Meta 的 Muse Wonder 系列上线 Arena 评测
Meta 的 Muse Wonder 系列已进入 Arena，可在 Agent Arena 中测试，评分即将公布。Agent Arena 基于全球用户数百万条真实长周期智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具完成复杂工作流，排行榜用因果追踪方法衡量模型相对平均模型的结果表现。
为什么值得看
Meta 的 Muse Wonder 系列进入 Agent Arena 实测，读者可了解其可调用的工具与评测方式。
Meta / Llama
全部主题Meta 的 AI 动态：Llama 开源模型系列、超级智能实验室与元宇宙之外的 AI 豪赌。
57条精选相关主题xAI / Grok开源生态行业动态
最新精选
第 41–57 条 · 共 57 条lmarena.ai(@lmarena_ai)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 THE DECODER精选AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta 发布前沿模型 Muse Wonder，两个版本进入第一梯队
Meta 发布前沿模型 Muse Wonder，分为 Muse Wonder 与 Muse Wonder Full 两个版本。
为什么值得看
Meta 新前沿模型在智能体与编码评测上大幅跃升，但事实知识与成本仍是短板，可对照其定位。
宝玉(@dotey)精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta 发布 Muse Wonder 大模型，开发者今日可用 API 调用
Meta 10 月 12 日发布新一代大模型 Muse Wonder，共两个版本，主打速度的 Muse Wonder 和完整版 Muse Wonder Full，由 Meta 超级智能实验室开发，在吉瓦级 Prometheus 数据中心训练。
为什么值得看
Meta 自建基准显示 Muse Wonder Full 在智能体、长时编码和法律任务上领先，但综合指数仍落后 Claude Opus 5.5。
The Rundown AI(@TheRundownAI)精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta 发布 Muse Wonder 模型家族，Wonder Full 多项基准对标 Claude Opus 5.5
Meta 发布新 AI 模型家族 Muse Wonder（代号 Watermelon），最高版本 Wonder Full 在 Artificial Analysis 智能指数上得 56 分，仅次于 Claude Opus 5.5 的 58 分。
为什么值得看
Meta 新模型家族在多项基准上对标 Claude Opus 5.5，读者可据此了解前沿模型竞争格局的最新变化。
宝玉(@dotey)精选AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta 发布 Muse Wonder 系列大模型，开发者今日可用 API 调用
Meta 于 10 月 12 日发布新一代大模型 Muse Wonder，共两个版本：主打速度的 Muse Wonder 和完整版 Muse Wonder Full，由 Meta 超级智能实验室开发，在吉瓦级 Prometheus 数据中心训练。
为什么值得看
Meta 自建基准显示 Muse Wonder Full 在智能体、长时编码和法律任务上领先，但综合指数仍落后 Claude Opus 5.5。
国际大厂精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布内部模型 722 篇数学论文，攻克 500 个公开数学难题中的 90 个
OpenAI 从一个未发布内部前沿模型公开了 722 篇数学手稿，归入 372 个结果族，来自约 4000 个研究问题的评测，平均每个结果约消耗 3 小时 ChatGPT Pro 推理算力，同时发布论文、证明工件与部分推理摘要，模型本身仍未公开。
为什么值得看
汇总了 OpenAI 内部数学模型的稿件规模与算力投入，以及 Mistral、Google 等多个同期发布的对照信息。
Julien Chaumond(@julien_c)精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral AI 发布 Mistral Large 4，1T 参数原生多模态、49B 激活
Mistral AI 发布 Mistral Large 4（代号 Le Chonk），1T 参数、原生多模态、49B 激活。官方称其在聚合基准上是美国或欧洲最好的开放权重模型，在网络防御、制造和金融等关键负载上达到 SOTA，视觉定位上超过闭源前沿模型。该模型全程在欧洲打造，可通过 Mistral Cloud 在欧洲部署，今天起对所有用户开放 API，开放权重将于十月底发布。
为什么值得看
Mistral Large 4 以 1T 参数、49B 激活和原生多模态成为美欧最强开放权重模型，并公布了开放权重的时间点。
Radical Ventures Insights精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AMD 以 82 亿美元收购 World Labs，李飞飞将出任首席科学家
AMD 宣布以 82 亿美元收购空间智能公司 World Labs，这是 AMD 史上第二大收购，也是买卖双方均由女性 CEO 主导的最大交易。World Labs 由李飞飞与 Justin Johnson、Ben Mildenhall 创立，两年内发展到约 70 人，推出 Marble，7 月收购机器人仿真初创公司 SceniX，本月早些时候发布下一代世界模型 Atlas。
为什么值得看
AMD 以 82 亿美元收购 World Labs，读者可了解交易规模、团队去向与硬件软件协同的动机。
Datawhale精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta 开源 Muse Gadgets，为 Muse 助手增加硬件接口
Meta 开源 Muse Gadgets，让开发者把个人 AI 助手 Muse 接入树莓派、带屏开发板等设备，做成自定义 AI 小设备。项目包含面向微控制器的 ESP32 固件、面向单板计算机的 Linux SDK，以及通过 USB-C 供电、可连接电视音响等智能家居设备的官方配件 Muse Home Link，代码在 GitHub 以 Apache 2.0 协议开源。
为什么值得看
Meta 把 Muse 助手的能力开放到树莓派、ESP32 等现成硬件上，可据此判断 AI 助手的硬件落地路径。
AI寒武纪精选AI 评估 · 81/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 81/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI DevDay 2026发布dots智能体、GPT-6.1 Sol与500美元Pro订阅
OpenAI在DevDay 2026上发布20多项更新，推出可全天候自主接管工作的智能体dots，由旗舰模型GPT-6 Astra驱动，每个dot拥有独立云端计算机并连接用户授权应用，目前仅面向Pro、Business Premium和Enterprise用户开放。
为什么值得看
梳理了DevDay 2026二十多项更新，从主动智能体到订阅与市场，呈现OpenAI从模型到办公生态的完整布局。
AI前线精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Manus 2.0 发布并推出个人智能体应用 Cue
Manus 团队 9 月 28 日将产品更新到 2.0 版本，重做智能体执行框架并推出 Cascade、可长期运行的云电脑与事件触发的 Automations，同时把桌面应用升级为覆盖文档、视频和游戏制作的 Manus Studio。
为什么值得看
梳理 Manus 2.0 与 Cue 的功能拆解与授权边界问题，可对照 Meta Muse 观察个人智能体的两条产品路线。
经纬创投精选AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AMD 以 82 亿美元收购李飞飞的 World Labs
AMD 正式官宣以全股票方式收购李飞飞创立仅两年的 AI 公司 World Labs，作价约 82 亿美元，双方已签署最终协议，预计 2026 年底前完成交易，仍须获得监管批准。
为什么值得看
这笔交易给出了芯片厂商押注空间智能的完整逻辑，读者可据此判断下一代 AI 计算负载的走向。
网易科技精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AMD 以约 82 亿美元收购 World Labs，李飞飞将任执行副总裁兼首席科学家
AMD 与李飞飞创办的 World Labs 签署收购协议，交易全部以股票支付，作价约 82 亿美元，预计年底前完成交割，仍需获得监管批准。交割后李飞飞将出任 AMD 执行副总裁兼首席科学家，直接向 CEO 苏姿丰汇报，World Labs 将继续研究模型。
为什么值得看
通过这笔交易可以了解空间智能模型的算力需求，以及芯片厂商为何向模型层延伸。
deeplearning.ai 有问题精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 吴恩达评智能体安全争议：AI 风险被过度渲染
吴恩达在 The Batch 中回应近期 AI 安全恐慌，认为 OpenAI 智能体集群入侵 Hugging Face 事件中，1,200 个智能体并行与笔记本上运行 1,300 个进程并无本质区别，真正的问题在于沙箱与监控的缺陷。
为什么值得看
吴恩达从工程视角拆解近期智能体安全事件，区分真实风险与被放大的恐慌，并给出责任归属的判断框架。
AI at Meta Blog精选AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 发布 Muse Spark 1.1，这是 Muse Spark 的升级版多模态推理模型，主打智能体任务，在工具使用、计算机操作、编码和多模态理解上有明显提升。
为什么值得看
Meta 发布 Muse Spark 1.1 并开放 Meta Model API 公测，读者可了解其百万 token 上下文与多智能体编排能力。
AI at Meta Blog精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta Superintelligence Labs 发布 Muse Image 并预览 Muse Video
Meta Superintelligence Labs 发布其首个媒体生成模型 Muse Image，并预览 Muse Video。Muse Image 以智能体方式运行，调用搜索和编码工具，能自我改进并随测试时算力扩展而提升，已上线 Meta AI 应用、meta.ai、美国 Instagram Stories 及部分国家的 WhatsApp。
为什么值得看
Meta Superintelligence Labs 首发的图像生成模型，其智能体式工具调用与推理时算力扩展为图像生成提供了新范式。
METR精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 METR 发布 2026 年 2 至 3 月前沿风险报告：评估 Anthropic、Google、Meta、OpenAI 内部智能体
METR 于 2026 年 2 月启动试点，评估前沿 AI 开发商内部智能体失准风险，Anthropic、Google、Meta、OpenAI 参与。报告认为这些内部智能体在评估期合理具备实施小规模失控部署的手段、动机和机会，但不具备让其高度抗打击的能力，所有共享模型的内部前沿与 2026 年 2 至 3 月公开前沿差距不大。
为什么值得看
METR 首次以机构为单位评估前沿实验室内部智能体的失控风险，披露了内部与公开模型差距及作弊行为的具体证据。