今日热点

Inception 发布 Mercury 3，这是其第四代扩散语言模型，采用并行生成而非逐 token 输出，在 NVIDIA GPU 上达到 1068 token/s，上下文窗口 100 万 token。据 Inception 自测，在 12 项基准中 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5：SWE-Bench Atlas 51.08（领先约 18 分）、IFBench 76.84、GPQA Diamond 89.23；但在 DeepSWE v1（46.31）和 MRCR v2（75.50）上落后于 Haiku 5.5。参数量未披露，仅称超过 Mercury 1 的 40 倍。仅提供 API，不开源权重。

MarkTechPost10/20海外新模型发布2 个信源72

Meta 的开放权重模型 Muse Spark Open 在 Fireworks 上线首日即可使用。这是一个 816B 参数的混合专家（MoE）模型，每个 token 激活 42B 参数，上下文窗口为 100 万 token，面向长周期编码和 Agent 任务。在 Vals AI 的 Harvey 法律 Agent 基准上，它以 25.4% 的通过率在 75 个模型中排名第一，接近 Claude Opus 5（6.7%）的 4 倍。在 Rogo 的 Big Finance Bench 上，它在所有难度级别都超过 Claude Opus 5.5；在最难任务上，它以 17.3% 对 16.5% 略胜 GPT-6 Astra。在 Finance Agent v2 上得分为 60.6%，成本比 Gemini 3.8 Flash 低约 60%。

Fireworks AI10/20海外新模型发布Muse Spark42

IBM 研究团队发布 ALTK-Evolve：不更新模型权重，仅靠 GPT-4.1 自动从任务尝试中提炼行为规则并追加到系统提示，就让标准 ReAct 客服 Agent 在 τ²-bench 零售域达到 67.5% Pass^4（四次独立尝试全部成功），高于 2026 年 10 月 12 日榜单快照中所有零售条目。规则由同一模型从成功与失败案例中蒸馏，无需人工标注。τ²-bench 由 Sierra 提出，要求 Agent 在政策约束下完成下单、退款、改签等操作，最终数据库状态匹配才算通过。

Hugging Face 博客10/20海外模型GPT-4.140

vLLM 发布 vllm-torchtpu，这是让 vLLM 在 Google Cloud TPU 上运行的新后端，基于 Google 的 TorchTPU 栈，复用 vLLM 现有模型代码，多数模型无需改动即可在 TPU 上部署。该项目来自 Inferact 与 Google 上个月宣布的工程合作。安装方式为 pip install vllm-torchtpu，需 Python 3.12 的 Cloud TPU VM。调度器、KV cache 管理器、OpenAI 兼容 API 服务均沿用上游 vLLM 未修改版本，TPU 相关实现主要是 JAX/Pallas 自定义算子，覆盖注意力、MoE、量化 matmul 等。支持投机解码、前缀缓存、多 LoRA、结构化输出和多模态输入。首次启动编译 TPU 图需数分钟。

vLLM10/20海外模型37

AnyLanguageModel 发布 1.0 版本，同时推出 swift-huggingface 1.0 和 swift-xet 1.0。该项目是 Apple Foundation Models 框架的兼容替代品，只需把 import FoundationModels 改成 import AnyLanguageModel，同一套会话代码即可调用系统模型、llama.cpp、MLX、Core ML 的本地开源模型，以及 OpenAI、Anthropic、Gemini、Ollama、Private Cloud Compute、HF Inference Providers 等托管服务。所有提供方均支持工具调用、引导式生成和图像输入，推理内容也会写入对话记录。

Hugging Face 博客10/20海外模型36

Fireworks AI 宣布 Muse Glimmer 30B 的监督微调（SFT）免费开放至 11 月 30 日。用 Kalshi 历史市场数据微调后的 tuned Glimmer 在未见过话题上的预测准确率为 58.3%，比 Jev 的 47.1% 高 11.2 个百分点；在历史回测中，扣除模拟交易费后，假设的 1000 美元变成 1071 美元，而 Jev 和 base Glimmer 均亏损。训练集为 2026 年 1 月 4 日前结算的 20051 个问题，评测集为 4 月 8 日后开盘的 33712 个问题，其中 3567 个来自训练和校准均未涉及的话题。

Fireworks AI10/20海外新模型发布34

Modal 发布 Sticky Sessions，让同一会话的所有请求固定落在同一个容器上，解决语音转文字、语音 Agent、多人游戏等需要跨请求保持状态的场景。用法是给 Modal Server 加 @modal.sessioned() 装饰器，再通过 SDK 或 HTTP API 开启会话。此前 WebSocket 连接绑定的是 Function input 而非容器，断线重连可能落到不同容器；共享 Affinity-Routing-Key 头只能尽力而为，容器仍可能被缩容替换。Sticky Sessions 提供三项能力：固定路由、会话生命周期跟踪、按活跃会话数而非请求数扩缩容。

Modal10/20海外模型34

沃顿教授 Ethan Mollick 发布第二本 AI 著作《Co-Existence》，距《Co-Intelligence》出版 30 个月。他用 Claude Projects 中的 Opus 5.5 编排多个 Agent，几分钟内完成原本需要数小时的研究、制图和排版工作，AI 还纠正了他的计算错误。文中数据：2023 年初至 2024 年初，GPT-4 是唯一公认最强的模型；此后 Anthropic、Google、OpenAI 三家轮流领先，先后有 20 个模型登顶。目前共有 180 个模型在能力上超过 GPT-4 发布时的水平，其中不少是开放权重模型，19 个可在现代智能手机上运行。METR 长任务基准显示，从 GPT-4 发布到该测量结束，AI 能完成的工作量翻倍 8 次。

Ethan Mollick10/20海外模型33

OpenAI 研究员 Jason Wei 撰文预测，未来十年放射科会改变，但放射科医生不会很快被自动化取代。理由一：放射科是高度多任务领域，单凭 X 光可诊断的疾病至少上百种，CT 和 MRI 可达数千种，AI 会先掌握常见病，罕见病受数据量限制，因此会先做分诊工具，从分诊到全自动最快也要 3-5 年。理由二：单位成本下降会带来弹性需求（杰文斯悖论），放射科医生可能只需读 20% 的影像，但影像总量可能增至 5 倍。长期看，廉价快速的读片还会推动更便宜的扫描设备。

Jason Wei10/20海外模型33