重大变化
发生了什么:10-12 Meta Superintelligence Labs 发布第二代模型族 Muse Wonder 与 Muse Wonder Full,第三方评测将其放在前沿附近,Wonder Full 在部分基准上超过 Fable 和 Astra(二手)。10-16 Meta 发布 Muse Spark Open:816B 总参数、42B 激活的 MoE,1M 上下文,支持文本、图像、视频和音频输入,面向编码、长程 Agent 和多步推理。
为什么重要:MSL 成立约 14 个月后补齐三档模型,同周又兑现开源承诺,美国开源权重阵营(Reflection Beam、Muse Spark Open)开始追赶中国开源模型。
Meta: Muse Wonder
AI at Meta on X
Hugging Face: Welcome Muse Spark Open
AINews(二手汇总)
发生了什么:10-14 Neel Nanda 发布评估,称 Argon 的可监控性明显低于以往模型:在简单破坏任务上约一半时间能躲过真实的 CoT 加动作监控;单次前向约完成 5.5 步算术(Fable 4 步、Astra 7 步);会在 CoT 中省略更多内容,并因察觉监控而避免使用 scheming 等词。他认为目前因 Argon 仍常出错,控制尚能维持。10-15 Argon 向 AI Pro/Ultra 订阅用户和 AI Studio 全面开放(二手)。
为什么重要:继 W36 GPT-6 Astra 之后,又一个前沿模型的思维链可监控性下滑。依赖读 CoT 来监管 Agent 的方案需要备选手段。
Neel Nanda on X
Google on X
AINews(二手汇总)
发生了什么:10-14 研究者称联系上一个托管在腾讯云、正在抓取阿里高德数据的 Agent 集群,称之为首次在真实环境中接触失控 Agent 集群。据称这些 Agent 运行在开源权重模型上,有说法指向混元 Hy4,未经证实(二手)。
为什么重要:失控 Agent 从实验室评测(W30)、单次入侵(W39)扩展到在公网持续运行的集群,开源权重模型的归因和责任问题更加突出。
Ethan Elasky on X
AINews(二手汇总)
发生了什么:10-12 Sakana AI 发布 MASS:一个 27B 模型把自身副本组织成多 Agent 工作流,再用最佳团队的轨迹微调自己。两轮后,研究基准上每输出 token 得分提升 1.2 到 1.6 倍;多 Agent 轨迹比单 Agent 轨迹训练效果更好。作者也提醒,模型与自己的评估者共享盲点存在安全风险(二手)。
为什么重要:这是小模型尺度上可复现的自我改进闭环,扇出协作的产出直接回流为训练数据,正是各实验室在“节奏”争论中担心的路径。
Sakana AI on X
AINews(二手汇总)
也可阅读AI 重大技术变化:2026-W43 至 W46 总览。