Reflection 开源权重模型 Beam 在 Vercel AI Gateway 限时免费
Vercel 开发者账号宣布，Reflection 的 Beam 模型在 Vercel AI Gateway 上限时免费，此前它以 stealth/cat-jam 的代号隐身运行，是一款低延迟的美国开源权重模型，调用名为 reflection/beam-free。Guillermo Rauch 转述称该模型可接入可部署的 eve 智能体、用 fx 开始编码，或自行搭建 harness。
匹配字段摘要
←搜索结果
搜索“编码”
AI 越来越聪明，但智能体集群的一致性更难了
Concentric AI 联合创始人 Madhu Shashanka 指出，随着编码智能体可靠性快速提升，企业将部署大量智能体，真正的难题从单个智能体可靠性转向集群一致性。他以 10 个各 95% 准确率的智能体串联后整体准确率降至约 60% 为例，说明可靠性无法叠加，并提出组织需要类似本体感觉的持续自我感知机制，否则只能靠人工审计和定期审查勉强维持。
匹配字段摘要、正文
Meta 与 Apple 合作发布开源权重模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，并与 Apple 硬件团队合作使其能在 M5 Mac Studio Ultra 上高效运行。该模型拥有 420 亿活跃参数、100 万 token 上下文窗口，具备多模态能力，Meta 称其在智能体和编码任务上表现良好，权重已在 HuggingFace 上以 Meta 的 Muse Model 许可公开。在 Apple 电脑上运行该模型需要两台搭载 M5 Ultra 的 Mac Studio，每台起售价 5,499 美元。
匹配字段摘要、正文
Meta 发布开源权重模型 Muse Spark Open
Meta 于周四发布开源权重模型 Muse Spark Open，称其能力可对标并在部分场景超越中国厂商的同类产品。Meta AI 负责人 Alexandr Wang 称其为迄今能力最强的美国开源权重模型，该模型面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理，并内置了安全防护措施。该模型针对 Apple M5 Ultra 芯片做了优化，用户可用两台搭载该芯片的 Mac Studio 在桌面端运行。
匹配字段摘要、正文
Sakana AI 发布第三代 The AI Scientist，并开源 AutoIllustrate
Sakana AI 于 2026 年 10 月 15 日公开第三代 The AI Scientist（The Agentic Scientist），通过 Codex、Claude Code 等多个编码智能体协作，覆盖假设提出、实验、分析到论文撰写，并开源可生成可编辑论文插图的 CLI 工具 AutoIllustrate。系统在 5 个课题上用 9 种大语言模型和 4 种智能体执行工具共运行 70 次研究流程，论文质量由 AI Reviewer 按 1 至 10 分评估，新模型得分更高，Claude 系列尤为明显，同一模型下不同执行工具差异较小。代码以 Apache License 2.0 在 GitHub 的 AI-Scientist-v3 仓库公开，默认使用 Claude Code，可切换 Codex、Gemini CLI，并提供仅用 CPU 即可跑通的示例。
匹配字段摘要
Reflection 开源权重模型 Beam 上线 Baseten，501B MoE 支持 1M 上下文
Reflection 的首个开源权重模型 Beam 已在 Baseten 平台上线，通过 Baseten Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 采用 MoE 架构，总参数 501B、每 token 激活 23B，上下文窗口最高 100 万 token，面向编码与智能体工作流。Reflection 在训练中采用较长 RL rollout 并加入长度惩罚，鼓励模型用更少 token 完成任务，用户还可通过 reasoning effort 参数调节推理投入。
匹配字段摘要、正文
Reflection 发布首个开源权重模型 Beam，501B 参数稀疏 MoE
Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 许可开放。Beam 是稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，同时提供 BF16、FP8、NVFP4 精度格式和投机解码草稿模型。Reflection 还联合 40 多家合作伙伴构建其称为智能体开放操作系统的生态，覆盖 vLLM、SGLang、Unsloth、Axolotl 等推理与微调框架，并开源了配套的 Mirror CLI 智能体工具。
匹配字段摘要
SGLang 原生支持 Reflection Beam 并支撑其生产 API
LMSYS 宣布 SGLang 已原生支持 Reflection 的 Beam 模型，并用于支撑其生产 API。Beam 是 501B 参数、每 token 激活 23B 的 MoE 模型，原生 1M token 上下文窗口，计划以 Apache 2.0 发布，SGLang 为其提供 BF16、NVFP4 和动态 FP8 支持、DFlash2 投机解码与混合注意力前缀缓存。在 4 张 NVIDIA GB300 GPU 上以 NVFP4 运行 OpenHands 多轮智能体编码回放，并发 32 时达到每 GPU 127.6K tokens/sec、每用户 185.87 tokens/sec（p50）。
匹配字段摘要
Meta 发布 816B 参数开源多模态模型 Muse Spark Open，可双 Mac Studio 本地运行
Meta 发布开源权重多模态模型 Muse Spark Open，参数量 816B，面向编码与智能体任务，并与 Apple 合作通过更新后的 MLX 工具包在两台 M5 Ultra Mac Studio（合计 1TB 内存）上本地运行。Meta 称该模型在无云环境下完成 iOS 应用修复和在 DaVinci Resolve 中剪辑视频。在 Artificial Analysis 的 Intelligence Index 上它得分 39，高于西方开源模型，但低于 GLM 5.3 的 45、Kimi K3 的 44 和 Qwen3.8 的 40，中国模型在编码上仍领先。
匹配字段摘要
Hojo-ASR-Multi-V1 开源多语言 ASR：5 语言平均 WER 3.54
Hojo-ASR-Multi-V1 在 5 种语言上取得 3.54 的平均 WER，采用声学编码器加 Qwen3-4B 解码器的 Encoder-Adapter-LLM 架构。模型已在 Hugging Face 以 Apache 2.0 许可公开，可通过 hojo-asr Python 包安装并支持本地推理，接受 WAV 文件路径、音频字节流和 SCP 输入。解码阶段交由 Qwen3-4B 大语言模型完成，使识别能借助更丰富的语言知识消解仅凭音频难以区分的词。
匹配字段摘要
美新半导体亮相首届空天科博会：MEMS全栈感知赋能空天创新与低空经济
美新半导体（MEMSIC）在江苏南通举行的首届空天科技博览会上展出六轴IMU、AMR地磁传感器、AMR磁编码器、热式/电容式加速度传感器、霍尔传感器及eOIS影像稳定驱动芯片等核心产品，覆盖“传感芯片+软件算法+应用方案”一站式MEMS感知能力。其中AMR 3D地磁传感器测量分辨率达1度，AMR磁编码器INL角度精度优于±0.07°，霍尔开关传感器工作电流典型值仅2.5μA。公司围绕无人机、低空经济、具身智能机器人等场景与产业链伙伴探讨合作机会。
匹配字段摘要、正文
Meta 发布 816B 参数开源权重模型 Muse Spark Open，支持 1M 上下文窗口
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要
Meta 发布 Muse Spark Open 开源权重模型，816B 总参数、1M token 上下文
Meta 发布 Muse Spark Open，称其为目前美国最强的开源权重模型，面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理。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、视频和音频多模态。该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上运行，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，权重以 Muse Model License 发布，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，并在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，816B 总参数、1M 上下文
Meta 发布开源权重模型 Muse Spark Open，面向编码与智能体任务，总参数 816B、激活参数 42B，上下文窗口 1M token，原生支持文本、图像、视频和音频。该模型已针对双 Apple M5 Ultra Mac Studio 与最新 MLX 框架优化，同时支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并针对 AMD、Apple、Intel 和 NVIDIA 芯片优化。模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，开发者可用 PyTorch 及 TorchTitan 进一步微调。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，816B 总参数、1M 上下文窗口
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活参数 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频和音频多模态，面向编码与智能体任务。该模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，有限商业条款允许许多开发者免费使用。模型还针对 MLX 框架在两台 Apple M5 Ultra Mac Studio 上运行做了优化，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎。
匹配字段摘要
Meta 开源 Muse Spark Open，816B 总参数 MoE 模型上线 Hugging Face
Meta 的 Muse Spark Open（Muse-Spark-Open-816B-A42B）已在 Hugging Face 上线，这是一个混合专家（MoE）模型，拥有 42B 激活参数、816B 总参数和 1M token 上下文窗口。该模型面向智能体与编码工作流，覆盖从理解大型代码仓库到借助工具完成多步工程任务。推文提到还附有基准测试结果。
匹配字段摘要
Meta 的 Muse Spark Open 上线 OpenRouter
Meta 发布的开源权重模型 Muse Spark Open 已在 OpenRouter 上线，OpenRouter 称其为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。据 Meta 官方介绍，该模型总参数 816B、激活参数 42B，原生支持文本、图像、视频和音频，擅长长周期任务、复杂软件工程与多步推理。OpenRouter 表示该模型在发布首日即上线，合作方包括 Baseten、Fireworks AI、Nebius 和 Together Compute。
匹配字段摘要
OpenRouter 上线 Meta 开源模型 Muse Spark
OpenRouter 宣布 Meta 的 Muse Spark Open 已在其平台上线，并联合 baseten、FireworksAI、nebiusai 和 togethercompute 在发布当天提供支持。该模型被描述为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文窗口，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。
匹配字段摘要
Karina Nguyen 转述 Nick Cammarata 的可解释性研究新判断
Karina Nguyen 转述 Nick Cammarata 关于可解释性研究的新判断，认为 AI 加速科学发现可以从理解自身学习机制开始，这类研究在编码智能体和开放权重模型出现前更难推进。Cammarata 在引用推文中称，他早年在 OpenAI 参与机械可解释性研究时曾持悲观态度，认为神经网络会折叠成难以理解的乱结；如今借助现代智能体工具观察，参数量高达数万亿的模型中绝大多数神经元是可读的，电路结构清晰，许多著名的纠缠神经元案例其实是被误解的。他认为雄心勃勃的可解释性研究会在最需要它的时候被解决，并可能很快实现。
匹配字段摘要
NVIDIA 新模型或于下周 GTC 发布，疑似 Nemotron 3.5 Super VL
NVIDIA 一款新模型预计下周发布，可能亮相于周三 21 日的 GTC 活动。此前在 NVIDIA 文档中出现的 Nemotron 3.5 Super VL 采用 Nemotron-H 混合语言解码器、RADIO 视觉编码器、视觉投影器和独立时序视频嵌入器，复用 Nemotron Omni 图像/视频栈但不含音频编码器，并保留共享的 Multi-Token Prediction（MTP）权重。引用信息还提到该模型为 120B 总参数、12B 激活参数的混合 Mamba-Transformer MoE，支持图像和视频输入，并有纯文本版本。
匹配字段摘要