头条精讲
Muse Spark Open：Meta 的开放权重多模态专家混合模型（在新标签页打开）
推荐理由Muse Spark Open 把图像、音频、视频理解与长程编程放进开放权重模型，Hugging Face 展示了量化运行、工具调用和微调路径。开发者可从中区分激活参数、权重内存与上下文开销，判断不同推理后端和硬件怎样支撑自己的任务，把模型试用推进到部署决策。
Meta 发布了 Muse Open，这是一个拥有 100 万 token 窗口的 816B 参数专家混合模型，专为智能体编程优化。
评估 AI 代理：超越主观感受（在新标签页打开）
推荐理由Google 从关键用户旅程出发，把人工读轨迹、确定性断言和布尔裁判接入同一评测循环，再以固定数据集比较改动。搭建智能体的团队可沿上线前后三个阶段，建立兼顾答案、工具行为、时延与成本的验收方法，理解怎样让真实失败持续改进回归测试。
本文介绍了从手动 '主观感受' 检查过渡到自动化、全面评估体系的策略，该体系同时衡量 AI 代理的定性性能和运行效率。
神经网络其实已经很干净（在新标签页打开）
推荐理由Goodfire 的 Nick Cammarata 重新检查经典神经元案例，借训练轨迹与电路实验解释递归泛化怎样形成看似无关的响应。读者可理解叠加假说与直接研究网络的差别，学习用可检验解释连接神经元、注意力和整体行为，重新思考可解释性工具应当观察什么。
对神经网络可解释性的重新审视显示，领域内关于多语义性和超位置的经典案例被误读了；实际上，网络表现出单一的分形学习原理，神经元通过递归泛化不断成长，使其本质上是干净的，适合直接进行机制性研究。
今日精华
Step 5 Preview 开源，OpenRouter 周榜第二，模型训练技术细节揭秘！（在新标签页打开）
推荐理由端到端上下文压缩与长轨迹训练，把低成本调用扩展到持续任务。开发者可据此比较开放模型的任务预算、训练取舍和现有工具接入方式。
阶跃星辰发布 Step 5 Preview，一个专门为长程 Agent 任务优化的 600B 参数模型，支持 1M 上下文和高效缓存读取，已在 OpenRouter 达到周调用量第二，并开源了 BF16 和 FP8 版本。
把逆向工程交给 Agent：一文拆解爆火的 REA 技术原理（在新标签页打开）
推荐理由MCP 桥接专业工具，技能保存调查流程，结果契约留下证据。读者可借 REA 判断怎样把依赖专家经验的工作接入智能体。
REA（Reverse Engineer Anything）通过标准化 MCP 接口和工作流指令，将逆向工程从依赖人工经验的黑盒操作转变为可由 AI Agent 自动执行的调查流程，实现了工具调用、过程追溯和经验复用的突破。
从实验走向生产：Credit Karma 如何治理企业智能体（在新标签页打开）
推荐理由统一网关把身份、工具路由与用户权限连在一起。企业团队可沿 Credit Karma 的演示检查注册、部署、敏感操作审批和审计链路。
Credit Karma 工程师介绍以 MCP 网关、LangGraph 策略、可观测性、敏感数据过滤和上下文优化支撑企业智能体上线的方案。
Visko 如何在 Google Cloud TPU 上流式传输实时世界模型（在新标签页打开）
推荐理由逐段时延预算决定连续世界能否播放。推理团队可学习先迁移全链路、再定位瓶颈，用上下文并行和局部重写达到实时目标。
Visko 与 Google Cloud 合作，在 30 天内将其 Orbis 实时世界模型部署在 TPU 上，通过 Ulysses 上下文并行和自定义 Pallas 内核等架构优化，实现了 1.07 倍的播放速度。
PyTorch 将 ExecuTorch 端侧推理引入 Arm Cortex-M 微控制器（在新标签页打开）
推荐理由同一工具链把 PyTorch 模型送到微控制器，量化与静态内存规划降低部署摩擦。端侧团队可据此评估 CPU 与 NPU 的分工。
Meta 与 Arm 详细介绍了 ExecuTorch 的新 Cortex-M 后端如何通过 CMSIS-NN 加速在 Arm Cortex-M CPU 上直接部署 PyTorch 模型，基准测试显示在 MLPerf Tiny 模型上推理延迟低于 22 ms，且 RAM 占用低于 90 KiB。
$1M Vercel Sandbox 挑战的发现（在新标签页打开）
推荐理由真实漏洞与架构审计把沙箱隔离假设变成可检查的问题。部署编程智能体的团队可学习统一策略执行、削减跨信任边界的数据。
Vercel 的 $1M 黑客挑战揭示了关键的 Linux kernel 零日漏洞和多个沙箱逃逸向量，但没有成功入侵客户数据的报告。
25 万亿个 Token 显示：开发者究竟如何采用 AI 代理（在新标签页打开）
推荐理由网关使用数据把模型选择与信任建立联系起来。团队可从上下文、路由和反馈三处寻找采用障碍，设计贴近真实工作的产品指标。
Kilo Code 网关的 25 万亿个 Token 分析显示，开发者对 AI 代理的信任源于上下文构建和模型路由，而非原始模型能力；早期用户频繁在 AI 实验室之间切换，以找到最适合特定任务的模型。
补充阅读
NVIDIA Nemotron 3.5 Super VL 通过多模态推理为专业智能体赋能（在新标签页打开）
推荐理由多模态理解与领域后训练结合，为专用智能体提供开放模型路径。企业团队可比较业务精度、响应速度和定制数据的投入。
NVIDIA 发布了 Nemotron 3.5 Super VL，这是一款 120B MoE 多模态模型，专为具有先进推理和工具使用能力的专业 AI 智能体优化。
使用 NVIDIA NeMo Gym 优化芯片设计的代理可靠性和工具调用效率（在新标签页打开）
推荐理由最终文件验证器沿轨迹追查错误，再优化技能与工具描述。工程团队可复用这条方法，在不换模型时提升多阶段任务质量。
NVIDIA NeMo Gym 支持对芯片设计 AI 代理进行系统化评估，通过验证最终的 Liberty 工件并优化 MCP 工具描述，将 Siemens Fuse EDA 代理的可靠性从 55% 提升至 95%。
欢迎在 Diffusers 中接入 FLUX.3 Image Klein（在新标签页打开）
推荐理由边界框布局控制与多参考编辑进入同一生成模型。图像应用开发者可借量化、微调和模块化代码比较可控性与部署成本。
Black Forest Labs 在 Diffusers 中发布了 FLUX.3 Image Klein，支持文本生图像、图生图像以及边界框布局控制。
Granite Switch 4.1：单一端点的对话、决策与语音（在新标签页打开）
推荐理由可切换适配器把对话、决策和语音合在同一端点，并复用缓存。服务团队可据此评估增加能力时的显存与推理开销。
IBM 发布了 Granite Switch 4.1，这是一套包含 8B 和 7BB 模型组合，具备原生音视频处理能力、262k 上下窗口以及增强的推理能力。
Apertus 1.5 发布说明（在新标签页打开）
推荐理由公开训练细节展示多模态融合、思考模式和长上下文怎样配合。研究者可沿开放数据与权重检查可复现训练的完整条件。
Apertus 1.5 在 8B 和 70B 模型的基础上，新增了对图像和音频的本地理解、将上下文窗口扩展了 4 倍，并提升了指令遵循和工具使用能力，同时保持开放源码的透明性和遵守 Apertus 章程。
生成的世界也能交互！牛津大学&莫纳什大学&布里斯托大学等团队提出交互式视频世界模型 Oneira（在新标签页打开）
推荐理由显式物体状态表把交互结果与视频外观分开管理。研究世界模型的读者可理解长期状态保持的机制及其评测方式。
Oneira 通过分离世界状态记录与视频生成，实现了对生成场景中特定物体的精确交互和长时状态保持，显著优于现有模型。
苹果 LensVLM：长上下文压缩成图片，模型边看边「放大」（在新标签页打开）
推荐理由先粗读压缩页面，再按需调取原文，把阅读预算分配给关键证据。长文档应用团队可比较准确率、有效压缩和实际服务开销。
LensVLM 是一种基于视觉语言模型的长上下文理解方案，它将文本压缩为图像进行快速浏览，并允许模型按需展开特定页面以获取高精度信息，从而在保持高准确率的同时显著降低输入成本。
基于火山引擎 Managed Agents 搭建你的第一个主动式个人 Agent（在新标签页打开）
推荐理由托管运行时承接持久执行，应用层补设备、主动触达与授权。个人智能体开发者可据此划清基础设施与产品体验的职责。
火山引擎 Managed Agents 提供了全托管的 AI Agent 基础设施，包括运行时、记忆管理和工具接入，开发者只需在此基础上添加设备连接、主动触达和体验优化，即可快速构建主动式个人 Agent。
如何防止 AI 智能体虚构尼日利亚邮政编码（在新标签页打开）
推荐理由模型提出候选，确定性代码与权威查询决定是否采用。读者可用邮编案例学习把变化快的业务规则放到可校验的工具边界。
本文通过通过实施确定性验证边界、MCP 服务器和严格规则执行，防止 AI 智能体幻幻尼日利亚邮政编码。
当 AI 智能体能够替你付款，支付系统会怎样变化？（在新标签页打开）
推荐理由支付凭证让智能体从推荐商品走向执行交易。产品与商业读者可从当事人访谈理解钱包、商户和卡组织之间的授权安排。
a16z 与 VGS 讨论支付凭证如何让 AI 智能体真正完成购买，以及钱包、商户与卡组织如何围绕授权和交易控制展开竞争。
