跳转到内容
主站 新闻 控制台

[AINews] 高品味测试员 第1期

· Latent Space
播客深度访谈

我们在 Latent Space 上试播一档新节目:High Taste Testers,这是我们美食节目的一种衍生形式,带你身临其境体验旧金山一场典型的午餐闲聊。从 Dev Day(开发者日)到最新的模型和助手,所有你最关注的热门话题都在这里:

欢迎向我们反馈你的想法!

2026年10月15日–10月16日 AI 新闻。我们查阅了 12 个 Subreddit、544 个 Twitter 账号,未查阅更多 Discord。AINews 官网 支持搜索所有往期内容。温馨提示:AINews 现已成为 Latent Space 的一个板块。


AI Twitter 精选回顾

美国开放权重模型发力:Muse Spark Open 与 Reflection Beam

  • Muse Spark Open (Meta):总参数量 816B、激活参数量 42B 的开放权重 MoE(混合专家)模型。Artificial Analysis 在其智能指数(Intelligence Index)中为其打出 39 分,为美国开放权重模型中的最高分,比 NVIDIA 的 Nemotron 3.5 Super VL(26 分)高出 13 分(AA)。

    • 架构与规格:62 层,采用配备 16 个 KV 头的 GQA(分组查询注意力),每个 token 激活 256 个专家中的 8 个,配有 1.8B 感知编码器(Perception Encoder)并支持 1M 上下文。输入支持文本、图像、视频和音频;输出为文本。BF16 权重约为 1.6TB。Meta 的 NVFP4 检查点(checkpoint)仅对专家进行量化,将权重体积压缩至约 530GB。Meta 表示该模型可运行在 4 块 Blackwell Ultra GPU、8 块 H200 或两台 512GB 的 M5 Ultra Mac Studio 上。
    • 定价与效率:Together、Fireworks 和 Baseten 的收费标准为每百万输入/输出 token 1.25 美元 / 4.25 美元,缓存输入为 0.15 美元。AA 测算其每项评测任务成本为 0.84 美元,而 GLM-5.3 为 2.01 美元,DeepSeek V4.1 Flash 为 0.27 美元。其每项任务消耗 4 万个输出 token,在前九大开放模型中最少(成本)。Vals 统计其在整个评测指标中共消耗 5550 万个输出 token,在所有开放模型中最少,但指出输入 token 贡献了其绝大部分成本(Vals)。
    • 短板:在 AA 的四项智能体评估(agentic evals)中,它在前九大开放模型中位列倒数第一,但在 AA-Omniscience 评测中领跑开放模型。Vals 将其排在开放权重模型第 12 位、总榜第 38 位(Vals)。Arena 在 Code Arena WebDev 榜单中将其评为美国排名第一的开放模型(得分为 1511 分),在所有开放模型中位列第 13(Arena)。
    • 许可证:专有的 Muse Model License 要求注明“Built with Muse Spark Open”。年营收超过 2000 万美元的模型即服务(MaaS)企业需与 Meta 另行签署协议。
    • 生态支持:mlx-lm 首日即提供支持并兼容视觉功能,苹果官方博文还介绍了如何在 Mac Studio 之间通过 RDMA 进行分布式推理(@zcbenz)。vLLM 在 Muse 训练阶段支持了强化学习采样生成(RL rollouts),并在模型发布时即开即用(vLLM)。SemiAnalysis 已在 InferenceX 中新增了 B200 配置(SemiAnalysis)。
    • 批评(观点):@teortaxesTex 称相较于体积更小、采用 MIT 许可证的 V4.1 Flash,该模型“一出场就宣告失败(DOA)”。他还无凭无据地推测 Meta 暂未发布 Spark 1.3 是因为存在来自 OpenAI 的蒸馏行为(推测)。@alexandr_wang 则评价称 MSL 打造了一台“专门制造新模型的机器”。
  • Reflection Beam 1.0:总参数量 501B、激活参数量 23B、支持 1M 上下文的 MoE 模型,采用 Apache 2.0 许可证发布。该发布版本包含 BF16、FP8 和 NVFP4 权重、DFlash2 起草器(drafter)、用于训练 Beam 的开源 Mirror CLI 测试框架(harness),以及一份安全报告(Reflection、安全报告、Mirror)。

    • 独立评测:AA 为其打出 30 分,在美国开放模型中位居第 2,每项任务消耗约 2.6 万个 token。它在 AutomationBench-AA 上的准确率达到 48.5%,但在 Terminal-Bench 4.0 上仅为 3.0%。在 AA-Omniscience 评测中,其正确率为 33%,但幻觉率高达 47%(AA)。