36氪“8点1氪”在10月28日汇总iPhone Duo内屏开裂免费换机、A股千元股变化、姆巴佩代言解约回应及多项AI进展。OpenAI发布GPT-6.1 Terra，提升视觉推理与计算机操作，标准API价格较GPT-5.6 Terra和GPT-6.1 Sol低50%；Google DeepMind以研究预览形式发布Genie 4，支持提示改变场景并生成匹配模拟世界的实时音频。
推荐理由：将iPhone Duo换机、A股千元股变化、姆巴佩代言解约及多家公司的AI模型进展并排整理，便于对照消费、资本市场和模型发布三类信号。
Alibaba 将 DeepSeek V4 Flash 0731 的每百万 tokens 输出价格从 $0.40 上调至 $1.32，增幅为 230%。
推荐理由：价格目录同时列出多家模型涨价与 Zhipu AI 降价，为依赖低成本 API 的团队重算单位经济性、识别成本风险提供直接参照。
Meta当地时间10月15日发布开源AI模型Muse Spark Open的权重，专为编程和支持AI智能体设计，允许开发者自行运行和适配。Meta首席AI官Alexandr Wang表示，Muse Spark Open不如本周早些时候发布的Muse Wonder先进，公司原则上不会开源最强性能的模型，但会持续向开发者社区开放性能稍低的版本。
同一件事，精选收录的是《Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B》
Meta 发布开放权重模型 Muse Spark Open，称其为美国能力最强的开放权重模型，强调可在 Apple Mac 上本地运行。该模型采用 816B 参数与原生多模态设计，配备 1M token 上下文窗口，主打复杂编码与 agentic 任务；本地运行需至少 1TB RAM，在搭载 M5 Ultra 芯片的 Mac Studio 上效果最佳。
同一件事，精选收录的是《Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B》
Meta 发布开源权重模型 Muse Spark Open，总参数 816B（激活 42B），支持最多 100 万 token 上下文以及文本、图像、视频和音频输入，主打编码和智能体任务。
同一件事，精选收录的是《Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B》
Meta 发布开源模型 Muse Spark Open，拥有 816B 参数，宣称是迄今最强的美国开源权重模型，并支持在两台搭载 MLX 框架的 Apple M5 Ultra Mac Studio 上本地运行。
同一件事，精选收录的是《Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B》
Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B，上下文窗口达 1M tokens。
推荐理由：文章同时给出 816B 多模态 MoE 模型的架构、推理与微调命令，并附 llama.cpp、vLLM、SGLang 实测，便于直接对照复用。
Muse Spark Open 是 Meta 发布的开源权重模型，总参数 816B（激活 42B）、1M token 上下文，定位编码与长链路 Agent 任务。
同一件事，精选收录的是《Meta 开源多模态 MoE 模型 Muse Spark Open，总参数约 816B、每 token 激活约 42B》
Meta Superintelligence Labs 发布第二代 Muse 模型家族，Muse Wonder 为快速版本，max-reasoning 的 Muse Wonder Full 仅面向 Muse Code 订阅者。
推荐理由：汇总独立评测、定价和可用性差异，帮助读者比较 Muse Wonder 与其他前沿模型在智能体、编码和长任务执行中的能力与成本。
Meta 于 10 月 12 日发布 Muse Wonder 模型（代号 Watermelon），官方首次宣称对标前沿模型，部分基准自测超过 Claude Opus 5.5、Fable 5.1 和 GPT-6 Astra。
同一件事，精选收录的是《Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体》
Meta 超级智能实验室（MSL）发布旗舰模型 Muse Wonder 与 Wonder Full，均支持 100 万 Token 上下文，主打编程与长期 Agent 任务。
同一件事，精选收录的是《Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体》
Meta 发布名为 Muse Wonder 的全新 AI 模型，历经 14 个月研发，称具备前沿级能力，在代码编写和金融、法律类问题处理上可与 ChatGPT、Claude 等头部模型处于同一水准。开发者可通过 Meta 模型 API 和 Muse Code 调用该模型，该模型也将为 Meta 个人 AI 助手 Muse 订阅版提供底层算力。
同一件事，精选收录的是《Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体》
Meta 发布两款前沿模型 Muse Wonder 与 Muse Wonder Full，两者在 Artificial Analysis Intelligence Index v4.3 上分别取得 52 和 56 分，进入第一梯队，前代 Muse Spark 1.3 为 48 分。
同一件事，精选收录的是《Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体》
Meta 旗下 Superintelligence Lab 发布其首款前沿模型 Muse Wonder 与 Muse Wonder Full，定位更大规模、面向编码等复杂任务，基准成绩与 Fable 5.1 和 GPT-6 Astra 相当。
同一件事，精选收录的是《Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体》
Meta 发布 Muse Wonder 与 Muse Wonder Full 系列模型，定位个人与专业智能体方向。模型引入 Active Memory 与 Active Focus 机制，在 Harvey LAB、FocusBench、SWE-Marathon 等基准上取得 state-of-the-art 结果，依托 gigawatt 级 Prometheus 数据中心训练。
推荐理由：原文给出 Active Memory 与 Active Focus 的能力定义和基准结果，读者可据此对照现有智能体模型的能力侧重。
Meta 发布两款新 AI 模型 Muse Wonder 与 Muse Wonder Full，面向 Muse Code 订阅用户开放，Wonder 还可通过 Meta Model API 调用。
同一件事，精选收录的是《Meta 发布 Muse Wonder 与 Muse Wonder Full，主打个人与专业智能体》
小米发布 MiMo-V2.6 系列原生全模态开源模型，旗舰 MiMo-V2.6-Pro 总参数 1.02T / 激活 42B，登顶 Artificial Analysis 开源权重智能指数（46），定价 $0.435/M 输入、$0.87/M 输出 token，采用 MIT 协议。
推荐理由：在各家闭源前沿模型与轻量开源模型之间，小米以原生全模态、MIT 协议和 $2.6M 的 RL 后训练给出了开源权重的对照样本。
Meta 发布并开源 30B 多模态模型 Muse Glimmer（Apache 2.0），由 Muse 蒸馏而来，主打本地智能体场景，由 Hugging Face 在发布当日同步接入 transformers、llama.cpp、vLLM 与 Inference Endpoints，并支持基于 DFlash 的推测解码加速。
推荐理由：原文汇总 30B 多模态模型的关键基准、DFlash 加速与同日多框架支持，便于评估其在本地智能体工作流中的可用性。
Meta 推出多模态推理模型 Muse Spark 1.1，在工具调用、计算机使用、编码和多模态理解上较前代有大幅改进，支持 1M token 上下文管理，可作为主智能体调度子智能体优化延迟。开发者可通过公开预览的 Meta Model API 接入该模型，同时它在 Meta AI 应用和 meta.ai 以 Thinking 模式上线。
推荐理由：原文逐项给出 Agent、Computer Use、编码、多模态的改进点，配合 Meta Model API 公开预览，读者可直接对照工作流判断适配度。
Meta Superintelligence Labs 发布 Muse Image 并预览 Muse Video，是其首批媒体生成模型。
推荐理由：原文给出了 Muse Image 的 agentic 工具调用、自我优化和测试时计算扩展细节，便于和现有图像生成模型对比其方法路线。
Meta Superintelligence Labs 发布 Muse Spark 模型，原生多模态推理，支持工具调用、视觉思维链和多智能体编排。其 Contemplating 模式通过多智能体并行推理，在 Humanity's Last Exam 上达到 58%、FrontierScience Research 38%。
推荐理由：Muse Spark 在预训练效率和多智能体推理上给出了具体数字，可以与 Llama 4 Maverick 及同类推理模型横向比较。