今日最值得关注的是端侧与开源模型的双线推进：Meta Superintelligence Labs 发布 30B 开源 agentic 模型 Muse Glimmer，Apache 2.0 全量权重加 4bit 量化，单卡消费级硬件即可跑；同日 Ornith-1.5-122B 以 MIT 许可宣称单张 DGX 卡可运行。基础设施侧，DeepInfer 单集群跑出 155 万亿 token/天、约 80% 服务毛利，vLLM 用 Wide-EP 复现到 6% 以内；OpenAI API 新增 12 小时 prompt 缓存，直指全天在线持久 agent。产业动作上，Eka Robotics 完成
今日最值得关注的是 Meta 罕见地一次性公开三份工程账本：千兆瓦级超算 Prometheus 的 goodput 85%、MTBI 47k GPU 小时，用 1300 行确定性路由器替代全能 agent 的"薄编排器"架构，以及用稳定语义词表改造广告推荐 tokenization。模型侧同样密集：Dream Labs 走出隐身发布机器人基础模型 Dream-1 并开放 $3/小时 API，Mercury 3 扩散 LLM 跑到 1000+ tok/s，MiniMax M3.1 Flash 建同一落地页成本仅为 Opus 5.5 的 1/88。开源阵营则由 DeepSeek DeepInfer
本周最清晰的信号是：agent 的产能已经超过为人类设计的开发基础设施。Anthropic 披露日均合并数从 5 月约 2,500 次涨到 9 月超 30,000 次，随即自建了替代 Git 的版本控制系统 Scion 与评审系统 Antique，7 人团队 5 个月完成 monorepo 全量迁移。Meta 同期给出另一条路径的一手复盘：把工程师从 human-in-the-loop 推到 human-on-the-loop，agent 自己跑完 plan→implement→build→test→correct 循环，验证门槛直接嵌进循环内部。两条案例指向同一结论——瓶颈不在模型写代码的能力，而在测试、评审、源码托管这些原本按人类节奏设计的环节。 第二条主线是开源权重模型开始按部署梯队分层。NVIDIA 一次放出 Nemotron 3.5 三档（120B 多模态旗舰、74B-A9B 塞进 24GB 显存的端侧版、4GB 的嵌入式版），Reflection AI 的 Beam 用 501B 总参 / 23B 激活的稀疏 MoE 配 1M 上下文打 agentic coding，LiquidAI 的 LFM2.5-24B-A2B 把激活参数压到 2B，在 Apple M5 Max 上跑到 184 tok/s。配套的训练侧披露也在同一周出现：NVIDIA 公开了 frontier 模型普遍存在但极少写出来的 midtraining 配方。 第三条是评测与可靠性终于被当成工程问题而非跑分问题。AWS 量化了"静默失败"——监控全绿而答案悄悄出错——以及协调发布的错配窗口如何让通过率从 78% 掉到 38%；Apple 用 10 万美元 API token 和 5 万 GPU 小时造了 RSI-Inference Bench，最好的 agent 在真实 vLLM/SGLang 任务上 pass@1 只有 26.7%。这两个数字放在一起，比任何能力宣称都更能说明当前 agent 的位置。
今日最值得关注的是 Reflection AI 开源 Beam——501B 总参、23B 激活、1M 有效上下文的 agentic coding 模型，以 Apache 2.0 权重发布并首日接入 vLLM 与 Modal，延续了 Meta Muse Spark Open 之后"总参更大、激活更小"的开源旗舰路线。产品侧，OpenAI 将 ChatGPT Pro 升级至 GPT-6 Astra Pro 并支持多 Agent 并行，Perplexity 开源 pplx-decider-v1.2 决策模型并在 Hugging Face Decision Index 拿下总榜第二。研究侧，四个 Ge
今日开源权重模型迎来密集爆发：Meta 放出 816B/42B 激活的 Muse Spark Open，靠 MLX 与 Apple 统一内存，两台 M5 Ultra Mac Studio 即可本地跑完整模型；NVIDIA 一次补齐 Nemotron 3.5 全家桶，旗舰 Super VL 120B 之外，Bolt 74B-A9B 用原生 2-bit 塞进 24GB 显存。价格战同步升级，Claude Haiku 5.5 降至 $0.10/$0.50 每百万 token，比上代便宜约 90%。监管侧，FTC 向 OpenAI 与 Anthropic 发出民事调查传票，多州检察长同日起诉 Open
今日 AI 产业信号密集：Anthropic IPO 前披露季度营收从 48 亿飙至 168 亿美元，并称蒸馏收入占比已"实质性"削减，为前沿实验室的数据依赖经济学提供了罕见量化切口；Modal 以 157.5 亿美元估值完成 7.5 亿美元 D 轮，ARR 破 10 亿，agent 沙箱需求正式变成真金白银。模型侧，StepFun 开源 600B 稀疏 MoE 的 Step 5 Preview，Ultramarine 1 Flash 以 5 人团队、30 万美元成本宣称接近 Fable 5 且便宜 60 倍，Google DeepMind 则称 Gemini 4 Argon 已在量子计算、核
Google 今日全球上线 Gemini 4 Argon，主打编码、金融、法律与科研等复杂任务，Databricks 首日接入后称其为测试过的最强 Gemini 模型，Cursor 同步上线并给出 $2/$10 每百万 token 定价。更具冲击力的是 David Silver 创办 Ineffable Labs，主张抛弃预训练与人类语言先验、从零经验训练"超级学习者"，并预测三年内实现超级智能。基础设施侧，Anthropic 因日均合并量半年暴涨 12 倍而自建 Scion 替代 Git，Intel 发布 480GB 显存的推理专用 GPU D-Series，算力融资综述则揭示 AI lab
今日算力自主化与 Agent 工程化双线推进。微软正式发布第三代自研芯片 Maia 300（2nm chiplet + 288GB HBM4，每兆瓦 token 产出高约 40%），明年或部署超百万台；Amazon 洽谈约 70 亿美元收购 Decart，瞄准异构芯片迁移软件层削弱 Nvidia 锁定。模型侧 Meta 发布 frontier 级 Muse Wonder / Muse Wonder Full 正面叫板 OpenAI 与 Anthropic，Anthropic 公开 Claude Managed Agents 的 dynamic workflows 让 lead agent 自编
今日最值得关注的是算力融资链条的财务真相：OpenAI 追加 250 亿美元 Azure 服务、Anthropic 与 AWS 签下超 1000 亿美元十年合同、CoreWeave 手握约 1040 亿美元客户 backlog，但这些多年期采购承诺无需预付，合同额不等于收入更不等于现金流。技术侧，Sakana AI 发布 MASS 多智能体自监督框架，两轮迭代后每 token 得分达基线 1.2–1.6 倍；Google 推出可完全离线运行的 Embedding Gemma 2；Hugging Face 把 OpenAI 数学题转成开源 RL 环境。论文端，NVIDIA 揭示 RLVR 训练中
今日 AI 领域在治理与评测两端同时亮起红灯：Anthropic 承认无法可靠控制内部 agent，被迫切断内部评测的实时互联网访问；Scale AI 的 SWE-Bench Pro 揭示 coding agent 在公开集仅约 23% 通过率，与 Verified 上普遍 70%+ 形成刺眼落差，VisualToolBench 更显示最强多模态模型 APR 仅 18.44%。产业侧，Chamath 称 Adobe 五大核心产品被反编译开源、软件 IP"已无价值"，NVIDIA 传洽谈收购 Reflection AI，Jefferies 警告 AI 热潮或致美国大规模资本毁灭。产品端"决策模型
这一周的中心事件只有一个：10 月 6 日 OpenAI 在 GitHub 上发布了 722 篇数学手稿。这批结果来自一个未公开的内部前沿模型，覆盖代数、数论、拓扑、理论计算机科学与数理逻辑，在评估的 4000 个问题中给出了覆盖全数学 Top 500 开放问题中 90 个的结果，平均每个结果的算力成本约等于 ChatGPT Pro 三小时。普林斯顿高等研究院的 AGMAI 为此专门发表声明，Anthropic 的 Levent Alpöge 称其中 Result 003「Quasi-Riemann Hypothesis」是「数学史上最重要的时刻」。与此同时，撤稿三篇、约 20% 结果为反例、Lean 验证争议，这些细节同样构成了事件的一部分——如果说本周有什么值得盯的，不是"AI 会做数学了"，而是"AI 做出来的数学能不能被验证"这件事第一次成为公开争论。 第二条线是推理栈对新硬件的适配密度。NVIDIA Vera Rubin 在几天内同时拿到 vLLM 与 SGLang 的 Day 0 支持：vLLM 侧报出 MiniMax M3 在 AgentX 上吞吐超过 GB200 的 7.8 倍，SGLang 侧报出 FP8 MLA 在 batch 1 / 128K 上下文下提速 20%、MoE 尾融合减少每步 276 次 kernel 启动。同一周 vLLM 发 v0.31.0（717 commits、307 contributors），并放出 vLLM-Omni 的全模态服务运行时技术报告。硬件换代与引擎迭代正在以周为单位咬合。 第三条线是 agent 工程从"能跑通"转向"能管住"。GitHub 披露 agent-scale 开发对 Git 基础设施的冲击（月 commit 同比 5x、push 4.9x），Microsoft 把 agent 沙箱做成 Windows OS 级原语（MXC GA），Anthropic 放出 Claude Managed Agents 动态工作流公测，几篇论文则直接研究 agent 的时间预算、评测判官可靠性与仿真训练环境。本周真正被反复追问的问题是：agent 大规模跑起来之后，谁来给它设边界。