Hao AI Lab 发布开源机器人智能体 ORA（Open Robot-Use Agents），由 DeepSeek-V4.1-Flash 驱动，仅凭视觉输入零样本操作机器人，不使用 VLA，在 RoboTwin 上取得 69.2%、LIBERO-Pro 上取得 81.4%。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，并通过机器人卡片适配 ARX X5、ALOHA 和 Franka 等不同硬件。团队称每个成功案例的模型成本约 0.30–0.35 美元（按 DeepSeek 非高峰 API 价格估算，含失败尝试），40 个展示片段平均每个 0.13 美元；在低成本机械臂的初步测试中，它完成了拉开抽屉把手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%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），在 LIBERO-Pro 上为 82.4%（Opus-4.7）。按 DeepSeek 非高峰 API 价格估算，每个成功案例的模型成本约 $0.30–$0.35，已包含 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试，40 个展示片段平均每个 $0.13。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、检查反馈后决定下一步，并已用同一套框架驱动 ARX X5、ALOHA 和 Franka，在低成本机械臂的初步测试中完成了拉开抽屉把手和把糖果棒放入盒子。
匹配字段摘要
Hao AI Lab 指出，要让智能体循环在机器人上跑通需要三件事：描述机器人和任务的提示词、用于感知/几何/运动的工具，以及把近期观测留在上下文中、把较早观测存入文件供随时调取的上下文管理。该帖是 ORA 介绍线程的一环，前文称 ORA 的工作方式类似编码智能体。
匹配字段摘要
Hao AI Lab 发布机器人智能体 ORA，其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。该框架用 robot cards 描述各机器人的几何结构与控制方式，同一套 harness 可运行 ARX X5、ALOHA 和 Franka。据其估算，在 DeepSeek 非高峰 API 费率下，RoboTwin、LIBERO 和 LIBERO-Pro 上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。
匹配字段摘要
Hao AI Lab 发布机器人智能体 ORA，用同一套 harness 驱动 ARX X5、ALOHA 和 Franka，各机器人通过 robot cards 描述自身几何结构与控制方式。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，依赖描述机器人与任务的提示词、感知几何与运动工具，以及把近期观测留在上下文、较旧观测存入文件的上下文管理。感知环节用 SAM 3 定位物体，深度信息把图像位置转成以米为单位的三维坐标，再由计算工具处理向量与旋转运算。作者估算每个成功案例的模型成本约 0.30 至 0.35 美元，按 DeepSeek 非高峰 API 价格计算并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试，40 个展示回合平均每个 0.13 美元。
匹配字段摘要
Hao AI Lab 发布 ORA（Open Robot-Use Agents）开源框架，由 DeepSeek-V4.1-Flash 驱动，从视觉输入零样本操作机器人，无需 VLA，可与前沿模型智能体竞争。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），在 LIBERO-Pro 上为 82.4%（Opus-4.7）。其工作方式类似编码智能体，通过提示词、感知与动作工具及上下文管理完成闭环，同一框架可运行 ARX X5、ALOHA 和 Franka，每解决一个案例的模型成本约 0.30–0.35 美元。初步真机测试中，DeepSeek-V4.1-Flash 用低成本机械臂、固定 RGB-D 相机和腕部相机完成了拉开抽屉把手并把糖果放进盒子。
匹配字段摘要
Hao AI Lab 发布 ORA（Open Robot-Use Agents）开源机器人智能体框架，由 DeepSeek-V4.1-Flash 驱动，从视觉输入零样本操作机器人，无需 VLA，与前沿模型智能体同台竞争。ORA 在 RoboTwin 上取得 69.2%、LIBERO-Pro 上取得 81.4%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），LIBERO-Pro 上为 82.4%（Opus-4.7）。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与控制。每个已解决案例的模型成本约 0.30–0.35 美元，按 DeepSeek 非高峰 API 费率估算并包含失败尝试，40 个展示片段平均每个 0.13 美元。团队还在低成本机械臂上做了初步真机测试，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
Meta 发布 Muse 开源权重模型，Alexandr Wang 称其为美国迄今能力最强的开源权重模型，总参数 816B、激活 42B，支持 1M token 上下文并原生多模态，面向编码和长程任务等智能体工作。Aaron Levie 认为这会让企业把前沿模型用于编排和高难度任务，同时用低成本、后训练定制的模型处理重复性工作流，从而进一步加速 AI 扩散并推高整体 token 消耗。
匹配字段摘要
Vercel Developers 宣布可在 AI Gateway 上免费试用 stealth/cat-jam，主打低延迟推理，以及面向编码和智能体任务的推理模型。Guillermo Rauch 转发并评论“Free AI”。
匹配字段摘要
Meta 在 Hugging Face 发布 Muse Spark Open 的模型权重，这是一个 816B 参数、面向编码与智能体任务的模型。开源版与 Muse Spark 1.3 共用同一基础模型，额外做了安全后训练，以降低其脱离系统护栏单独使用时的滥用风险，这也逆转了 Meta 今年 4 月首个专有闭源前沿模型的策略。模型共 62 层，每层含 256 个专家网络，每个 token 路由到其中 8 个，因此部署需要 816B 参数模型的内存，但运行速度相当于 42B 模型。一次在 512GB M3 Ultra 上测试的 3-bit 量化版本约占 344 GB，短提示词下生成速度约 21 tok/s。
匹配字段摘要
Nathan Lambert 评论称，如果 muse spark open 的表现大致符合分数所示，这款模型的采用速度会非常快。他认为这是美国首个具备接近前沿智能体能力的开源权重模型，并指出此前 GLM 5.2 与 Kimi K3 是中国模型的那次跃升，而美国模型往往能获得极高采用率。他所引用的 Alexandr Wang 推文称 muse spark open 是迄今最强的美国开源权重模型，816B 总参数、42B 激活参数、1M token 上下文，原生多模态，面向编码与长周期任务等智能体工作。
匹配字段摘要
Artificial Analysis 在 AA-AgentPerf 上发布 NVIDIA Vera Rubin NVL72 的初步结果，在 DeepSeek V4 Pro 上每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍，DeepSeek V4.1 Flash 约 5.4 倍，GLM-5.2 约 3.0 倍，Kimi K3 约 2.8 倍。Vera Rubin 是 NVIDIA Blackwell 的继任者，NVL72 为机架级系统，含 72 颗 Rubin GPU 和 36 颗 Vera CPU，每颗 GPU 内存与 Blackwell Ultra 同为 288 GB，但内存带宽为 2.4 倍、NVLink 带宽 1.7 倍、密集 NVFP4 算力 2.3 倍。AA-AgentPerf 通过回放真实智能体编码会话衡量推理性能，Vera Rubin 在 DeepSeek V4.1 Flash 上创下 906 tok/s 的单用户速度纪录。
匹配字段摘要
Meta 于 10 月 15 日公开 Muse Spark Open 权重，这是一个原生多模态开源模型，总参数 816B、激活参数 42B，上下文窗口 1M token，面向编码与长程智能体任务。模型采用 MoE Transformer 加 Perception Encoder 架构，可通过 Baseten、Fireworks AI、Groq 等 API 平台调用，权重在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等处下载，本地运行 NVFP4 版本需至少 700GB 显存。Meta 称其为首个能在桌面端运行的同级模型，用两台搭载 M5 Ultra 的 Mac Studio 配合 MLX 框架即可承载；模型卡显示其 Artificial Analysis 智能指数为 39，低于表中 GLM 5.3 的 45 和 Kimi K3 的 44。
匹配字段摘要
Nvidia 发布 Nemotron 3.5 系列三款新模型：120B 的 Nemotron 3.5 Super VL 视觉语言模型，以及面向本地运行的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。Bolt 74B 通过二比特量化把 74B 模型压到 24GB 显存，激活 9B 参数，支持 llama.cpp、Ollama、LM Studio 和 vLLM，面向笔记本上的编码、研究与多步工具调用任务。Super VL 沿用 Mamba-2、注意力和 MoE 混合架构并新增视觉编码器，支持图像与视频输入，上下文窗口最高 100 万 token；在 Nvidia 自测中 Terminal-Bench 2.1 得 66.7 分高于 Qwen3.5-122B-A10B 的 48.7，但 SWE-bench Verified 以 71.1 略低于对方的 71.9。两款较大模型已在 Hugging Face 以 OpenMDW 1.1 许可开放下载，Bolt E4B 4GB 将于近期推出。
匹配字段摘要
Meta 发布 Muse Spark Open，一个 816B 参数、42B 激活参数的开源权重模型，采用 100 万 token 上下文窗口，可通过 Baseten、Fireworks AI、Groq、OpenRouter 等 API 调用，权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 等下载。Meta 称其面向编码与智能体任务，在 JobBench、MCP-Atlas 等智能体与工具调用基准上领先 Kimi K3、GLM 5.3 和 Qwen3.8，但在 Terminal-Bench 2.1 和 DeepSWE 1.1 等编码基准上落后。模型采用 Muse Model License，年营收超过 2000 万美元的公司需先通知 Meta 并签署单独协议才能提供模型服务，且使用方须在产品界面显著标注 Built with Muse Spark Open。
匹配字段摘要
Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开放权重模型，采用原生多模态架构，总参数 816B、激活 42B，上下文窗口 1M token，面向编码与智能体任务。该模型基于 Apple 最新版 MLX 针对搭载 M5 Ultra 的 Mac Studio 优化，两台机器可合计提供 1TB 统一内存运行完整模型，现已通过 Hugging Face 提供。Meta 称已用 Muse Code 在本地测试智能体工作流，包括向开源 Mastodon 客户端 Ice Cubes 提交 iOS 改动，以及驱动 DaVinci Resolve 逐帧筛选素材并竖版裁切。
匹配字段摘要
Meta 发布 Muse Spark Open，称其为迄今能力最强的美国开源权重模型，总参数 816B、激活参数 42B，上下文窗口 100 万 token，面向编码与智能体任务。该模型与 Apple 合作适配 Mac Studio，可在两台 512GB M5 Ultra Mac Studio 上通过 MLX 框架运行；512GB 版 Mac Studio 尚未发售，预计本月晚些时候推出。模型权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载，也可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，免费下载并采用允许有限商业用途的许可。
匹配字段摘要
蚂蚁百灵宣布 SGLang 在发布当天即支持 Ling-3.1-flash，帮助开发者更高效地部署该模型。据 SGLang 介绍，Ling-3.1-flash 是 560B MoE 混合推理模型，激活参数 25B，上下文窗口 1M，面向真实工作场景，可将粗略需求转化为网页、移动端 UI 或交互原型。其 MXFP4 加 block-FP8 量化把权重从约 534GB 降至约 292GB，可放入 4 张 Hopper GPU，并在 GDPVal-AA、FrontierSWE 和 Terminal-Bench 4.0 等真实智能体、办公与编码任务上表现较强。
匹配字段摘要
ServiceNow 发布 AI Passport，一种经加密签名的凭证，用于定义 AI 智能体的身份、可执行操作、可访问系统与责任人，并通过 AI Control Tower 平台签发，支持跨智能体、工具和厂商传递权限。EmployeeWorks 更新引入第三代员工 AI harness，员工无需编码即可拖拽配置 Productivity Assistants 与 Productivity Routines；ToolSmith 基于超过 75,000 个 API 训练。AI Passport、影子 AI 检测和 AI Cost Management 将于本季度晚些时候可用。
匹配字段摘要
Meta 发布开源权重前沿多模态 MoE 模型 Muse Spark Open，总参数 816B，每个 token 激活约 42B 参数，面向编码与智能体任务，支持文本、图像、视频和音频输入，上下文窗口 1M token。模型提供 BF16 与 NVFP4 两种 checkpoint，NVFP4 面向 NVIDIA Blackwell GPU，并已集成 transformers、llama.cpp、vLLM、SGLang 和 MLX，官方还给出在 64 张 H100 上用 TRL 训练 LoRA 适配器的微调配方。
匹配字段摘要