AI日报 | 2026年10月18日

816B 参数的开放权重模型、501B 的 MoE、128GB 统一内存的笔记本，今天的 AI 圈很像一张不断抬高数字的海报。

但我更在意另外三件事，模型能否真的被部署，Agent 有没有能力被约束，以及写代码的人是否还在认真验收机器交出的东西。参数和算力当然重要，可真正决定体验的，常常是那些不够耀眼的工程环节。

今天最该盯住的三件事

Meta 把 816B 的 Muse Spark Open 放进开放生态

Meta 发布了开放权重模型 Muse Spark Open，总参数 816B、每个 token 激活 42B，支持 1M token 上下文和原生多模态。它已经出现在 Hugging Face、OpenRouter 与 Agent Arena，Code Arena 的 WebDev 评分也给出了相当强势的开局。

来源，PyTorch Blog ｜ OpenRouter ｜ Arena

1M 上下文、816B 参数，这些标签很容易让人先兴奋起来。可对于真正要把它接进 Agent 工作流的人，问题反而更朴素，推理成本、首 token 延迟、工具调用稳定性，以及失败后能不能诊断。一个模型进入榜单不难，进入生产系统才是另一场考试。

开放权重模型正在从「能跑」走向「能承接任务」。这块进展很快，但别急着把 benchmark 分数当成上线许可。

Anthropic 的代码评审改造，比 90% AI 代码更有分量

Anthropic 分享了内部代码评审的重新设计。Claude Code 已经写下约 90% 的代码，2026 年 6 月到 9 月合并 PR 数翻倍以上，同时 revert 率下降超过 40%。

来源，邵猛的解读

这个数字最容易被读成「AI 已经把工程师替掉了」。我自己的感受恰好相反，代码产量飙升以后，评审不再是合并前礼貌看一眼，而成了整个研发系统的质量闸门。谁来检查需求是否被误解，边界条件有没有漏掉，安全和可观测性有没有被顺手牺牲，答案仍然不能只靠生成者自己。

很多团队现在缺的不是第二个 Coding Agent，而是一条能把自动生成代码拉回现实的验证链。

DeepSeek 同时更新 Flash 模型和搜索 API

DeepSeek 将 V4.1 Flash 更新到 DeepSeek-V4.1-Flash-1017，调用名称和 API 价格维持不变。另一边，它也开放了自研搜索 API，宣称搜索引擎每日稳定处理数亿次请求，索引规模达到千亿级网页，并针对 SEO 作弊、GEO 操纵和低质 AIGC 做过滤。

来源，模型更新日志｜搜索 API 更新

模型升级不涨价，当然对开发者友好。搜索 API 更值得多看一眼，Agent 需要的不只是回答能力，还需要拿到足够干净、足够可追溯的外部信息。检索质量差，后面的推理链再漂亮也会从第一步开始歪掉。

不过，搜索结果里能过滤什么、不能过滤什么，最终还是要由实际任务验证。别把「有搜索」误当成「有事实」。

模型和基础设施正在同时扩张

Reflection Beam 获得推理栈的 Day 0 支持

Reflection 的 Beam 是 501B 参数、每 token 激活 23B 的 MoE 模型。vLLM 和 SGLang 都公布了原生支持，Ollama 也把它放进 Cloud，限时提供免费使用。

来源，vLLM ｜ SGLang ｜ Ollama

开源模型发布当天就能被主流推理框架承接，已经逐渐成为生态成熟度的一部分。模型本身再强，没有量化、调度、缓存和可观测性，开发者拿到的也只是一个很重的 checkpoint。

AMD 上跑 Kimi K3，性能比较开始更具体

vLLM 发布了 Kimi K3 在八卡 AMD Instinct MI355X 上的推理优化细节，称单 GPU 吞吐超过 NVIDIA HGX B300 的 24.4%。

来源，vLLM 官方博客

这类对比不能脱离批量、精度和请求分布单独看，但它至少提醒了一件事，模型服务的硬件选择不再只有单一路径。对于长期运行的推理业务，真正该算的是每个完成任务的成本，而不是单张卡的宣传页。

RTX Spark 笔记本把 128GB 统一内存搬到桌面边缘

NVIDIA 宣布 RTX Spark 笔记本开售，来自 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI，起价 2,599 美元，主打 128GB 统一内存和本地 AI。国内也已经出现一周深度使用的实测，定价则远比参数表来得扎眼。

来源，NVIDIA Newsroom ｜实测体验

本地 Token 自由听起来很爽，价格、功耗和散热却不会消失。对需要处理私有代码、离线素材或长上下文任务的人，这类机器可能是生产力设备。对大多数人，它更像一次关于本地模型上限的提前试用。

还有几条，别错过

Kling 4.0 上线，最长支持 30 秒一镜到底，多帧参考上限提高到 10 帧。视频生成开始把镜头连续性和可控性摆到台面上，价格仍是绕不开的现实。来源
ChatGPT 为 Chrome 带来标签页读取与控制能力，可汇总已打开页面，并在工作模式下执行浏览器操作。便利和权限边界会一起到来，浏览器里的敏感信息值得多一层确认。来源
PromptArmor 的 9,800 次试验显示，开放权重模型面对真实世界间接提示词注入攻击链的易感率为 26.7%，闭源模型为 14.2%。评测方法仍该被复核，但 Agent 安全不能只靠一句 system prompt，已经没有什么悬念。来源
Google Research 展示自主湿实验室进展，包括 VERID 框架、适配体闭环发现和新蛋白结合剂设计。Agent 从屏幕走进实验台，约束、重复性和责任归属会比演示视频难得多。来源
商务部、科技部就出口技术目录修订征求意见，拟增列 23 项人工智能技术。模型、算法与算力的流动，今后会更直接地受到规则塑形。来源