每日科技/AI 摘要 2026-10-17

今日共采集 91 条，新增 48 条，科技/AI 相关 41 条，深挖 8 篇。

Meta杀回开源：816B新模型，两台Mac Studio就能跑

来源：机器之心Pro · 一句话：Muse Spark Open 816B 开源，两台 Mac Studio 即可跑全量

• 要点：
  • Meta 发布开源权重模型 Muse Spark Open：816B 总参数 / 42B 激活（MoE 稀疏架构），1M token 上下文，面向编码、agentic 任务与多步推理，自称「迄今最强的美国开源权重模型」（官方博客核实）
  • 最大亮点是与苹果携手的端侧路线：借助 MLX 框架，两台 M5 Ultra Mac Studio（各 512GB 统一内存、1.2TB/s 带宽）即可跑满血模型，Meta 称其组合相当于「1TB 统一内存的超级计算机」
  • 发布会演示均为端侧真实任务：给开源 Mastodon 客户端 Ice Cubes 提交真实 iOS 代码改动、端到端驱动 DaVinci Resolve 剪辑流程
  • 许可为 Muse Model License（有限商用条款，多数开发者可免费使用）；官方基准页未直接给出跑分，能力定位仍待第三方评测验证
• 扩展资料：
  • Muse Spark Open 官方发布博客（research.meta.ai） — 规格与 Mac Studio 演示的原始出处，核实了参数与许可条款

OpenAI突袭Chrome，ChatGPT长出「双手」，自动打工了

来源：36氪 · 一句话：ChatGPT Chrome 扩展引入 computer use，网页里的活儿能上手了

• 要点：
  • OpenAI 于 10 月 15 日官宣 ChatGPT Chrome 扩展重大升级，把 computer use（计算机使用）能力全面引入浏览器，面向所有 ChatGPT 套餐用户开放
  • 两种模式：Chat 模式可跨已打开标签页读取信息做汇总问答；Work 模式可接管标签页完成任务——填表单、发消息、下载文件、整理标签页等，与 ChatGPT 桌面端联动
  • 官方披露该扩展已有约 700 万日活用户，是 OpenAI 继 Operator 之外把「浏览器 agent」下沉到最大流量入口的一步；对 RPA/自动化脚本是直接竞争
  • 安全争议客观存在：接管已登录网页意味着授权敏感操作，官方文档强调用户确认机制（The Decoder、unite.ai 均有跟进报道）
• 扩展资料：
  • ChatGPT Chrome extension 官方文档 — Chat/Work 模式行为与确认机制的权威说明
  • ChatGPT becomes a full Chrome browser assistant（The Decoder） — 英文媒体视角与安全讨论

OpenRouter周榜全球第二，这个国产模型终于开源了

来源：36氪 · 一句话：阶跃星辰开源 Step-5-Preview，600B/27B 激活、1M 上下文

• 要点：
  • 阶跃星辰正式开源 Step-5-Preview：该模型此前凭 API 先登上 OpenRouter Token 用量周榜全球第二，随后放出权重
  • 规格（Hugging Face 官方页核实）：600B 总参数 / 27B 激活 MoE，1M token 上下文，主打 agentic 工具调用、多步推理与 STEM
  • 许可为 StepFun Model License 1.0（开放但带条件，商用需确认条款）；权重已在 HF 开放下载
  • 这是国产开源从「追赶评测」转向「以真实用量说话」的标志性案例：先在路由榜单验证需求再开源
• 扩展资料：
  • stepfun-ai/Step-5-Preview（Hugging Face） — 参数规模、上下文长度与许可的原始出处

别让计算等着搬权重了！KTransformers让CPU直接参与MoE微调计算

来源：机器之心Pro · 一句话：GPU+CPU 异构框架让 CPU 参与MoE微调，打破显存墙

• 要点：
  • 清华 KVCache.ai 团队的 KTransformers 是以灵活性为中心的轻量 Python 推理优化框架，专为 GPU+CPU 异构运行 MoE 模型设计（GitHub README 核实）
  • 本次更新方向是让 CPU 不只「存权重」而是直接参与 MoE 微调计算：路由到的专家在 CPU 侧就地计算，避免显存与内存之间来回搬权重，让单卡/少卡用户微调大 MoE 成为可能
  • 对自托管玩家意义直接：一台多内存条的服务器 + 单张 GPU 就能撬动 DeepSeek 级 MoE 的微调，与 vLLM/SGLang 的纯 GPU 路线形成互补
  • 具体微调吞吐与精度数据以原文为准（文章正文未能完整抓取，方向已通过官方仓库核实）
• 扩展资料：
  • kvcache-ai/KTransformers（GitHub） — 框架定位「GPU+CPU 异构推理和微调 MoE」的官方说明

边聊天边干活: Qwen Audio 开源全双工语音模型，13 个 agent 全线开工

来源：人工智能研究所 · 一句话：QwenAudio 官方开源全双工语音 Agent 运行时，边说边干

• 要点：
  • QwenAudio 组织开源 qwen-audio-agent：面向 AI Agent 的实时全双工语音运行时（realtime voice runtime），让 Agent「边聊天边干活」，不再让用户干等（GitHub 搜索核实，主仓库 2.9k star，JavaScript 实现）
  • 解决的是语音交互的核心痛点：传统「说完-等-再说」半双工链条被打破，语音通道与任务执行通道并行
  • 生态起势很快：已有 Apache-2.0 的 Python/LangGraph 网关衍生版、ESP32-S3 蓝牙语音硬件伴侣、OpenAvatarChat 数字人接入等第三方项目
  • 与方向 1（多模态语音）和方向 2（Agent 工具链）双重相关，是本地跑语音 Agent 的直接可用地基
• 扩展资料：
  • QwenAudio/qwen-audio-agent（GitHub） — 官方仓库，“keeps Agents talking, working, and present”

昆仑万维开源视频生成模型，单张消费级显卡可实时生成游戏画面

来源：创业家 · 一句话：SkyReels-V2 开源，单卡实时生成、无限长度

• 要点：
  • 昆仑万维开源 SkyReels-V2：基于扩散 Transformer（DiffuTransformer）的电影级视频生成模型，支持 33 种分辨率与无限长度生成（GitHub 仓库描述核实）
  • 卖点是消费级可跑：单张消费级显卡即可实时生成游戏画面，把「世界模型/可玩视频」类应用的门槛拉到个人开发者可及范围
  • 与可灵 Kling 4.0 的闭源商业化路线对照，昆仑选择了开源抢占生态位；对自托管玩家（方向 3）与 AIGC 工具链都是可组合的底座
  • 文中「与 DeepSeek V3.2 同架构」等说法细节未能独立核实，以原文表述为准
• 扩展资料：
  • Kunlunnn/SkyReels-V2（GitHub） — 架构、分辨率支持与权重的官方出处

小团队也能预训练，普罗2B：RTX5090训练成本不到5090美元

来源：36氪 · 一句话：普罗 2B 开源预训练实践，一张 5090 复现训练全流程

• 要点：
  • 据 36氪报道，「普罗 2B」（Puyu2）定位为小团队可复现的预训练开源实践：一张 RTX 5090 完成训练的总成本不到 5090 美元，把「从零预训练」从大厂专利变成小团队实验
  • Hugging Face 上已可检索到 Brilling-Lab/Puyu2-4900M 权重仓库（搜索结果核实其存在），与「2B 级」命名对应约 4.9B 总参数
  • 价值在于教育与可复现性：训练配置、数据配方若随权重开源，可作为 μP/小模型 scaling 实验的低成本基线
  • 注意：训练成本数字、技术路线细节均出自 36氪单一信源，原文正文因反爬未能完整抓取，细节未核实，采用需谨慎
• 扩展资料：
  • Brilling-Lab/Puyu2-4900M（Hugging Face） — 权重发布地址（页面需登录，存在性已经搜索确认）

Claude桌面端更新：人怎么管住多个Agent

来源：VibeCoder · 一句话：Code 工作区聚焦多 Agent 并行下的「人的管理面」

• 要点：
  • Claude Desktop 的 Code 工作区本周更新，集中解决「同时让三个 Agent 改代码」之后的管理问题：谁在执行、谁在等确认、哪些结果属于同一目标，需要一目了然
  • 这是 multi-agent 走向实用后的真瓶颈：不再是大模型能力，而是人会话/任务级的监督界面——并行 agent 越多，上下文归属与确认队列越关键
  • 与 OpenAI dots、Muse 的个人 agent 路线对照：Anthropic 选择先把「桌面端 + 多 coding agent 协同」做深，而非泛化个人助理
  • 更新细节以原文与官方发布说明为准（官方更新日志未能直接核实）
• 扩展资料：
  • Claude Desktop（Anthropic 官方） — 桌面端产品页，可对照官方说明

今日一句话

• Kling 4.0杀疯了！打戏拍出电影感，原生30秒直出大片 — 可灵新一代视频模型正式全量上线，原生 30 秒直出（机器之心Pro；创业家同题跟进）
• GPT证千禧年难题成果大反转！OpenAI自己没看懂就发 — LLM 数学证明可靠性再受质疑（量子位，细节未核实）
• 17岁 Kimi 架构核心参与者离职，确认将赴湾区 — 核心开发者陈广宇离职，下一站引发猜想（InfoQ；创业家同题）
• 华为诺亚提出新RSI系统！冻结底模，Agent自己进化世界模型 — 冻结底座、强化学习自我改进世界模型的研究新路线（智猩猩）
• NeurIPS 2026 | FlowMAS：让AI团队自己学会「排兵布阵」 — 多 Agent 角色分工自动化的学术尝试（机器之心Pro）
• 英伟达做了个芯片，把CPU和GPU的活都干了？ — CPU+GPU 融合架构动态（差评X.PIN）
• 微信「AI 录音笔」上线，实测惊艳，直接把聊天变成可交互网页 — 微信把录音转结构化可交互页面（人人都是产品经理）
• 超越Rust, MoonBit正成为对AI更友好的语言 — 国产语言押注 AI 代码生成友好性（CSDN，观点未核实）
• 百度盯上了字节的摇钱树 — 大厂 AI 产品竞争格局分析（人人都是产品经理）
• 端侧跑通超千亿大模型！联想YOGA Pro 15 RTX Spark超级AIPC正式发售 — 端侧大模型硬件落地（机器之心Pro）
• 拿下两轮数亿元融资，清华博导刘子鸣要造能自己设计模型的「元模型」 — 自动化模型设计方向的融资动态（36氪）
• 继 DataX 之后，又一款国产数据同步神器火了 — 数据工程自托管工具值得关注（IT技术管理那些事儿）
• 字节Seedance预训练负责人曾妍新作：图像编辑能力迁移至视频编辑 — 视频编辑模型研究动态（智猩猩）
• 从现有信息看，AI逆向游戏「99%函数还原」项目实际用了2023年泄露源码作参考 — 对 AI 逆向热的冷静 fact-check（编程充电站）