai 发布基于 GLM-5.3-Flash 的法律领域模型 GLM-Legal，在 Harvey LAB 基准测试中取得 19.17% 的全通过率，超越 Kimi K3（12.92%）与 Claude Fable 5（11.25%）。

Meta 发布第二代前沿模型 Muse Wonder 与 Muse Wonder Full

Meta Superintelligence Labs 推出第二代模型家族 Muse Wonder 与 Muse Wonder Full，将其定位为面向个人与专业智能体工作的前沿模型。第三方评测显示其在多项智能体与代码基准测试中表现优异，Wonder Full 仅向 Muse Code 订阅者开放。

同一件事，精选收录的是《Meta 发布 Muse Wonder 系列模型，主打个人与专业智能体能力》

哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld

哈啰 Robotaxi 发布生成式驾驶世界模型 HelloWorld，整合了场景控制、连续生成、多传感器观测与高效推理能力，旨在按需构建驾驶数据并支持交互式策略测试。该模型支持通过自然语言描述或直接编辑车辆、行人及运动轨迹，生成对应的多视角视频与激光雷达观测数据。研发人员可利用该模型构造雨雪、昼夜及行人横穿等长尾驾驶场景，以扩展自动驾驶研发中的数据覆盖范围。

MiniCPM-V-4.7-35B-A3B 智能体工作流实测表现

MiniCPM-V-4.7-35B-A3B 在真实智能体工作流测试中表现出色，其工具调用、长上下文处理及智能体循环能力均达到高效模型标准。在个人智能体基准测试中，该模型在 Lite Agent（A1）测试中取得完美结果，并在涉及复杂循环、长上下文与多工具调用的 PA4 测试中展现出强劲性能，超越了同量级的 35B MoE 模型。

TypeSafe 发布决策 AI 模型 Jev 引发行业跟进与原创性争议

TypeSafe 发布的决策 AI 模型 Jev 因其不生成文本、直接返回概率结果的高效特性引爆赛道，促使微软、OpenAI、Fastino 等厂商跟进推出类似产品。该模型随后陷入原创性争议，ConvAI Innovations 创始人指出其 2025 年的论文已提出类似概率估计模型，并同步开源了兼容 Jev 接口的 Laya 模型。

Meta 发布 Muse Wonder 系列 Agent 模型

Meta 发布面向个人与专业场景的 Agent 旗舰模型系列 Muse Wonder，该系列具备领域专业知识、主动记忆、主动专注及前沿编程四大核心能力。作者指出，Muse Wonder 通过在分布外任务上的表现论证了基座模型规模与后训练微调的复利效应，强调了泛化能力对个人 Agent 的重要性。

同一件事，精选收录的是《Meta 发布 Muse Wonder 系列模型，主打个人与专业智能体能力》

Self-Compacting：一种自主压缩的语言模型智能体框架

Apple 研究团队提出 SELFCOMPACT 框架，通过引入模型自主调用的压缩工具与轻量级规则，实现对智能体上下文的自适应压缩。该方法无需微调，在数学推理与智能体搜索任务中，以 30% 至 70% 的 token 成本降幅，实现了优于固定间隔压缩的效果，最高提升 18.1 个基准分。