LMSYS 宣布 SGLang 已原生支持 Reflection 的 Beam 模型，并用于支撑其生产 API。Beam 是 501B 参数、每 token 激活 23B 的 MoE 模型，原生 1M token 上下文窗口，计划以 Apache 2.0 发布，SGLang 为其提供 BF16、NVFP4 和动态 FP8 支持、DFlash2 投机解码与混合注意力前缀缓存。在 4 张 NVIDIA GB300 GPU 上以 NVFP4 运行 OpenHands 多轮智能体编码回放，并发 32 时达到每 GPU 127.6K tokens/sec、每用户 185.87 tokens/sec（p50）。
匹配字段摘要
Meta 发布开源权重多模态模型 Muse Spark Open，参数量 816B，面向编码与智能体任务，并与 Apple 合作通过更新后的 MLX 工具包在两台 M5 Ultra Mac Studio（合计 1TB 内存）上本地运行。Meta 称该模型在无云环境下完成 iOS 应用修复和在 DaVinci Resolve 中剪辑视频。在 Artificial Analysis 的 Intelligence Index 上它得分 39，高于西方开源模型，但低于 GLM 5.3 的 45、Kimi K3 的 44 和 Qwen3.8 的 40，中国模型在编码上仍领先。
匹配字段摘要
Hojo-ASR-Multi-V1 在 5 种语言上取得 3.54 的平均 WER，采用声学编码器加 Qwen3-4B 解码器的 Encoder-Adapter-LLM 架构。模型已在 Hugging Face 以 Apache 2.0 许可公开，可通过 hojo-asr Python 包安装并支持本地推理，接受 WAV 文件路径、音频字节流和 SCP 输入。解码阶段交由 Qwen3-4B 大语言模型完成，使识别能借助更丰富的语言知识消解仅凭音频难以区分的词。
匹配字段摘要
美新半导体（MEMSIC）在江苏南通举行的首届空天科技博览会上展出六轴IMU、AMR地磁传感器、AMR磁编码器、热式/电容式加速度传感器、霍尔传感器及eOIS影像稳定驱动芯片等核心产品，覆盖“传感芯片+软件算法+应用方案”一站式MEMS感知能力。其中AMR 3D地磁传感器测量分辨率达1度，AMR磁编码器INL角度精度优于±0.07°，霍尔开关传感器工作电流典型值仅2.5μA。公司围绕无人机、低空经济、具身智能机器人等场景与产业链伙伴探讨合作机会。
匹配字段摘要、正文
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数的开源权重模型，激活参数 42B，上下文窗口为 100 万 token，面向编码、软件工程和多步推理。模型原生多模态并支持智能体工作流，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等推理平台使用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载。Meta 称其针对两台搭载 M5 Ultra 芯片的 Apple Mac Studio 做了本地运行优化，并展示了用 Muse Code 修 bug、加功能和构建 iOS 应用等端侧工作流。
匹配字段摘要
Meta 发布 Muse Spark Open，称其为目前美国最强的开源权重模型，面向编码与智能体任务，擅长长周期任务、复杂软件工程和多步推理。模型规格为 816B 总参数、42B 激活参数，1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。该模型可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 上运行，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，权重以 Muse Model License 发布，可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，并在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，面向编码与智能体任务，总参数 816B、激活参数 42B，上下文窗口 1M token，原生支持文本、图像、视频和音频。该模型已针对双 Apple M5 Ultra Mac Studio 与最新 MLX 框架优化，同时支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并针对 AMD、Apple、Intel 和 NVIDIA 芯片优化。模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，开发者可用 PyTorch 及 TorchTitan 进一步微调。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，总参数 816B、激活参数 42B，支持 1M token 上下文窗口，原生支持文本、图像、视频和音频多模态，面向编码与智能体任务。该模型今日起在 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 平台上线，权重可在 Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face 和 Microsoft Foundry Models 下载，采用 Muse Model License 发布，有限商业条款允许许多开发者免费使用。模型还针对 MLX 框架在两台 Apple M5 Ultra Mac Studio 上运行做了优化，并支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎。
匹配字段摘要
Meta 的 Muse Spark Open（Muse-Spark-Open-816B-A42B）已在 Hugging Face 上线，这是一个混合专家（MoE）模型，拥有 42B 激活参数、816B 总参数和 1M token 上下文窗口。该模型面向智能体与编码工作流，覆盖从理解大型代码仓库到借助工具完成多步工程任务。推文提到还附有基准测试结果。
匹配字段摘要
Meta 发布的开源权重模型 Muse Spark Open 已在 OpenRouter 上线，OpenRouter 称其为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。据 Meta 官方介绍，该模型总参数 816B、激活参数 42B，原生支持文本、图像、视频和音频，擅长长周期任务、复杂软件工程与多步推理。OpenRouter 表示该模型在发布首日即上线，合作方包括 Baseten、Fireworks AI、Nebius 和 Together Compute。
匹配字段摘要
OpenRouter 宣布 Meta 的 Muse Spark Open 已在其平台上线，并联合 baseten、FireworksAI、nebiusai 和 togethercompute 在发布当天提供支持。该模型被描述为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文窗口，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。
匹配字段摘要
Karina Nguyen 转述 Nick Cammarata 关于可解释性研究的新判断，认为 AI 加速科学发现可以从理解自身学习机制开始，这类研究在编码智能体和开放权重模型出现前更难推进。Cammarata 在引用推文中称，他早年在 OpenAI 参与机械可解释性研究时曾持悲观态度，认为神经网络会折叠成难以理解的乱结；如今借助现代智能体工具观察，参数量高达数万亿的模型中绝大多数神经元是可读的，电路结构清晰，许多著名的纠缠神经元案例其实是被误解的。他认为雄心勃勃的可解释性研究会在最需要它的时候被解决，并可能很快实现。
匹配字段摘要
阶跃星辰宣布 Step 5 Preview 已在 DeepInfra 上线，支持 1M token 上下文窗口。据 DeepInfra 介绍，该模型为 600B 开源权重 MoE，激活参数 27B，支持文本与视觉，采用 FP8，定价为每 1M token 输入 $1.00、输出 $2.70、缓存 $0.05，面向编码、前端和金融等长周期智能体场景。
匹配字段摘要
Thomas Wolf 转发 Alexandr Wang 的推文，后者称 muse spark open 是目前美国最强的开源权重模型，总参数 816B、激活参数 42B，支持 1M token 上下文，原生多模态，面向编码和智能体任务，如长周期任务、高难度软件工程和多步推理。
匹配字段摘要
Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，仅凭视觉输入零样本操作机械臂，无需 VLA，性能可与前沿模型智能体竞争。在 RoboTwin 上取得 69.2%、LIBERO-Pro 上 81.4%；作为对比，带任务专用记忆的 RPent 在 RoboTwin 上用 GPT-5.5 和 Opus-4.7 分别为 62.4% 和 58.4%，在 LIBERO-Pro 上用 Opus-4.7 为 82.4%。ORA 的工作方式类似编码智能体，观察场景、调用感知或动作工具、检查反馈再决定下一步，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片描述各自的几何结构与控制方式。按 DeepSeek 非高峰 API 价格估算，每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均每个 0.13 美元；在低成本机械臂上的初步测试中，它完成了拉开抽屉和把糖果棒放入盒子。
匹配字段摘要
Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，不使用 VLA。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；带任务专属记忆的 RPent 在 RoboTwin 上用 GPT-5.5 和 Opus-4.7 分别为 62.4% 和 58.4%，在 LIBERO-Pro 上用 Opus-4.7 为 82.4%。ORA 的工作方式类似编码智能体，通过提示词描述机器人与任务、感知与运动工具、以及上下文管理构成闭环，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片适配不同硬件。团队称每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均 0.13 美元；在低成本机械臂上的初步测试中，DeepSeek-V4.1-Flash 完成了拉开抽屉把手和把糖果棒放入盒子。
匹配字段摘要
NVIDIA 一款新模型预计下周发布，可能亮相于周三 21 日的 GTC 活动。此前在 NVIDIA 文档中出现的 Nemotron 3.5 Super VL 采用 Nemotron-H 混合语言解码器、RADIO 视觉编码器、视觉投影器和独立时序视频嵌入器，复用 Nemotron Omni 图像/视频栈但不含音频编码器，并保留共享的 Multi-Token Prediction（MTP）权重。引用信息还提到该模型为 120B 总参数、12B 激活参数的混合 Mamba-Transformer MoE，支持图像和视频输入，并有纯文本版本。
匹配字段摘要
阶跃星辰将 Step 5 Preview 开放权重，BF16 和 FP8 版本已上线 Hugging Face 与 ModelScope，并同步发布技术博客。该模型采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长周期智能体任务。官方同时更新了开源智能体框架 Step Code 至 v0.1.4，并给出 vLLM、SGLang、Transformers 等部署方式。
匹配字段摘要
阶跃星辰将 Step 5 Preview 开放权重，BF16 和 FP8 权重已上线 Hugging Face 与 ModelScope，并同步发布技术博客。该模型采用稀疏 MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长周期智能体任务。部署方面支持用 vLLM 或 SGLang 提供 OpenAI 兼容 API、用 Transformers 离线推理，并获得 NVIDIA 的 Day-0 支持，可在 Blackwell 上运行，同时上线 Fireworks AI、Together Compute、Modal、DeepInfra 和 Featherless AI。
匹配字段摘要
阶跃星辰发布 Step 5 Preview 开放权重，BF16 与 FP8 权重已上线 Hugging Face 和 ModelScope，采用 Sparse MoE 架构，总参数 600B、每 token 激活 27B，支持 1M token 上下文窗口和原生文本与视觉输入，面向编码、软件工程、专业知识工作与金融等长程智能体任务。配套技术博客介绍其架构与训练协同设计，包括 92 层窄而深架构用于隐式多跳推理、Sparse GQA 降低百万 token 上下文成本、8-token 块索引将索引与 top-k 开销降至 1/8、关键状态使用 FP32 精度配合细粒度梯度裁剪，以及百万级可验证环境和面向长程任务的 RL 训练。官方还更新了开源智能体框架 Step Code 至 v0.1.4。
匹配字段摘要