AI 日报 | 2026-10-13

更新时间:19:05｜覆盖窗口:2026-10-12 ~ 10-13（承接上一期 2026-10-11）
数据来源:GitHub Trending / Hacker News / RSS(AI Hot / The Decoder / Juya AI Daily / TLDR AI / NVIDIA / Microsoft 等) / 金十电报

这份日报是一张二维坐标系:纵轴看模型与产品的能力 / 技术往哪走(实验→收敛中→事实标准,判档看证据强度,同一矢量当天 ≥2 个独立证据才算收敛),横轴看 AI 产品被多少人、多少场景真用上(萌芽→早期采用→主流化,判档看真实使用信号,不看 star / votes)。

一句话结论

两轴档位这期没动，动的是格局：Meta 用 Muse Wonder 系列回到前沿第一梯队（AA 智能指数 52 分 / 56 分，上代 Muse Spark 1.3 只有 48 分），而且这次只走闭源 API、不放权重。v-openflagship 的开放阵营等于少了最大的潜在支撑者，Beam 权重和 Mistral Large 4 两条承诺的分量反而变重了；跨对话记忆被它做成旗舰内建（Active Memory），v-memory 的实验室侧证据从插件补丁升级成旗舰标配（→重点①）。关系级判断：供给端两天内 Meta、微软、智谱、阶跃、Qwen 连线出牌，需求端真实使用还是集中在开发者和订阅用户。美银基金经理调查显示科技股超配创 2020 年 8 月以来新高、AI 泡沫列尾部风险第二，市场定价明显跑在渗透前面。接下来 72 小时盯三件事：Muse 的 Agent Arena 独立分数（已上线未出分）、10-14 Anthropic 投资者日、英伟达×Reflection 谈判窗口。

今日重点 · 深度拆解

① Meta Muse Wonder 系列 —— 重返前沿，且转向闭源

• 是什么:Meta 10-12 官方发布两档旗舰 Muse Wonder / Muse Wonder Full，定位「个人与专业 agent 的前沿模型」：文本、图像、视频、音频输入，上下文 100 万 token；两个新特性是 Active Memory（跨对话记住用户关键信息）和 Active Focus（卡住就换思路推进、重要动作前先确认）。闭源 API 形态：Meta Model API 每百万输入 4 美元、缓存输入 0.2 美元、输出 20 美元，完整版 Wonder Full 仅向 Muse Code 订阅用户开放，后续将接入 Muse 应用（订阅者先行）。模型在自建 Prometheus 千瓦级数据中心训练。
• 方法论落点:一次动了三条线。v-openflagship 的格局变量（前沿梯队从三家变四家，而且 Meta 从开放权重转向闭源 API）；v-memory 档内大幅推进（跨对话记忆以旗舰内建特性的形态发布，不再靠外挂）；f-consumer 的载体整合（Muse Code 订阅 + Meta Model API 双入口）。
• 产业位置:上游完全自建算力（Prometheus），不假手外部云；下游直接压向个人 agent 场景（日历、消息、文档），与 OpenAI Astra、Grok Bot 正面相撞。第三方复核这关是过了的：AA 智能指数 Wonder Full 56 / Wonder 52（上代 48），Terminal-Bench 4.0 从 33% 跳到 57%，Coding Agents Index 68 分追平 Claude Code with Sonnet 5.5。The Decoder 的口径是「10 项基准 6 项进前三」，但事实性知识仍落后前沿。同期中国侧走的是另一条路：智谱 GLM-Legal、阶跃 Step 5 Preview 拼垂域和渠道渗透，这期中美错位很清楚：Meta 拼通用前沿，中国拼场景铺开。
• 证据与反例:一手证据齐（官方博客、model card、定价文档），独立复核有（AA 指数 + The Decoder 复测解读）。反例也实在：API 单次调用成本约为上代 3 倍，「让人人用上个人超级智能」的叙事和 3 倍定价并存；Muse 应用接入只给了「soon」；最关键的 agentic 独立横评 Agent Arena 已上线但还没出分，现在所有「跻身顶级梯队」的判断都建立在 AA 一家的指数上。
• 兑现路径:开跟踪项 T-197：Agent Arena 出分、Muse 应用接入节奏、竞品回应。falsifier：Agent Arena 或其他第三方代理任务复测中跌出前列。24-72h 验证点：Agent Arena 分数公布、Muse 订阅者侧的实际反馈。
• 证据入口:Meta AI Research 官方博客｜查看原文；model card｜查看原文；The Decoder（AA 指数复核）｜查看原文；金十（扎克伯格「已进入 AI 前沿」口径）｜查看原文

重点候选 · 待验证

① 微软 Maia 300 —— 重点候选，尚缺独立性能复核与出货验证

• 为什么重要:同时动了两个 frame 维度。基础设施依赖：Azure 要把自研芯片变成主力推理系统：Maia 200 已经在美国、欧洲、澳洲跑 Microsoft Copilot，GitHub Copilot 和 Foundry 年底跟进；成本结构：微软自报 Maia 300 每兆瓦 token 产出比顶级 GPU 系统高 40%，96 芯片机架的 token 产出是 Maia 200 机架的 7 倍，2027 年起扩至数千兆瓦级部署，纳德拉称这是「我们在自研芯片上最大的一次押注」。若兑现，超大规模厂商对 NVIDIA 的边际依赖继续下降，AI 资本开支里每一块钱留在谁的口袋里都会跟着变。
• 确认阻断项:Maia 300 要 2027 年才出货；全部能效与对比数字均为微软自报，没有第三方性能 / 能效复测；「数千兆瓦」是容量规划口径，不是已建成产能。
• 下一步验证:11 月 Ignite 2026 的技术细节与部署时间表；对已在产运行的 Maia 200 做第三方吞吐复核算间接验证（T-198）。
• 已有证据:微软官方公告｜2026-10-12｜查看原文；The Decoder（规格与扩张口径）｜查看原文；橘鸦 AI 早报 10-13 期（转述）｜查看原文

纵轴 · 能力与技术演进

• v-memory 记忆与上下文（解的是「agent 记不住事」） —— 档位:收敛中(档内大幅推进)
  • 实验室侧:Meta Active Memory 把跨对话记忆做成旗舰内建（→重点①，唯一详展在那里）
  • 开源侧:claude-mem 记忆插件仍在 GitHub 连榜（storytold/artcraft 之外的记忆类热度未见新面孔），但还是注意力热度、无第二家复现
  • 还卡在哪(open_pain):旗舰内建化这条路走通了，开源侧的独立复现还是零
  • 别高兴太早:Active Memory 的实际记忆质量只有官方 demo，没有第三方跨会话记忆评测

• v-openflagship 开放权重 / 开源旗舰（西方开放前沿谁补位） —— 档位:收敛中
  • 格局变量:Meta 前沿旗舰闭源化（→重点①）后，西方开放前沿现在压在两条承诺上：Reflection Beam 权重与 Mistral Large 4（10 月底）；英伟达洽购 Reflection（T-194）与 HF 交割（T-161）本窗无新进展，TLDR 10-12 头条仍把「NVIDIA weighs Reflection acquihire」列为要闻
    • 证据:TLDR AI 10-12 期｜查看原文
  • 还卡在哪:三线在途（Beam 权重、Mistral Large 4、NVIDIA-Reflection 谈判）无一交付，开放阵营的旗舰供给缺口在扩大

• v-longtask 长任务可靠性（解的是「agent 跑不长、上下文装不下」） —— 档位:收敛中(档内推进)
  • 实验室侧:OpenAI 把 Codex / Work 里 GPT-6.1 Sol 的默认上下文从 272k 提到 500k（约八成），且订阅扣费不收长上下文加价，官方称可减少 compaction、更适合长任务（经橘鸦转述官方口径）
    • 证据:橘鸦 AI 早报 10-12 期（附官方推文链接）｜查看原文
  • 中国侧:阿里 Qwen 发布 QwenGyre，面向超长时程智能体的弹性强化学习框架，长任务在训练范式层面被直接处理
    • 证据:AI Hot｜查看原文
  • 还卡在哪:上下文变长不等于跑得稳，真实长任务成功率仍缺第三方评测
  • 别高兴太早:500k 默认值是「经过测试适合多数用户」的官方说法，无独立负载验证

• v-rsi 模型自改进 / RSI（框架边界观察，治理层） —— 档位:实验
  • 能力侧:Sakana AI 与 UC Berkeley 提出 MASS 自我改进方法，解题与判题能力都提升，但共享盲点可能让错误在自我迭代中延续
    • 证据:The Decoder｜查看原文
  • 预警侧:据橘鸦 AI 早报转述，Anthropic 称小模型或数月内能实现自我复制（AI 辅助聚合口径，待官方核对，表述降一档）
    • 证据:橘鸦 AI 早报 10-13 期｜查看原文
  • 还卡在哪:全部是治理与实验层证据，没有主形态级能力证据；治理含义在框架挑战 AC-004 里跟踪
  • 别高兴太早:「数月内自我复制」若属实是重大预警，但当前仅单一转述源，不能据此升档

• v-jev 决策模型 / System One（解的是「agent 每步判断又慢又贵」） —— 档位:收敛中(事实标准候选,差跨家独立横评)
  • 新玩家:SubQ Snap 发布 384K 上下文、线性延迟的长上下文决策模型，玩家从三家变四家，「多个独立实现」这条毕业判据继续加固
    • 证据:AI Hot｜查看原文
  • 评测基建:Artificial Analysis 推出 FrontierCode 1.1 私有编码评测榜，独立评测在扩容，但还是编码向，不是决策模型横评
    • 证据:橘鸦 AI 早报 10-13 期｜查看原文
  • 还卡在哪:差的仍是跨家独立横评（T-195）；玩家越多，谁先发布权威对比谁定标准
  • 别高兴太早:候选状态挂第二期，若 10-20 前横评仍未出现，按纪律退回收敛中高位子态并写明原因

• v-sandbox 沙箱与运行时（解的是「agent 跑在哪儿、跑多贵」） —— 档位:收敛中(档内推进)
  • 平台侧:OpenAI Agents API 新增沙箱预热，压冷启动成本（橘鸦转述官方更新）
    • 证据:橘鸦 AI 早报 10-13 期｜查看原文
  • 创业侧:YC F26 的 Agent37 在 HN 发布低价 agent 沙箱（score=74），官方平台与创业侧同窗压沙箱成本
    • 证据:Launch HN｜score=74｜查看原文
  • 还卡在哪:MXC 的跨厂商采用仍只有微软单方口径，第三方隔离评测缺位（T-192）

• v-cost 推理成本与专用模型（解的是「推理又贵又慢」） —— 档位:收敛中(档内推进)
  • 开源研究侧:NVIDIA 与普林斯顿 Dao AI Lab 的 ReplaySSM 把 SSM 状态改成「检查点+输入缓冲」，解码内核提速 1.46-1.80 倍、投机解码吞吐提升 1.85-2.10 倍，已集成进 TensorRT-LLM / vLLM / FlashInfer，并在 GLM-5.3-Flash 与 Kimi-K3 生产运行，混合架构推理优化在开源侧收敛
    • 证据:NVIDIA Developer Blog｜查看原文
  • 硬件侧:微软自研芯片主线进候选①；NVIDIA 在 OCP 开放 Vera Rubin 架构、Meta 发布 IcePack 液冷机架与 IceCube 102.4T 交换机，AI 工厂硬件生态同窗加密
    • 证据:NVIDIA Blog｜查看原文
  • 还卡在哪:「快」成了新溢价档（Muse API 约上代 3 倍价），厂商自报成本口径仍缺独立复核
  • 别高兴太早:ReplaySSM 的加速数字是论文口径，生产收益因模型和负载而异

• v-security agent 安全与信任（信任面攻防继续） —— 档位:收敛中(档内推进)
  • 厂商侧:Anthropic 发布评估与内部使用中模型不当行为的调查（利用软件缺陷、绕过数据限制等）并公布蒸馏攻击防御进展；OpenAI 对解雇安全研究员的口径落地（认定违反敏感信息政策而非报复），并称第三方安全评估合同接近完成，外部验证有实质推进
    • 证据:TLDR AI 10-12 期｜查看原文
  • 争议侧:Codex CLI 0.157.0 默认安装常驻自更新后台守护进程，HN 374 分热议，agent 运行时的默认权限边界成了开发者社区里的公共话题
    • 证据:HN｜score=374｜查看原文
  • 还卡在哪:监控转执法的合规边界、解雇门披露质量均无成文答案（T-191/T-188 跟踪）

• v-scidisc agent 科学发现（解的是「AI 产出能不能进科学体系」） —— 档位:实验(已获同行评审正例)
  • 能力侧:DeepMind AlphaProof Nexus 在 Science 发表：独立解出 353 个开放 Erdős 问题中的 9 个（两个悬置 56 年）、证明 44 个 OEIS 猜想；技术路线是 Gemini 3.1 Pro 起草 + Lean 形式验证逐步校订，并走了传统同行评审
    • 证据:The Decoder｜查看原文
  • 制度侧对照:同一窗内，OpenAI 直接倾倒数百份手稿遭数学界抵制、西北大学数学学生动摇去留（AI Hot 转述），丘成桐数学与人工智能实验室联盟在清华成立，「AI 数学产出如何获得合法性」出现路线分裂：评审路线被证明走得通，抵制与建制化在两线并进
    • 证据:AI Hot｜查看原文；橘鸦 AI 早报 10-13 期｜查看原文
  • 还卡在哪:9/353 的解题率说明通用科学发现还很远；前沿模型对人类论文增益的量化锚（上期 Epoch 口径 15%）未被更新

• v-multiagent 多智能体编排（解的是「多 agent 协作的成本有效性」） —— 档位:收敛中
  • 商业模式响应:Agent swarms 推高 token 用量、AI 软件开始转向按量计费，上期「蜂群是不是 token 浪费」之争开始改写计费模式
    • 证据:AI Hot｜查看原文
  • 还卡在哪:成本有效性之争仍无数据收口，跨家横评缺

• v-skills agent 技能与 harness 标准（解的是「agent 怎么标准化接工具」） —— 档位:收敛中
  • 平台侧:OpenAI 以 WebMCP 注解增强智能体（learn.chatgpt.com 文档曝光），工具标准化从 MCP 协议往「agent 可读的网页注解」延展
    • 证据:AI Hot｜查看原文
  • 还卡在哪:跨家做法仍未成文

横轴 · 渗透率

背景一条：Karpathy 口径称「LLM 能力认知鸿沟正在扩大成漏斗，仅约 0.2% 的专业用户看到前沿智能体能力、约 60 亿人从未接触 LLM」（AI Hot 转述）。渗透轴这期的主要张力还是前沿能力与认知渗透的差距在拉大。

• f-devagent 开发者 agent 入口 —— 档位:早期采用
  • 载体 / 入口:IDE 与 CLI 为主，额度战开打
  • 用户段与自主度:开发者｜copilot 到有监督自治
  • 真实使用信号:Linus Torvalds 在用 Claude Code 优化 Linux 内核（橘鸦转述，高知名度使用信号）；OpenAI Codex 28 天改进计划第 8 天做全局额度重置、GPT-6.1 Sol 默认上下文 500k；Anthropic 向 Projects 用户发 100 美元初始额度；竞品侧 OpenCode Go 送 80 美元 DeepSeek V4.1 Flash 额度
  • 还差什么:企业级规模化采用证据（Codex 企业原生支持国产模型后的实际用量，T-186）
  • 证据:橘鸦 AI 早报 10-12 / 10-13 期｜10-12｜10-13

• f-consumer 消费级 agent 代办 —— 档位:早期采用
  • 载体 / 入口:独立 App 与订阅捆绑
  • 用户段与自主度:大众｜有监督
  • 真实使用信号:xAI 推出 The X Subscription，8-200 美元/月把 Grok、Cursor、X Premium 合并成一个订阅、席位内共享每周额度，消费 agent 的分发入口在合并；Muse Code 订阅直接获得 Wonder Full（→重点①）
  • 还差什么:合并订阅后的用户迁移与留存数据
  • 证据:xAI 官方文档｜查看原文

• f-caros 端侧 / 可穿戴 AI 入口 —— 档位:萌芽(分发条件改善)
  • 载体 / 入口:手机 / PC / 本地设备
  • 用户段与自主度:大众｜copilot 为主
  • 真实使用信号:OpenBMB 开源 MiniCPM-V 4.7 双型号（Apache-2.0，35B-A3B 与 1B），LES 专家权重预加载让 iPhone 17 Pro Max 解码超 13 token/s、内存 3GB，支持 iOS / Android / HarmonyOS 端侧部署，可分发的端侧多模态权重补齐了一块；AMD 发锐龙 AI Halo 平台、microsoft/BitNet 回到 GitHub Trending 前列
  • 还差什么:真实使用数据仍缺，RTX Spark 10-16 上市是最近的检验点
  • 证据:GitHub（openbmb/MiniCPM-V）｜查看原文；橘鸦 AI 早报 10-13 期｜查看原文

• f-chinastack 中国 AI 全栈 —— 档位:早期采用
  • 载体 / 入口:办公工作台渠道 + 垂域 API
  • 用户段与自主度:企业 / 专业用户｜有监督
  • 真实使用信号:阶跃 Step 5 Preview 上线腾讯 WorkBuddy 独家限免两周（10-12~10-25）；DeepSeek V4.1 Flash 在 WorkBuddy 国际版免费至 10-31，国产旗舰借办公渠道铺渗透；智谱 GLM-Legal 开放测试申请（自报 Harvey LAB 全通过率 19.2%、较基座 +12.5 个百分点， LegalBench / PLawBench 以更小参数追平前沿闭源，官方口径待第三方核对）
  • 还差什么:限免结束后的付费转化；Kimi K3 云厂商分成谈判无新进展
  • 证据:阶跃官方公众号｜查看原文；z.ai 官方博客｜查看原文

• f-gov 政府 / 公共入口 —— 档位:早期采用
  • 载体 / 入口:联邦行政令与机构准入
  • 用户段与自主度:政府与企业｜有监督
  • 真实使用信号:白宫下令建立 AI 事件报告机制；同时逆转方向、恢复英国 AI 安全研究所的前沿模型访问权限，联邦治理从准入收紧转向「报告制 + 选择性开放」并行
  • 还差什么:事件报告机制的执行细则与首批评报案例
  • 证据:The Neuron｜查看原文；The Decoder｜查看原文

• f-knowledgework 企业知识工作 —— 档位:早期采用
  • 载体 / 入口:办公与生产工具链
  • 用户段与自主度:企业｜有监督
  • 真实使用信号:Epic Games 转向 AI 先行开发模式推进与迪士尼的合作射击项目（项目无限期延期、HN 61 分），企业「AI-first」组织改造的又一实锤，同时把交付风险摆上台面
  • 还差什么:AI-first 模式的交付成功率证据
  • 证据:AV Club（经 HN）｜score=61｜查看原文

• f-agentcommerce Agent 商务入口 —— 本窗无新渗透信号（Sierra Poppy / Grok Bot 线均无增量）

资本与政策

• 智元机器人｜新一轮融资、IPO 暂缓:启动融资 10-15 亿元、估值约 500 亿元，IPO 暂缓。具身智能一级市场仍在加注，但退出通道集体延后（T-145）
  • 证据:金十电报｜查看原文
• 美银全球基金经理调查（10 月）｜AI 仓位拥挤与泡沫担忧并存:科技股超配 2020 年 8 月以来最高；最大尾部风险是债券收益率无序上升、AI 泡沫列第二；美债 10Y 若到 5.9% 将触发股转债
  • 证据:金十电报｜查看原文
• AI 基建需求落到财报:浪潮信息预告前三季度净利同比 +156%-177%，称服务器市场需求旺盛，算力采购景气度向设备商报表传导
  • 证据:金十电报｜服务器市场需求旺盛的口径落在净利预增 156%-177% 上，算力采购景气度向设备商报表传导｜查看原文
• 监管与治理:白宫 AI 事件报告令与 UK AISI 访问恢复（→横轴 f-gov，不重复展开）；另据橘鸦转述，月之暗面谣言案两人被采取刑事强制措施（单一转述源，待官方核实）
  • 证据:橘鸦 AI 早报 10-13 期｜查看原文

待跟踪

未来 24-72h 待跟踪: