Latent Space AINews：Meta 开源 Muse Spark Open 与 Reflection Beam 1.0，Gemini 4 Argon 面向 Pro 与 AI Studio 全面开放
Latent Space AINews 10/15-10/16 期汇总：Meta 开源 816B 总参数、42B 激活的 MoE 模型 Muse Spark Open，Artificial Analysis 评分 39，居美国开源模型之首。
#评测/基准
#评测/基准
今日 0 条Latent SpaceAI 评分4747
Latent SpaceAI 评分3333 AI 智能体可解开多义性与叠加"死结"，显著改善可解释性与对齐
Goodfire 的 Nick Cammarata 提出工作假说"神经网络已经是干净的"，认为智能体分析可解开多义性与叠加造成的权重"死结"，使 P(doom) 整体下降。本期 AINews 还汇总 Meta Muse Spark Open（816B 总参 / 42B 活跃 MoE、1M token 上下文）等新模型发布。
The DecoderAI 评分4242 AI 安全围栏开始阻碍防御者，Artemis Security 用 Orion-1 填补缺口
Artemis Security 发布 Orion-1，一款用于自主调查与响应企业网络攻击的专用模型。在自研 Decision-Grade Readiness 基准上，Orion-1 是唯一在五项任务中均超过 80 分阈值的模型，攻击重建任务得分 80.8，超过 GPT-6 Sol 的 58.3。该模型目前以私有预览形式向 Artemis 平台选定客户提供，高影响操作默认需人工审批。
The DecoderAI 评分4949 传 Google Gemini 4 "Carbon" 编程表现接近 Anthropic Opus 5.5
据 Business Insider 报道，Google 正测试代号为 Argon、Barium、Carbon 的 Gemini 4 多个变体，其中 Carbon 已在内部编程平台 Jetski 上部署，编程任务上据称超越 Argon 并接近 Anthropic Opus 5.5。
Hugging Face Blog精选AI 评分6969 Nemotron 通过微调与生成-验证-精炼推理在 IOI 和 IMO 2026 达到金牌水平
NVIDIA 在 Hugging Face 博客上介绍基于 Nemotron 3 微调的模型在 IOI 2026 和 IMO 2026 双双达到金牌水平。
推荐理由：把同一套 Nemotron 微调加搜索式推理配方在 IOI 与 IMO 两道不同赛道上都推到金牌水平，开源资产齐备便于复用。
Simon WillisonAI 评分1414 Mistral Large 4
用户 wren6991 通过 llm CLI 工具，用同一提示词在 Mistral Large 4、Claude Opus 5.5、GPT-6.1-Sol 和 Gemini 3.8 Flash 上分别生成"穿渔网袜在火星上乱穿马路的犰狳"SVG，对比前沿模型的图形生成能力。
Simon WillisonAI 评分2121 Qwen3.8 27B 用英文单词表达加法结果的能力测试
Simon Willison 在 DGX Spark 上测试本地 Qwen3.8-27B-Q4_K_M.gguf 用英文单词输出正整数加法结果的能力。在 5,070 个禁用推理的用例中，数值准确率仅 23.57%，从 1-3 位操作数的 97.04% 骤降至 10-13 位操作数的 6.44%。开启中等推理后，在 169 个对比用例中获得 167 个正确答案。
Latent SpaceAI 评分3434 Latent Space AINews 日报：GPT-6.1 Sol 与 Claude Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 每百万 token，在 DeepSWE v1.1 上较 GPT-6 Sol 高 6.4 分，在 AutomationBench 上较 Opus 5.5 高 2.2 分。
OpenAI NewsAI 评分3030 Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升 2 倍
GPT-6 Astra 以 GPT-5.6 Sol 两倍的速度完成了含 50 个标签页的税务工作簿，其对用户意图的理解更强，让 Basis 对真实场景中的使用更有信心。
Hugging Face BlogAI 评分4848 LiquidAI 发布 LFM2.5-DSpark 推测解码草稿模型，推理速度最高提升 3.18 倍
LiquidAI 为 LFM2.5 系列三款模型（1.2B-Instruct、2.6B、8B-A1B）发布 DSpark 推测解码草稿模型，在 H100 上推理吞吐量最高提升 3.18 倍，M4 Max MacBook 上最高 2.87 倍。
Hugging Face BlogAI 评分3131 DharmaOCR 巴西葡萄牙语 OCR 评测：仍优于 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在面向巴西葡萄牙语的 OCR 评测中以 0.925 的提取质量分优于发布更晚的 Mistral OCR4（0.798）和 Unlimited-OCR（0.7587）。