AI 日报 · 2026 年 10 月 16 日 · 星期五
AI 前哨
GPT-6-Astra 理论物理基准解出 50 题中的 49 题
商用 AI 智能体在无人工提示下解理论物理研究题，GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题（98%），平均每题成本不到 3 美元。同日 Meta 发布 8160 亿参数的开放权重模型 Muse Spark Open，并宣布与 Apple 合作可在 Mac 上本地运行。
前沿动态
神经网络本就是干净的：一项对叠加假说的重新检验
作者在数月研究图像与语言模型神经元后提出，此前被视为多义性与叠加假说的典型证据多被误读，网络把概念任意打包的现象主要是递归泛化，即神经元沿多个方向生长出相关分支。
The DecoderGPT-6-Astra 在理论物理基准中解出 50 题中的 49 题，单题成本不到 3 美元
一项新基准测试让商用 AI 智能体在无人工提示下解理论物理研究题，GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 题中的 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。
The DecoderMeta 发布开放权重模型 Muse Spark Open，816B 参数对标 Qwen、GLM 和 Kimi
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强的开放权重模型，面向编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
The Verge · AIMeta 发布 Muse Spark Open 模型，与 Apple 合作在 Mac 上本地运行
Meta 发布 Muse Spark Open 开源权重模型，总参数量 8160 亿，自称是迄今能力最强的美国开源权重模型，也是同类中首个能在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上本地运行的模型。
NVIDIA 扩展 Nemotron 家族，发布 120B 开源模型 Super VL 与两款 Bolt 边缘模型
NVIDIA 发布 Nemotron 3.5 Super VL，一个 120B 参数的开源多模态模型，面向常驻智能体任务，官方称其吞吐量最高可达同类模型的 5 倍，精度接近 NVIDIA 最大推理模型而参数量约为其五分之一。
Google DeepMind 用 Google Antigravity 加速抗菌肽发现
Google DeepMind 介绍用智能体开发平台 Google Antigravity 加速抗菌肽发现，其智能体科研工作台把原本分散在多个数据库的检索压缩到一次会话，并借助 ProtNLM 从氨基酸序列预测功能，扫描 UniProt 中数百万条未表征蛋白。
微软研究院发布 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的程序执行过程，并生成约 12 毫秒即可验证的短证明。它在笔记本上每秒可证明 720 万至 870 万条 RISC-V 处理器指令，在 15 个基准程序上平均比现有最快的 zkVM 快 10 至 39 倍，在代币转账基准上比另外两个系统快 300 倍以上。
AWS Machine Learning Blog一手Meta 的 Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，可在自己的 AWS 账号中部署到 SageMaker AI 端点。
工具与项目
RDST 发布本地智能体，监控 PostgreSQL/MySQL 查询回归
RDST Agent 是一款常驻本地的智能体，通过只读连接每分钟读取 PostgreSQL 的 pg_stat_statements 或 MySQL 的 performance_schema，按占数据库时间的比例对查询排序，标记变慢、突增或停止运行的查询。
web-github-trendingLightSeek 发布开源推理引擎 TokenSpeed，控制面与执行面分离
LightSeek Foundation 发布开源 LLM 推理引擎 TokenSpeed，面向智能体负载，目标是在生产场景提供 TensorRT-LLM 级性能与 vLLM 级易用性。
web-github-trendingXERJ 发布本地 AI 搜索：索引任意文件夹，为编码智能体提供参考代码检索
XERJ 是一个 Apache 2.0 许可的本地 AI 搜索工具，可自动索引任意文件夹，让编码智能体按需检索代码片段而不是逐个读文件。官方在 8 个任务、4 种语言、每种 16 次运行的对照测试中称，输出 token 比 grep 驱动方式少 2.7 倍、比纯记忆少 26 倍，解题率同为 16/16；用户反馈实际开发中约省 5 倍 token。
GitHub Changelog一手GitHub 代码扫描告警的 Agentic autofix 正式可用
GitHub 宣布代码扫描告警的 Agentic autofix 正式可用，把告警指派给 Copilot 后，它会探索相关文件、生成修复、重跑 CodeQL 验证修复有效，再开一个草稿 PR 供审查。
GitHub Changelog一手GitHub 代码扫描 AI Scan for pull requests 正式可用
GitHub 宣布代码扫描的 AI Scan for pull requests 正式可用，用于补充 CodeQL，覆盖 PHP、Shell/Bash、Terraform 配置（HCL）、Dockerfile、Java 的 JSP、C# 的 Blazor 等 CodeQL 目前未覆盖的语言和框架。
实践与方法
用 AI 逆向工程硬件：作者借 Claude 为扫描仪和 MIPI 摄像头写 Linux 驱动
一位开发者用 Claude 搭建 hw-harness，在 KVM 虚拟机中运行厂商 Windows 驱动并用 usbmon 抓取 USB 流量，再与 Linux 驱动抓包对比，把差异变成具体的驱动 bug 清单。
arXiv · cs.AI一手可移植技能实现 Agentic RAG：客服场景部署案例研究
论文报告一个客服场景的部署案例，用可移植技能替代复杂 RAG 栈，该技能由自然语言指令、轻量工具（检索 API、格式检查脚本）和带 LLM 生成导航层的语料组成，导航层是文档之上的 Wikipedia 式结构化索引。
观点与趋势
AWS Machine Learning Blog一手AWS 提出 Trust in Depth：让智能体更自主又不失控
AWS AI Services 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体生命周期中用 Scope、Know、Bound、Observe 四层独立机制建立可验证的信任，而不是靠人工逐步审批。
行业动态
Anthropic 向投资人披露季度营收增至 16.8 亿美元，IPO 前蒸馏收入占比 5% 至 7%
Anthropic 在 IPO 前向投资人披露，季度营收环比增长近 50% 至 16.8 亿美元，其中 Q1 约 4.8 亿美元、Q2 为 11.5 亿美元、Q3 为 16.8 亿美元。Q3 每支出 1 美元算力对应 1.70 美元收入，剔除股权激励后的调整后营业利润率为 11%。Anthropic 还告知投资人，蒸馏贡献了 5% 至 7% 的收入，并已在第三季度大幅削减这部分用量。