模型与能力
Meta Muse Spark 1.3 发布：编码与智能体任务新标杆，开放权重将至
Meta 推出 Muse Spark 1.3，称其为 Spark 系列中最强的编码与智能体模型，长上下文（512k–1M tokens）准确率达 98.1%，已进入全球模型榜前三。官方确认开放权重版本「即将发布」，当前已支持复杂指令、长周期任务和高合规性。
> 相关链接：Latent Space 报道｜Reddit 用户实测与讨论
阿里巴巴 Wan 3.0 登顶视频生成榜单：支持 30 秒 1080p 多模态编辑
Wan 3.0 在第三方榜单拿下视频编辑带音频第 1、文生视频带音频第 2、图生视频带音频第 5。支持文本/图像/视频/音频/文档/网页多输入，原生音频生成，最高 30 秒 1080p 输出，公测价 $0.05–$0.20/秒。
> 相关链接：Artificial Analysis 榜单
Qwen3.8-Max 登顶 Code Arena WebDev 榜首，本地 27B 版本实测胜过 ChatGPT 5.1 编码体验
Qwen3.8-Max 在 Arena AI Code Arena WebDev 榜单以 1691 分排名第一，小幅领先 Claude Opus 5 Max；用户实测本地运行 Qwen3.8-27B（GGUF），配合上下文文件可直接产出可用代码，无需云端、不传数据。
> 相关链接：Reddit 原帖
Spark-X2.5-4B：40 亿参数模型宣称媲美 90 亿参数竞品，原生支持 100 万 token 上下文
XHToken 开源 Spark-X2.5 系列（1.7B/4B），采用混合注意力架构，宣称在 4B 参数量级达到 Qwen 类 9B 模型性能，预训练达 20T tokens，原生支持 1M context，GGUF 已发布但需定制 llama.cpp 分支运行。
> 相关链接：Reddit 讨论
Google Gemini 3.8 Flash Cyber 发布：专注网络安全，CyberGym 得分 86.2%
Google 推出 Gemini 3.8 Flash Cyber，主打安全领域：CyberGym 86.2%、CWE-Bench 补丁任务 47.2%、内部漏洞发现测试跨 20 种语言成功率超 70%，保持 Flash 级速度与定价。
> 相关链接：官方宣布
Agent 与工具链
斯坦福两门新课落地：从「提示工程」转向「系统级智能体工程」
斯坦福推出两门 Agent 专项课：《The Modern Software Developer》85% 内容重制，聚焦 agent 技能、MCP 门户、背景并行 agent；CS329Z《Engineering AI Agents》则要求学生从零构建 agent 系统，含记忆、工具调用、编排与生产约束。
> 相关链接：Mihail Eric 宣布｜Diyi Yang & Michael Ryan 宣布
ByteDance Seed HarnessDev：让模型自己写并优化执行「骨架」，写作/ML 实验已超人类
HarnessDev 方法让模型先生成可运行的弱 harness，再用下游反馈迭代优化，评估兼顾能力与执行 token 成本。在写作和 ML 实验任务上，自建 harness 已超越成熟人工方案；但在代码/搜索/研究任务仍落后。
> 相关链接：论文解读
SGLang + Baseten + NVIDIA 推出 Miles：开源 RL 后训练即服务框架
Miles 是一个开箱即用的 RL 后训练框架，用 SGLang 做 rollout 推理引擎，支持更快更稳的 RLHF/RLAIF 流程，定位为可复用的基础设施，替代各公司自建 pipeline。
> 相关链接：SGLang 官方公告｜Arav Srinivas 解读
基础设施与硬件
Photon 2.1 支持实时语音合成与 NVIDIA B200，Baseten 上线 GLM-5.3 Fast 实时部署版
Photon 2.1 新增 TTS 模型与 B200 GPU 支持，专为实时多模态推理优化；Baseten 同步上线 GLM-5.3 Fast 托管服务，强调更高 TPS 和低延迟部署能力。
> 相关链接：Photon 更新｜Baseten 公告
llama.cpp 新版 MTP 优化：Qwen3.8-Flash-Next 推理速度提升超 50%
llama.cpp PR #28123 合并后，Qwen3.8-Flash-Next-GGUF 的 MTP（多 token prediction）吞吐量从 123→183 tok/s（代码）、83→144 tok/s（散文），此前散文场景 MTP 反而比普通解码还慢。
> 相关链接：PR 详情
研究与方法
「循环 Transformer」不是黑盒推理：层复用只是压缩计算，不等于隐藏思维链
rasbt 拆解 OpenAI Astra 架构传闻指出，「循环/层复用」本质是类似 Nanbeige 4.2-3B 的轻量设计：22 层重复两次≈44 层效果，内存不变、算力翻倍、token 效率部分保留；它不自动抹除 CoT，只是减少中间 token 输出。
> 相关链接：技术解析
技能检索可能「拉高平均分，却拖垮实际触发任务」：新评测法揭示负向效应
新论文提出「检索触发真实使用效应」评测法：同一任务跑两次（开/关技能），只统计技能真正触发的任务。结果发现：17 个模型中，技能开启后整体分上升，但被触发任务的实际表现反而下降。
> 相关链接：DAIR AI 总结
产品与应用落地
Palmimo DevKit 发布：Python 几行代码就能控制的开源桌面机器人平台
Palmimo DevKit 是一款开源 AI 机器人套件，含可更换 AI「大脑」模块，开发者无需机器人专业背景，用几行 Python 就能控制机械臂/传感器等实体动作，面向物理 AI 应用快速验证。
> 相关链接：官方发布
Wan 3.0 支持最多 14 个参考素材（图/音/角色），@标签式多资产创意控制上线
Wan 3.0 新增 prompt 中 @ 标签引用功能，单次视频生成最多支持 14 个参考：包括图像、声音样本、角色设定等，让多素材协同创作更直观，降低复杂编辑门槛。
> 相关链接：功能演示
行业与公司动态
Marin 535B-A23B 大模型训练完成 13%，由黄仁勋夫妇基金会资助，CoreWeave 提供算力
斯坦福 Percy Liang 团队主导的开源大模型 Marin 535B-A23B 已完成 13% 训练，全部算力由 Jen-Hsun & Lori Huang 基金会捐赠，托管于 CoreWeave 集群，标志大型开源模型可持续获公益算力支持。
> 相关链接：Percy Liang 公布
政策、治理与安全
开发者吐槽 Google 工具链风险：Gemini 账号封禁可能连坐 Google Cloud 账户
多位开发者指出，Google 对 Gemini 工具调用账号管控严格，违规易触发 Gmail/Workspace 封禁，且因身份绑定，连带影响关联的 Google Cloud 生产账户，造成业务中断风险。
> 相关链接：Theo 分析｜QuinnyPig 补充