2026-10-13
1. Meta 发布 Muse Wonder / Muse Wonder Full，Superintelligence Labs 首度杀入前沿模型第一梯队
10 月 12 日（周一），Meta 发布 Muse Wonder 与 Muse Wonder Full 两款「前沿级」智能体模型（内部代号 Watermelon），称其为公司迄今最强模型，在编码、金融与法律推理等任务上可媲美 OpenAI 的 ChatGPT 与 Anthropic 的 Claude。Muse Wonder 已通过 Meta Model API 与自家编码产品 Muse Code 开放；更强的 Wonder Full 仅对 Muse Code 订阅用户开放；Muse Wonder 后续将为 Meta 消费级助手 Muse（9 月下载量超 500 万）提供底层能力，初期面向订阅用户。模型支持文本/图像/视频/音频输入、文本输出，推理上下文 100 万 token，主打 Active Memory（跨会话记忆，用户不必反复自我说明）与 Active Focus（长任务中尝试不同路径、从错误中恢复、关键动作前先确认）。据 Meta 自测，Wonder Full 在记忆保持、金融分析与长时域编码上超过 OpenAI / Anthropic 头部模型；第三方追踪显示 Muse Wonder 在 Artificial Analysis 智能指数约 56 分，与 GPT-5.6 Sol 同档。模型在吉瓦级 Prometheus 数据中心训练；安全卡披露未经缓解的 Wonder Full 在化学/生物（CBRN）领域可能触及高风险阈值，已通过安全后训练与系统级分类器降至「中等或更低」，并承诺后续发布更完整评估。发布当日 Meta 股价涨超 3%。Wonder 系列未开放权重（此前 Muse Glimmer 30B 为 Apache 2.0 开源）。
值得关注：一是前沿模型竞争正式变成四强赛（OpenAI / Anthropic / Google / Meta），且重心从聊天机器人转向 agent 模型；二是 Muse Code 作为主要分发面，等于把「代码即动作」写进模型设计，用户又多一个可替换的推理/编码底座；三是 Meta 从「开放权重旗手」转向分级、API 与订阅优先的分发，说明能力商品化后，分发与记忆才是真正的差异化。
2. 开源终端编码智能体 OpenCode 2.0 发布：重构 API、新增 Code Mode 与插件体系
开源终端编码智能体 OpenCode 发布 2.0 大版本，对运行时做整体重构：引入常驻后台服务进程（always-on server），重建 API；新增 Code Mode，用脚本化方式执行工具；加入后台子智能体（background subagents）、80+ 内置插件与全新 SDK；同时对 1.0 插件与旧版 Server API 带来破坏性变更。此前的 1.19.0 已提供显式 /update 与 opencode upgrade –major 升级通道，本次 2.0 是正式落地。OpenCode 是当前最主流的开源终端编码智能体之一，常被作为可自托管的 Claude Code / Codex 替代方案。
值得关注：编码智能体的竞争已从「模型能力」转向「运行时 / harness」——常驻服务、可脚本化工具执行、后台子智能体与插件生态，正是把智能体做成可编排、可审计生产基础设施的关键。OpenCode 2.0 为不愿锁定单一厂商的团队提供开源可自托管选项，破坏性变更也提醒使用者需要规划迁移。
3. 人类 + AI 蜂群 24 小时把整数乘法复杂度下界推进数亿倍，Lean 验证重塑科研协作
继 OpenAI 于 10 月 6 日在 GitHub 放出 722 篇由内部未公开前沿模型生成的数学手稿（覆盖 372 个开放问题）后，研究者在社区仓库（如 CrocSwap/integer-mult-bounds）以「人类直觉 + 大量 AI 试错」的接力方式，把整数乘法下界问题（OpenAI Math Drop 第 109 号）的核心参数 k 在数天内从约 10^-55 推进到约 10^-3，单日涌入 151 个 PR、新增代码超 2.6 亿行，代码优化速度一度超过验证机运行速度。同期第三方搭建的 Big O Speedrun 站把「记录追踪 + 独立 Lean 验证 + 社区协作 + 结果广播」自动化：用 Comparator 校验命题一致性并回放证明，再用第二个独立内核 nanoda 复核，使结果分「Lean 已验证 / 人类共识 / 仅声称」三级，把验证从「声称」变成可复现。争议同步而来：10 月 12–13 日法媒等报道，数学家既感振奋也质疑验证方式，OpenAI 因暴露明显错误已撤回 3 篇手稿，并存在「基于他人成果 / 剽窃」的质疑。
值得关注：这是「AI 编码智能体驱动科研」的一次真实演练——GitHub PR 取代 arXiv、Lean 取代同行评审、任何有算力的人都能贡献，迭代速度远超传统节奏。它也暴露两个信号：其一，AI 生成成果正倒逼「可复现验证基础设施」成为刚需（Lean 形式化 + 多内核复核）；其二，成果归属与验证仍是硬约束，撤回手稿与学界质疑说明「AI 报捷」尚未过信任关。
4. DeepSeek 领投机器人 AI 公司 Winverse AI，估值约 4 亿美元，加码具身大脑
据 Bloomberg 10 月 12 日报道，DeepSeek 已同意领投机器人 AI 初创公司 Winverse AI 的种子轮，金额数千万美元，投后估值约 4 亿美元（约 27 亿元人民币）；美团旗下龙珠资本等也已承诺跟投（交易尚未最终敲定，估值与投资方仍可能调整）。Winverse AI 由前腾讯杰出科学家胡瀚于 2026 年创立，胡瀚此前负责腾讯混元视觉语言模型与具身基础模型团队，是 Swin Transformer（ICCV 2021 最佳论文 Marr Prize）作者之一，曾任职微软亚洲研究院与百度；公司专注让机器人理解语音指令、处理真实世界复杂任务的机器人 AI 模型，而非仅执行预设动作或运动控制。这将是 DeepSeek 迄今最大的外部初创投资之一——此前 DeepSeek 已持有宇树科技约 0.23% 股份（2026 年 8 月以约 1.41 亿元参与其 IPO），并正推进规模至少约 800 亿元人民币的新一轮融资、计划 2027 年初上市。对照美国通用机器人「大脑」公司估值：Skild AI 约 140 亿美元、Physical Intelligence 约 56 亿美元。同期国内具身资本仍在加速：清华系「仿肌腱绳驱机器人 + 视触灵巧手」公司弦引未来（弦动未来）完成数亿元 A 轮，由阿里巴巴、中国移动链长基金领衔，洪泰基金、珠海科技产业集团、元生资本等跟投。
值得关注：模型厂商开始把钱投向下游「具身大脑」，纵向卡位具身智能的软件瓶颈。中国在电机、关节、结构与硬件制造上已具优势，但让机器人理解指令、识别环境并自主完成任务才是最难关卡；DeepSeek 以「自身模型能力 + 机器人硬件供应链」组合出牌，意味着通用机器人大脑赛道在中美同时被资本重注。灵巧手占整机成本 15%–20%、壁垒最高，也正成为新一轮融资焦点。
5. 宇树王兴兴：具身智能临界点最快一两年内到来；上海抛出 8000 台人形机器人进工厂目标
10 月 12 日在第 26 届中国国际工业博览会开幕式上，宇树科技创始人王兴兴表示，随着 GPT-6 等模型突破，「整个临界点的到来会相对比较快，快的话甚至一两年内就有可能」，并预测「明年 GPT-7 出来，可能直接把具身智能问题打穿」——时间判断较其 8 月世界机器人大会的「快则 2–3 年、慢则 5–10 年」明显提前。他给出拐点标准：当机器人在 80% 的陌生场景中、仅凭语音指令就能完成 80% 的任务时，具身智能的「ChatGPT 时刻」到来。王兴兴称宇树已把相关模型部署到各类机器人做任务测试、效果不错，并透露公司内部尝试「物理 AI 自进化」系统，把写代码、训模型、部署、测试、反馈做成自循环，让人参与评价而非全程操作；但大规模应用仍需解决泛化性与效率，落地节奏上商业服务可能快于工业、居家更靠后（宇树 2025 年人形出货超 5500 台，8 月登陆科创板）。同日上海启动「加快发展新一代智能制造行动」，四大工程 19 项任务，目标到 2028 年重点制造企业智能工厂与 AI 应用全覆盖、培育 500 家先进级智能工厂、AI 制造业应用场景突破 2000 个、推出 300 个高水平智能体，并推动 8000 台人形机器人进工厂、工业机器人密度达每万人 600 台。
值得关注：一线本体厂商对「具身智能何时爆发」的判断在半年内从 5–10 年压缩到 1–2 年，且把变量指向基础模型代际（GPT-6→GPT-7），说明行业信心已从「造得出」转向「何时用起来」；宇树把编码、训练、部署、反馈做成自循环，是「物理 AI 自进化」的早期形态。政策侧上海给出可量化指标（8000 台进厂、600 台/万人、300 个智能体），意味着人形/具身从展演进一步被推入真实制造场景，需求侧确定性提升。
