2026年10月30日,Sierra在其官方博客宣布,公司年化收入(ARR)突破4亿美元。Sierra称,仅第三季度单季就新增超过1.5亿美元ARR,超过上一整年的ARR。公司还表示,ARR从1亿美元增至2亿美元用了六个月,从2亿美元增至4亿美元只用了五个月,目前服务近50%的Fortune 50企业。同一篇博客中,Sierra提到一家营收超400亿美元的美国大型零售商借助Ghostwriter在27天内从首次会议走到智能体上线,并称与Meta、Shopify、Stripe、Walmart等50多家企业共同推进个人智能体交互的开放标准Poppy。
匹配字段摘要
Rohan Paul于2026年10月28日提出判断,认为Anthropic的收入曲线将成传奇。他引用彭博图表称,Anthropic 2026年上半年收入接近其2023年全年收入的400倍,图中没有其他公司接近这一倍数;增速第二的英伟达在上市前三年内始终低于50倍,Alphabet、Meta、Microsoft和SpaceX则基本停留在1倍基线附近。同一材料还称,Anthropic 2025年全年收入约为2023年的100倍,因此2026年仅6个月的收入就约为2025年全年的4倍。目前该判断仅见于Rohan Paul这一来源,尚无后续发展。
匹配字段摘要
ARC Prize于2026年10月29日公布Meta的Muse Spark Open在ARC-AGI上的验证成绩:ARC-AGI-1为89.0%、每任务0.29美元,ARC-AGI-2为57.5%、每任务0.73美元,ARC-AGI-3在标准harness下为0.1%、每任务3.9K美元。ARC Prize称其v1/v2得分与Haiku 5.5和GPT-6 Luna相近,但成本约为后者的9倍;该模型在OpenRouter上定价为每百万输入1.25美元、每百万输出4.25美元。随推理档位提升,ARC-AGI-2从medium的29.4%(平均每任务55k tokens)升至xhigh的57.2%(每任务180k tokens)。
匹配字段摘要
2026年10月30日,Nathan Lambert评论Simon Taylor关于Meta Muse回答风格的帖子,称这种风格“非常必要”。他表示,与Claude等模型讨论法律、医疗等领域的交叉问题时令人头疼,模型急于对冲风险、回避灰色地带,往往反而绕开了真正的问题。目前尚无后续发展。
匹配字段摘要
2026年10月29日,Artificial Analysis公布AA-PersonalityBench评测的友好度(Friendly)排名。该评测中,Meta AI的Muse系列模型友好度得分最高:Muse Spark 1.3得100分、Muse Spark Open 98分、Muse Wonder 95分、Muse Glimmer 93分。友好度衡量回答是否传达温暖与亲和力而不显做作。友好度最低的为Nemotron 3 Ultra(1分)、GPT-3.5 Turbo(3分)、MiniMax-M3.1-Flash(6分)、Grok 4.6(8分)和DeepSeek V4.1 Flash 1017(11分)。目前尚无后续发展。
匹配字段摘要
希伯来大学等机构的研究人员发表论文《Fast and accurate taxonomic domain assignment of short metagenomic reads using BBERT》,提出BBERT模型。该模型可在短至100个碱基的DNA片段中识别细菌序列,在基准测试中区分细菌与非细菌DNA的准确率约为90%;识别蛋白编码片段的准确率约为88%,判断阅读框约为96%。在模拟混合样本中,先用BBERT过滤使平均组装时间从约66小时降至25小时,并保留约96%的平均细菌基因组覆盖度。目前该研究以论文形式发表,尚无后续进展报道。
匹配字段摘要
波兰雅盖隆大学、英国剑桥大学等机构的研究人员在arXiv发表论文《DomeGS: Perceptually Consistent Background Completion for Unbounded 3D Gaussian Splatting in Virtual Reality》,提出DomeGS框架,将生成式背景补全与3D高斯泼溅(3DGS)场景重建结合,用于解决户外VR场景中天空、地平线及远景缺失问题。据VR陀螺报道,36名参与者使用Meta Quest Pro测试四组户外场景,DomeGS在空间临场感和感知真实感上均取得统计学显著提升(p=0.042),75%的参与者更愿意在采用DomeGS的虚拟环境中长时间停留;两种方案在任务完成时间、头部移动距离及VR眩晕症状评分上无明显差异。目前该研究以论文形式公开,尚无后续进展报道。
匹配字段摘要
2026年10月25日,Infini-AI-Lab发布开源框架Hermit,通过训练外部harness适配器来适配AI智能体,模型与harness保持冻结。据MarkTechPost报道,该框架v0.1.0为Python实现、Apache-2.0许可,可用pip install hermit-harness安装,内置GEPA、SkillOpt、MetaWorld Model、Harness2和Continual Harness五种演化方法。报道称,在GLM 5.3 Flash上,MWM适配器在CL-Bench数据库探索任务达到0.795准确率,高于in-context基线的0.580,但多数结果为单次运行的自报数据。目前尚无后续发展事实。
匹配字段摘要
希伯来大学等机构的研究人员发表论文《Fast and accurate taxonomic domain assignment of short metagenomic reads using BBERT》,提出BBERT模型。该模型可在短至100个碱基的DNA片段中识别细菌序列,在基准测试中区分细菌与非细菌DNA的准确率约为90%;识别蛋白编码片段的准确率约为88%,判断阅读框约为96%。在模拟混合样本中,先用BBERT过滤使平均组装时间从约66小时降至25小时,并保留约96%的平均细菌基因组覆盖度。目前该研究以论文形式发表,尚无后续进展报道。
匹配字段摘要
高盛首席经济学家Jan Hatzius表示,超大规模数据中心在AI领域的投资增长预计将在未来几周达到峰值,其投资占美国GDP的同比变化预计在2026年第四季度见顶,约为1.5%。相关报道提到,亚马逊、微软、Alphabet、Meta、甲骨文和SpaceX今年AI基础设施资本支出预计达约7250亿至8000亿美元,比2025年增长64%。高盛同时给出情景预测:乐观情景下AI相关股票涨55%、大盘涨30%,悲观情景下大盘跌20%;若数据中心投资热潮结束,美国GDP水平可能下降约2个百分点。目前尚无后续发展事实。
匹配字段摘要
2026年10月24日,Apollo首席经济学家Torsten Slok在《Daily Spark》专栏中提出判断:AI在美国科技行业之外尚未带来财务回报。他指出,经通胀调整后,英伟达、特斯拉、亚马逊、微软、Alphabet、苹果和Meta这七大科技巨头的人均营收在上升,而标普500其余493家公司的人均营收和利润率双双持平,也没有看到AI推动生产率增长的迹象。Slok还表示,主流企业已开始收缩AI开支,把词元消耗视为拖累利润率的成本,而非增长来源;他认为AI叙事的最终走向将由标普493决定。后续报道复述了上述观点,并提到高盛经济学家哈祖斯持相反看法。目前尚无新的进展。
匹配字段摘要
2026年10月24日,9to5Mac作者Ben Lovejoy提出判断,认为Apple Glasses只会卖给已有戴眼镜习惯的人。他基于体验Ray-Ban Meta和Even Realities G2智能眼镜指出,Apple Glasses对不戴眼镜的人吸引力有限。据其描述,第一代预计明年发布,无显示屏、仅音频输出,摄像头只用于Visual Intelligence;第二代将带显示屏,导航和翻译是最实用场景,但需求频率不高。他据此判断,戴眼镜且预算充足的人可能想要第二代,不戴眼镜者则很难被说服。目前该判断仍为作者个人观点,尚无后续发展事实。
匹配字段摘要
2026年10月23日,卡尔的AI沃茨发布文章,按可接入App数量对13款Personal Agent进行排名。文章称,meta muse以54个居首,chatgpt dots为50个,gemini spark为35个,today与poke各30个,grok bot为20个,manus cue为15个,Instinct为12个,hark、灵光2.0、千问Go、Hermes、OpenClaw均约10个。文章还提到,Hark免费且不限功能,muse仅限美国加拿大使用,千问Go、灵光2.0、cue、Instinct仍需邀请内测。目前该排名仅见于这一来源,尚无后续发展。
匹配字段摘要
2026年10月24日,芝加哥大学发表论文,指出大语言模型(LLM)无法可靠自述自身决策的关键因素。论文称,LLM无法预测自身答案分歧的关键问题,其自述的决策关键因素与真实因素的吻合度仅13.4%,低于随机打乱后的39.2%。研究让模型多次预测59场March Madness比赛和15个Metaculus事件,再用reranker比对答案对,计算量比本地LLM评审低约86倍。单个答案覆盖真实关键因素的比例为28.6%,基线为37.8%。目前该发现由单一来源报道,尚无后续发展。
匹配字段摘要
Artificial Analysis 于 2026 年 10 月 24 日在 AA-AgentPerf 上线 Meta 新开源权重模型 Muse Spark Open 的初步测试结果。该模型为 816B 参数、42B 激活的 MoE,在 Artificial Analysis Intelligence Index 上得分 39。测试显示,NVIDIA B300 与 GB300 在吞吐优先配置下每兆瓦功耗均可达约 150M tokens/s;GB300 在 100 tok/s 输出速度下约 108M、B300 约 92M;AMD MI355X 在 65 tok/s 下为 70M tokens/s 每兆瓦。模型 62 层中有 46 层采用 2,048-token 滑动窗口注意力,使 1M 上下文下的 KV cache 需求较全注意力降低约 75%。Meta 发布了 NVFP4 checkpoint,AMD 发布了 MXFP4 checkpoint。目前尚无后续发展事实。
匹配字段摘要
野村跨资产策略师Charlie McElligott提出判断,市场正快速重新定价左尾风险,驱动力从通胀叙事切换为对AI驱动增长前景的系统性重估,美债久期头寸重新发挥股票组合对冲功能。其报告提到,隔夜10年期美债收益率单日暴跌逾15个基点、一度跌破5.00%,纳指跌2.60%,费城半导体指数跌6.72%;他将抛售根源归结为对AI轨迹的重新思考,并提及Anthropic年化经常性收入数据令市场失望、Gartner警告超80%新兴云服务商面临倒闭、Meta的CDS利差从7月29日的80个基点扩大至10月22日的120个基点。10月24日报道进一步称,McElligott指出超大规模云计算厂商的AI资本开支陷入两难:继续加速将令自由现金流承压,实质性减速则意味着AI需求与盈利预期失守;过去一周最剧烈的单日抛售中,野村监控的124个美股多空配对有47个波动超过3个标准差、6个超过5个标准差,过去两周CTA趋势策略已平仓约680亿美元美债期货空头和380亿美元短期利率期货空头。
匹配字段摘要
2026年10月23日,OpenClaw 转评 McBain 汇总的“个人 AI 智能体”周报,并就此提出判断:本周唯一比 AI 变化更快的行业是网络安全。该周报涵盖 Anthropic、OpenAI、Meta、OpenClaw、Perplexity 等。OpenClaw 的评论以调侃语气作出上述比较,目前没有更多后续发展或独立来源交叉印证。
匹配字段摘要
Warp Sciences完成2.15亿美元融资,用于在美国建设化学研究设施,以AI和机器人辅助药企与生物技术公司开发药物。该公司由前OpenAI科学计划负责人Kevin Weil创办,距其离开OpenAI约六个月;联合创始人包括前白宫首席数据科学家DJ Patil和前Meta高管Mano Paluri。公司以化学合同研究组织(CRO)形式运营,初期聚焦通过类似物合成进行先导化合物优化,实验数据将用于训练其AI模型,化学家则佩戴摄像头和传感器手套示范动作,供机器人学习实验操作。本轮融资由Lightspeed Venture Partners领投,Premji Invest、Mayfield、IVP、Lux、Conviction、Menlo Ventures、01 Advisors等参投,天使投资人包括Brian Armstrong、Ion Stoica和Dylan Field。目前尚无后续进展披露。
匹配字段摘要
2026年10月22日,1Password推出1Password for Agents,让AI智能体在不查看密码的情况下完成登录。据9to5Google报道,智能体到达登录表单时用数字密钥向1Password验证身份,用户确认所需凭据及用途后,由1Password直接填入表单,凭据不会交给智能体,登录成功后即被移除,智能体无法读取或复用。该集成目前仅支持Meta的Muse和Grok Bot,后续将支持OpenAI Dots与Anthropic Claude Duet。另有报道称,首批接入的是Meta的Muse和SpaceXSI的Grok Bot,未来数日内部署;Anthropic的Claude Duet、OpenAI的ChatGPT Work和dots、Perplexity等合作方尚未给出时间。该服务包含在个人和家庭订阅中不额外收费,目前仅支持托管在1Password.com的账户,1Password.eu和1Password.ca账户暂不支持。
匹配字段摘要
Google与Meta的PyTorch团队合作推出开源项目TorchTPU,为Google TPU提供原生PyTorch后端,迁移只需把model.to("cuda")改为model.to("tpu")。项目支持eager与torch.compile两种模式,新增DeferAndFuse eager模式,覆盖约450个Aten算子,并已在4,917个Hugging Face模型上验证开箱运行,其中Tier 1通过率98%、Tier 2相对GPU数值一致性97%。官方称其已用于部分Google Cloud大客户的推理与训练生产负载,并集成vLLM、SGLang、TorchTitan、Ray和TorchRec。后续报道称,在PyTorch Conference North America 2026上,Google开源了TorchTPU,运行时不再依赖JAX,现有负载只需少量代码改动即可迁移;PyTorch方面指出,TorchTPU默认的Skinny Collectives方案在分布式负载下相比优化方案约有30–40%的端到端性能损失,追求峰值性能仍需Pallas kernel及vLLM-T
匹配字段摘要