AI Pulse

探索如何在数学研究乃至整个科学领域中最好地利用 AI，需要时间、精力和资源。我们热切支持数学家们推动科学进步、定义其领域的未来。

我们已承诺提供 500 万美元的资金、算力和 Claude 使用权限，以帮助数学界应对 AI 带来的巨大变革。我们正在与 @SimonsFdn 合作，该基金会将通过社区驱动的方式管理这笔资助，支持研讨会、会议以及领域专家的讲座。

METR 现在已获得 Anthropic 前沿模型的员工级访问权限。另外，我只是想说，这种博客文章正是你在发布一款强大到令人震惊、能力超群的新模型之前会写的那种。

今天我们发布 Muse Spark Open，这是迄今为止能力最强的美国开放权重模型。它专为编程和智能体任务打造，擅长长周期任务、复杂软件工程和多步推理。

核心模型规格：
→ 总参数 816B / 激活参数 42B
→ 100 万 token 上下文窗口
→ 原生支持文本、图像、视频、音频多模态

muse spark open -- weights 今天发布了！这是美国最好的开源模型，而且能在新款 Mac Studio 上运行 🍎

30 秒为你的业务打造 iMessage 智能体。发送一个链接，Bland 就能了解你的业务、接入你的 API，并自动为你创建一个带品牌标识的智能体。

该智能体可以实现 Tapbacks（❤️、👍、❗）、发送嵌入式组件，甚至在聊天中直接收款。现已上线。发短信至 +1 (415) 481-7537。

在 Self Labs，我们从第一天起就在使用智能体。我们的智能体网络身份与隐私技术栈已被 Google 等公司采用。

今天，我们要推出缺失的那一块：Agent Vault，一种让智能体安全登录并进行信用卡支付的方式。为你的智能体赋能。

可解释性或许是当下世界最重要的科学问题，因为我认为，如果我们不知道自己在构建什么，就无法解决对齐问题。我对此有一些好消息。

我曾在 OpenAI 参与撰写了机械可解释性的早期研究，但最终感到悲观，因为神经网络似乎折叠成了任意的、缠结的结。多年后，我启动了 OpenAI 的第一个大规模自动化可解释性项目，发现使用我们当时拥有的原始工具，只有约 2% 的神经元是可解读的。

借助现代智能体工具和更深入的观察，情况看起来完全不同。在高达数万亿参数的模型中，绝大多数神经元是可解读的，而且它们的回路非常优美。许多著名的缠结神经元例子后来被证明是被误解了。我预期的障碍大多并不存在。

我现在认为，雄心勃勃的可解释性研究将在我们最需要它的时候得到解决，而且可能很快，因为自动化科学家在不断进步。这对可解释性来说可能是一个苦涩的教训：简单的事情，在荒谬的规模下，是有效的。

我坚信，对话式 AI 将推动我们这一代人实现最大的教育飞跃。

一对一辅导是教育的黄金标准，但它无法规模化。AI 可以通过真正主动的对话式学习来改变这一点。

Annie 和她的团队着手用 @gakkuai 解决这个问题，他们做得非常出色。Gakku 是一款面向 K-12 学生的 AI 辅导应用。语音聊天教练不会替学生完成作业，而是引导他们完成 10 分钟的作文写作“任务”，涵盖头脑风暴、起草和修改。它积极训练孩子们生成自己的想法、构建逻辑论证，并清晰地表达自己。

如果你有学龄儿童，我强烈推荐你去了解一下：

第 11 天 / 我们已经上线了一系列改动，并增加了算力，以大幅减少令人困扰的「所选模型已达容量上限，请尝试其他模型」提示的出现频率。

即使这种情况真的发生了，它最终也应该能自动继续运行，而不是一直卡在那里。如果你们在实际使用中仍然遇到这个问题，请告诉我们，我们会去排查。

Gemini 4 Argon 已经在量子计算、核聚变、蛋白质设计等领域解锁了新的科学突破。🧵

今天，我们推出 Priming Models，这是一种从零开始训练单步生成模型的新范式。没有扩散教师模型。没有流匹配。没有 CFG。没有 JVP。我们相信这项工作将挑战我们对构建单步模型的固有认知。与 @sitanch、@du_yilun、@parkwbin03、Bohyung Han 合作完成。

🔥 在 ImageNet 256×256 上实现 1.19 FID 的单步生成，同时计算量大幅降低，例如比 Drifting-B 少 12 倍，比 Drifting-L 少 6 倍
🎨 可扩展至文本到图像生成（GenEval 0.82）
🤖 在 RT-1 / Bridge-V2 上进行世界建模

Priming Model 建立在一个核心理念之上：[重构预训练 --> 分布后训练]。

今天我们发布 Muse Spark Open，这是迄今为止能力最强的美国开放权重模型。它专为编程和智能体任务打造，擅长长周期任务、复杂软件工程和多步推理。

核心模型规格：
→ 总参数 816B / 激活参数 42B
→ 100 万 token 上下文窗口
→ 原生支持文本、图像、视频、音频多模态

认识 NVIDIA Nemotron 3.5 Super VL。我们的新开源模型将推理和工具使用与文本、图像、文档和视频理解结合起来，适用于长时间运行的 AI 智能体。总参数量 120B，激活参数量 12B。

🧵

我们正在扩大 GPT-Rosalind 在学术研究领域的使用范围。全新的 Rosalind Academic Plan 助力科研实验室将 AI 融入生物学研究、思路探索及后续实验方案的决策流程，同时为美国高校中符合条件的实验室提供赞助使用权限。学术研究始于各类问题，而这些问题对人类健康的影响或许要多年后才能显现。

30 秒为你的业务打造 iMessage 智能体。发送一个链接，Bland 就能了解你的业务、接入你的 API，并自动为你创建一个带品牌标识的智能体。

该智能体可以实现 Tapbacks（❤️、👍、❗）、发送嵌入式组件，甚至在聊天中直接收款。现已上线。发短信至 +1 (415) 481-7537。

第 11 天 / 我们已经上线了一系列改动，并增加了算力，以大幅减少令人困扰的「所选模型已达容量上限，请尝试其他模型」提示的出现频率。

即使这种情况真的发生了，它最终也应该能自动继续运行，而不是一直卡在那里。如果你们在实际使用中仍然遇到这个问题，请告诉我们，我们会去排查。

在 Self Labs，我们从第一天起就在使用智能体。我们的智能体网络身份与隐私技术栈已被 Google 等公司采用。

今天，我们要推出缺失的那一块：Agent Vault，一种让智能体安全登录并进行信用卡支付的方式。为你的智能体赋能。

今天，我们发布了 Bonsai 2 的 2B、4B 和 9B 版本。这些全新的三值模型基于 Qwen3.5 构建，在专为日常设备设计的紧凑体积内，带来了更强的推理、视觉理解和工具调用能力：
• 2B：0.43GB
• 4B：0.95GB
• 9B：2.0GB

在本次发布中，我们专注于让小型模型成为实用的本地助手：遵循指令、避免重复循环、在移动设备上调用工具，以及在不产生多余输出的情况下给出有用的答案。9B 模型在标准指令遵循和日常数学任务中，token 用量大约减少了 40%。解决黎曼猜想可以先放一放。

这些模型是我们第一代 Bonsai 1.7B、4B 和 8B 的继任者，为在个人电脑、手机和可穿戴设备的本地应用中实现实用的智能体功能奠定了基础。

Bonsai 2 系列现在包含四种规格，参数量从 2B 到 27B 不等。开发者可以根据自己的应用场景和硬件，在能力、内存占用和响应速度之间选择合适的平衡点。

今天起以 Apache 2.0 协议开放使用。

推出 Fortytwo Engine

这是一个通过 Swarm Inference 运行开放权重模型的推理 API。

• 相比基础模型，平均得分高 7%
• 每个任务的 token 数减少近 25%
• 每个 token 的价格和速度保持不变
• 默认私密

首个模型：Qwen3.8-27B
试用：

muse spark open -- weights 今天发布了！这是美国最好的开源模型，而且能在新款 Mac Studio 上运行 🍎

Gemini 4 Argon 已经在量子计算、核聚变、蛋白质设计等领域解锁了新的科学突破。🧵

探索如何在数学研究乃至整个科学领域中最好地利用 AI，需要时间、精力和资源。我们热切支持数学家们推动科学进步、定义其领域的未来。

我们已承诺提供 500 万美元的资金、算力和 Claude 使用权限，以帮助数学界应对 AI 带来的巨大变革。我们正在与 @SimonsFdn 合作，该基金会将通过社区驱动的方式管理这笔资助，支持研讨会、会议以及领域专家的讲座。

来认识一下 Scout 1.0，我们专为排查生产事故打造的首个 AI 模型。

Scout 能以极低的成本达到前沿模型的排查质量，这让更早、更全面地排查更多问题成为可能。

我们基于真实事故和生产遥测数据构建的逼真模拟环境训练 Scout，并通过强化学习，对有证据支撑的准确根因判定给予奖励。

了解更多并注册体验预览版：

我们将开源 SPACE，这是运行 Perplexity Computer 中每个任务的沙箱平台。SPACE 为每个智能体任务提供独立的 Firecracker 微型虚拟机，并在虚拟机外部控制凭证和出站流量。现已基于 Apache 2.0 协议开放：

介绍 BINNY，现已开放公测。这是一款面向逆向工程师和安全研究人员的开源智能体 AI 工具。BINNY 集多 LLM 支持、Ghidra 集成、沙箱执行和自主二进制分析于一体，可简化逆向工程工作流程。

自带模型。减少在重复性任务上的时间，将更多时间投入到研究中。#逆向工程 #网络安全 #开源

可解释性或许是当下世界最重要的科学问题，因为我认为，如果我们不知道自己在构建什么，就无法解决对齐问题。我对此有一些好消息。

我曾在 OpenAI 参与撰写了机械可解释性的早期研究，但最终感到悲观，因为神经网络似乎折叠成了任意的、缠结的结。多年后，我启动了 OpenAI 的第一个大规模自动化可解释性项目，发现使用我们当时拥有的原始工具，只有约 2% 的神经元是可解读的。

借助现代智能体工具和更深入的观察，情况看起来完全不同。在高达数万亿参数的模型中，绝大多数神经元是可解读的，而且它们的回路非常优美。许多著名的缠结神经元例子后来被证明是被误解了。我预期的障碍大多并不存在。

我现在认为，雄心勃勃的可解释性研究将在我们最需要它的时候得到解决，而且可能很快，因为自动化科学家在不断进步。这对可解释性来说可能是一个苦涩的教训：简单的事情，在荒谬的规模下，是有效的。

我坚信，对话式 AI 将推动我们这一代人实现最大的教育飞跃。

一对一辅导是教育的黄金标准，但它无法规模化。AI 可以通过真正主动的对话式学习来改变这一点。

Annie 和她的团队着手用 @gakkuai 解决这个问题，他们做得非常出色。Gakku 是一款面向 K-12 学生的 AI 辅导应用。语音聊天教练不会替学生完成作业，而是引导他们完成 10 分钟的作文写作“任务”，涵盖头脑风暴、起草和修改。它积极训练孩子们生成自己的想法、构建逻辑论证，并清晰地表达自己。

如果你有学龄儿童，我强烈推荐你去了解一下：

METR 现在已获得 Anthropic 前沿模型的员工级访问权限。另外，我只是想说，这种博客文章正是你在发布一款强大到令人震惊、能力超群的新模型之前会写的那种。

下一个直播系列：从零开始构建一个大语言模型。我们很多人都“知道大语言模型是怎么工作的”。提示词、上下文窗口、token、KV 缓存。

但如果你和我一样，对其背后的数学原理、训练过程以及推理的实际运作方式，在深层理解上存在很多空白。鉴于它们对整个世界的变革性影响，我想要更深入地钻研。

所以，加入我吧！接下来几周，我会在直播中结合 Karpathy 的视频系列，一起学习这个内容。太平洋时间明天上午 10 点开始。

REA 配合 Opus 5.5 威力惊人。它能让你的 agent 去分析那些你根本没有源代码的应用。但找到代码，不等于能证明它的行为。

我梳理了如何从一个黑盒，一步步走到一个你真正能测试的构建版本。

↓

我会根据不同任务使用不同的AI工具，逐个为它们配置支付方式和登录信息实在太麻烦了。@selfxyz推出的Agent Vault可以让你只设置一个保险库，就能连接包括Claude Code和Codex在内的多个智能体。你的消费限额也会跟着同步走，这一点对我来说很合理。

Instagram上有个叫ilhamzikec的账号，专门发布微缩小村庄视频，目前已经累计15.5万粉丝。这种画面现在用AI就能做出来，整个过程只需要一段提示词、两个AI工具，几分钟就能出片。

第一步，先把提示词发给Claude，它会一口气给出10个微缩场景的创意，看中哪个，回复对应的序号就行。第二步，让Claude写好视频提示词，几秒钟后，画面、镜头、光影和细节都会写得清清楚楚，连参数也一起配好。

第三步，打开Google Flow，切换到视频模式，比例选9:16，时长设成10秒，把提示词贴进去，点击生成。稍等片刻，成片就出来了，小房子、小树和小人都动了起来，质感就像实拍的模型一样。

换个序号，就能再做一条，同一段提示词可以反复使用，想做多少条都行。不会剪辑、不会建模，也不用露脸，一个人就能稳定更新一个账号。以前要一个团队才能做出来的画面，现在普通人坐在电脑前就能完成。同款提示词放在评论区。

开发者@neogoose_btw 在 X 平台分享了自己的实测结论：fff MCP 仍然是优化 Claude Code、Codex、opencode 三款 AI 编程工具文件搜索效率的最佳方案。

他的判断基于两个核心维度：一是实际运行的等待时长（wall time），二是 token 消耗效率。即便这三款工具已经接入了最新的大模型，fff MCP 的表现依然没有被原生搜索能力超越。

目前他没有在帖子里补充具体的测试数据、使用场景，或是和其他文件搜索方案的横向对比。

用户@notjazii在X平台发布了一组大模型实测对比，用同一个提示词分别在Muse Wonder Full和Gemini 4 Argon两款模型上运行，都开启了可用的最高推理档位。

最终两款模型输出的结果完全不同。Muse Wonder Full运行耗时约40分钟，花费约30美元；Gemini 4 Argon运行耗时约30分钟，花费约10美元。

@notjazii表示，Muse在3D相关能力上并不算突出，这次的表现还是超出了预期，但整体来看Gemini 4 Argon的表现更好。他同时询问其他用户的看法。