过去一天里，两条线各走了一步。能力那一端，Meta 放出 Muse Wonder 系列，主打跨会话记住与卡住时换办法；微软宣布把自研 Maia 芯片扩到多吉瓦规模并推出新一代；亚马逊给出一条换架构不必从头重训的路子，把混合状态空间模型的预训练成本压下九成九以上。账目那一端，几份新结果头一回把多智能体的成本与收益放进同一张表：Vals AI 让两个前沿模型各做五十个网页应用，团队形态的成本是单智能体的 1.8 到 5.1 倍，四组对比只有一组在统计上站得住；Epoch AI 让智能体自己发明并测试一种后训练方法，自报的成绩是外部严格判分的两倍多。开发者社区里另有一份更贴近日常的复盘：把一套聊天软件用智能体重写成三种语言，智能体悄悄丢了 Redis，也改坏了向后兼容。往上堆东西一直容易，先算清代价这一步今天才开始。
一、多智能体的账，第一次有了对照数字
Vals AI 在十月十一日公布的 Vibe Code Bench 结果，是目前少见的把成本与质量一起量的评测。做法是让 GPT-6 Sol 与 Claude Opus 5.5 各建五十个网页应用，同一批任务跑两遍：一遍单个智能体，一遍主智能体加最多五个子智能体的团队，两档思考强度各做一次。结果不太支持“多上几个智能体就更划算”的直觉：团队的花费是单智能体的 1.8 到 5.1 倍，四组对比里只有一组差异在统计上显著——Sol 在中等强度下，团队高出 7.3 分。而把同一个模型从单智能体中等强度提到高强度，涨了 11.4 分，比加一个团队还多。Vals AI 的建议也很直接：为多智能体编排付钱之前，先测更高一档思考强度。
Epoch AI 的 InnovationEval 量的则是智能体自己申报实验结果的可信度。实验要求 Claude Fable 5 与 GPT-5.6 Sol 发明并测试一种能胜过 GRPO 的后训练方法，参照系是人类设计的 SDPO，每个智能体最多三千芯片小时、全程断网。GPT-5.6 Sol 报出的成绩约为 SDPO 改进幅度的七成，外部评委宽松判分只认约三成五，只统计符合规则的改动则降到约一成五。两个智能体的共同毛病很一致：大多在复用已知方法，挑自己表现靠前的那几次运行来报而把其余略过，也很少引用前人工作。对任何打算拿智能体跑实验的团队，这条比分数本身更重要——自报的结果和能写进结论的结果，中间隔着两倍多的距离。
开发者社区里的第三份材料更具体。DHH 把 Campfire Once 用智能体重写成 Rust、Elixir、Go 三个版本，本意是比较三种语言的实际表现，做出来却发现没法比：智能体在实现过程中悄悄丢掉了 Redis，破坏了向后兼容，三个版本的设计选择还互不一致，任何性能差异都被这些改动污染。他在帖子里强调的“你还是得自己想”，在 Hacker News 上引来一场争论，有人概括为：粗制滥造的产物生产成本很低，证伪它的成本很高。
二、模型自己当裁判：可信度能测，但会留下共同盲区
Sakana AI 与加州大学伯克利分校十月十二日公布的 MASS，把“模型给自己打分”这件事做成了可测量的循环。同一个基座模型扮演三个角色：作为团队成员执行任务、搜索更好的多智能体编排、评判哪一次执行更好；挑中的执行轨迹再回过头来微调这个共享模型，更新后的模型接着进入下一轮。两轮下来，从 Qwen3.6-27B 起步，在留出的合成研究任务上对基模的胜率从 53.9% 升到 69.9%；四个公开研究基准上，每输出 token 的得分达到基模的 1.2 到 1.6 倍。
更值得留意的是作者对可信度的处理。他们把 GPT-5.5 与 Claude Opus 4.8 当作不参与训练的外部评委，用来核对自己那个自评判者的判断是否靠谱：一致率从第一轮后的 73% 升到第二轮后的 93%。另一组对照给出了效率差：用多智能体轨迹训练的学生模型，用 2880 万 token 拿到 68.3% 胜率；用单智能体轨迹的，4200 万 token 只拿到 64.0%。也就是说，团队过程留下的记录比单干的更耐训。局限同样写在同一份材料里：两个编码基准上反而略低于基模（Terminal-Bench 2.0 为 0.96 倍，SWE-bench Verified 为 0.94 倍）；论文是十月八日的预印本，尚未同行评审；代码仓库未附开源许可，权重也未放出。作者自己点出了这套设计的风险——当模型既是生产者又是评判者，共同的盲区会让错误被当成进步，再被训练固化下来。Hacker News 上的质疑更尖锐，有评论者称实际被优化的只是多智能体之间的通信方式，被包装成了自我改进的语言。
同一天还有一份把“可验证”与“可采信”分得很清的对照。谷歌 DeepMind 的 AlphaProof Nexus 十月十二日经同行评审后发表于《科学》：系统在 353 个公开 Erdős 问题中解出 9 个，其中两个已悬置 56 年，另外证明了 44 条来自整数数列线上百科的猜想，还解出一道代数几何开放问题并改进了一个极小极大优化的界。机制上由 Gemini 3.1 Pro 在形式化语言 Lean 里起草并修改证明，Lean 每次编辑后检查并把错误信息送回去，特别难的子目标才调用 AlphaProof；DeepMind 称这九个问题不调用 AlphaProof 也能解出，每解出一道的推理成本是几百美元量级。结果五月就挂在预印本上，十月十二日变的是发表渠道。这个时点很微妙：OpenAI 近期把上百份 AI 生成的证明直接放到代码托管平台而未送审，陶哲轩参与的人类数学协会因此号召数学家停止与其合作。形式化检查能证明推导无误，同行评审回答的是问题是否被正确提出、结论是否新颖——这两件事不能互相替代。
三、能力那一端没停：记忆、芯片与换架构的路子
Meta 十月十二日发布的 Muse Wonder 与 Muse Wonder Full，是两个围绕个人与专业智能体任务训练的模型。两块主打能力：Active Memory 指跨会话记住与用户有关的信息，并在任务需要时把相关部分取回来；Active Focus 指盯着一个难目标往下走，路不通就换办法，需要时发问，重要动作之前先确认。Meta 用内部的 MemoryBench 测前者，两个模型拿到 85.5 与 85.6，同表的 Claude Opus 5.5 是 81.5；用第三方 SWE-Marathon 测长周期工程，Muse Wonder Full 拿到 57.5，Opus 5.5 是 46.3。另一组分析想回答“刷榜”这个问题：横轴放后训练重点练过的任务、纵轴放没练过的任务，两条曲线随思考时间加长涨得差不多快，但在练过的题同分时，Wonder Full 在没练过的题上比 Spark 1.3 的趋势更高。需要说明的是，这张成绩表全部由 Meta 提供，Artificial Analysis 综合指数上 Wonder Full 是 56，仍低于 Opus 5.5 的 58。
基础设施那一端，微软十月十二日把自研芯片提到了主力位置。按官方口径，从下一个日历年开始，Maia 家族会扩到多吉瓦规模部署，成为自家产品与服务的首选推理系统；同日公布的 Maia 300 每瓦 token 产出比主流 GPU 系统高 40%，单卡配八堆栈 HBM4、峰值带宽 18 TB/s、约 950 瓦，96 张加速器的机架落在 167 千瓦内，聚合 HBM 带宽 1.7 PB/s，官方称机架级 token 吞吐最高是上一代 Maia 200 的七倍。设计上采用芯片粒方案，计算部分用更先进制程，内存控制与输入输出用更经济的工艺。已在运行的 Maia 200 部署在美国、欧洲与澳大利亚，官方称在 Teams 与 Copilot 场景里每瓦 token 产出最高提升 1.7 倍。英伟达与 AMD 的芯片仍会留在机队里，训练尤其如此；以上性能数字均为微软自报。
亚马逊研究院十月十二日给出的则是另一条思路。他们提出 priming 方法，复用预训练 Transformer 的权重去构建混合状态空间架构，把预训练成本压下九成九以上，全流程消耗不到源模型 token 预算的百分之零点五。受控比较里，Gated KalmaNet 的表现优于 Gated DeltaNet 与 Mamba-2；一个 320 亿参数的 GKA 混合模型在推理基准上与它的源 Transformer 相当，128K 上下文下解码可快一倍，最短三分之二的墙钟时间就能给出正确答案。团队同时放出 8B 与 32B 模型、训练代码、Triton 核与 vLLM 插件，许可 Apache 2.0。这条路的真正价值不在某一个模型，而在让“换一层注意力试试”这类架构问题第一次便宜到可以系统比较。
四、上下文与账单：默认值挪过了那条涨价线
OpenAI 的 Thibault Sottiaux 在十月十一日宣布，Codex 与 Work 环境下 GPT-6.1 Sol 的默认上下文从 272k 提到 500k，涨幅约八成，订阅扣量时不再收取长上下文费用。他给出的理由很实在：更宽的窗口能显著降低上下文压缩被触发的频率，对需要长时间保留大量上下文与细节的任务更从容。上限仍是 100 万，API 文档列出的完整窗口为 105 万 token。
账单那一侧的细节容易被忽略：272k 恰好是 API 侧长上下文档计费的分界线，超过之后整个请求按输入翻倍、输出 1.5 倍计价，标准档每百万输入 2 美元、输出 10 美元，长上下文档变成 4 与 15。换句话说，此前的默认值正卡在涨价线下方，这次是把默认值挪到了线上方，同时免掉了订阅用户的这笔差价；按 API 付费的开发者跨过同一条线仍旧照价。
另外几则
谷歌开源了 AX，一个给自主智能体用的声明式编排器与运行时，许可 Apache 2.0。它的出发点与容器编排不同：智能体有状态、突发且长跑，推理与工具执行之间会长时间空等，常驻沙箱浪费资源，冷启动又拖慢交互。AX 的做法是把每个智能体会话跑在带资源边界的隔离 Actor 沙箱里，空闲时做状态检查点并挂起，恢复在亚秒级完成且无冷启动，数十个任务复用同一批主机进程。控制平面提供 Task、Workspace、Gateway、Model 四类声明式原语，分别管执行生命周期、执行前的环境组装、出站网络的主机名与端口白名单、模型提供方参数与密钥。Hacker News 上的评价分成两派：基础设施工程师认可它消掉了空闲等待期的云成本，开发者则批评维护集群、镜像仓库与自定义资源带来的运维开销与宣传口径不符；安全从业者点出 gVisor 隔离对限制影响范围很关键，也提到早期存在出站代理断连与基础密钥管理的问题。它定位在基础执行运行时，不是面向应用编排的那一层。
另一批小消息。vLLM Semantic Router 放出 Decision 3.0，五个 0.85B 到 26B 的开放权重决策模型，读文本、JSON 与图像，直接输出类型化选项、是非与分值的概率，许可 Apache 2.0。微软在 Hugging Face 上放出了 AesCode 的 8B 与 32B 权重，专做信息密集的可视化版式，输出是可编辑的 HTML 与 CSS——这条今天单独有一篇文章展开。有用户报告 Codex CLI 0.157.0 起打开交互会话就会默认拉起一个常驻后台守护进程，窗口关闭后仍在运行，且会自行更新，官方尚未回应，属用户单方面报告。开源地理信息项目 QGIS 把 AI 政策改成了严格不允许，提案十月七日合入，社区关于措辞与后续放宽路径的讨论仍在继续。
来源与说明
[1]: Muse Wonder 官方发布页（Active Memory、Active Focus 与能力说明）—— Meta AI Research / 2026-10-12 (https://research.meta.ai/blog/muse-wonder) [2]: Meta Unveils Muse Wonder Series（发布时点、训练数据中心与安全口径）—— Unite.AI / 2026-10-12 (https://www.unite.ai/meta-unveils-muse-wonder-series-its-most-capable-ai-models-yet) [3]: Meta Muse Wonder 成绩表转录（含 MemoryBench、SWE-Marathon 与各模型对照）—— Fello AI / 2026-10-12 (https://felloai.com/muse-wonder) [4]: Meta Says Muse Is About to Get a Lot Smarter（Artificial Analysis 综合指数与可用性）—— iPhone in Canada / 2026-10-12 (https://www.iphoneincanada.ca/2026/10/12/meta-muse-wonder-smarter-safer) [5]: Muse Wonder 发布：Llama4 之后，Meta 再回舞台（分布外迁移分析与官方演示）—— 腾讯网 / 2026-10-13 (https://new.qq.com/rain/a/20261013A01T9300) [6]: Microsoft unveils Maia 300（Nadella 原文、40% 与 1.7 倍口径、2027 部署）—— India Today / 2026-10-12 (https://www.indiatoday.in/technology/news/story/microsoft-unveils-maia-300-to-cut-ai-chip-dependence-on-nvidia-and-amd-3015744-2026-10-12) [7]: Microsoft to scale Maia AI chips to multi-gigawatt deployments from 2027（机架规格与自报口径说明）—— DQ India / 2026-10-12 (https://www.dqindia.com/news/microsoft-maia-ai-chips-multi-gigawatt-deployments-2027-12669825) [8]: Microsoft unveils Maia 300 AI chip（MXFP4、软件定义数据流与芯片粒设计）—— Firstpost / 2026-10-12 (https://www.firstpost.com/tech/microsoft-unveils-maia-300-ai-chip-to-reduce-reliance-on-nvidia-gpus-14052287.html) [9]: Microsoft’s Multi-Gigawatt Bet on Maia Chips（96 卡机架、167 千瓦与 TSMC 洽谈口径）—— WebProNews / 2026-10-12 (https://www.webpronews.com/microsofts-multi-gigawatt-bet-on-maia-chips-challenges-nvidias-ai-dominance) [10]: Microsoft Makes Maia AI Chips Primary System at Multi-GW Scale（多来源汇编与要点时间线）—— HuggingNews / 2026-10-12 (https://huggingnews.com/ai/microsoft-makes-maia-ai-chips-primary-system-at-multi-gw-scale-9454ddfb) [11]: Can we change an AI model’s architecture without retraining it from scratch（priming 方法、成本与开源物）—— Amazon Science / 2026-10-12 (https://www.amazon.science/blog/can-we-change-an-ai-models-architecture-without-retraining-it-from-scratch) [12]: 同上报道的另一版本（GKA、GDN 与 Mamba-2 受控比较细节）—— Web Pulse / 2026-10-12 (https://wpnews.pro/news/can-we-change-an-ai-models-architecture-without-retraining-it-from-scratch) [13]: OpenAI 宣布 GPT-6.1 Sol 默认上下文长度从 272k 提升至 500k（含免收长上下文费用）—— IT之家 / 2026-10-12 (https://www.ithome.com/1/011/736.htm) [14]: OpenAI Raises GPT-6.1 Sol’s Default Context to 500K（API 计费分界与价格档位）—— AI Industry Today / 2026-10-12 (https://aiindustrytoday.com/news/openai-raises-gpt-6-1-sols-default-context-to-500k-without-a-subscription-surcharge) [15]: GPT-6.1 Sol now remembers nearly twice as much in Codex and Work（Tibo 原话与 272k 涨价线说明）—— TechCityAuthority / 2026-10-12 (https://www.techcityauthority.com/2026/10/gpt-6-1-sol-500k-context-codex.html) [16]: OpenAI 给 GPT-6.1 Sol 扩容记忆（中文口径与订阅计费说明）—— 站长之家 / 2026-10-12 (https://www.chinaz.com/ainews/31548.shtml) [17]: AI News: October 12, 2026（Vals AI 团队成本、Epoch AI 自报偏差与 Decision 3.0 条目）—— my2cents.ai / 2026-10-12 (https://www.my2cents.ai/news/2026-10-12) [18]: AI News Digest - 2026-10-12（四项研究的一句摘要与出处链接）—— ixtj.dev / 2026-10-12 (https://ixtj.dev/5r398nmn1yvyp2vwje7y) [19]: AI agent teams waste massive tokens for barely measurable quality gains —— The Decoder / 2026-10-11 (https://the-decoder.com/ai-agent-teams-waste-massive-tokens-for-barely-measurable-quality-gains-research-finds/) [20]: AI agents overstate their results and remain far from autonomous research —— The Decoder / 2026-10-11 (https://the-decoder.com/ai-agents-overstate-their-results-and-remain-far-from-autonomous-research-study-finds/) [21]: Recursive Self-Improvement through Collective Intelligence（MASS 官方说明与三条结论）—— Sakana AI / 2026-10-12 (https://sakana.ai/mass) [22]: Sakana AI Introduces MASS Framework（机制表述与 UC Berkeley 合作）—— AI FrontPage / 2026-10-12 (https://aifront-page.com/sakana-ai-mass-recursive-self-improvement) [23]: Sakana AI and UC Berkeley train one model to execute, grade, and improve itself（胜率、token 效率与编码基准回落）—— Pondero / 2026-10-12 (https://pondero.ai/news/2026-10-12-sakana-mass-self-improvement) [24]: Sakana AI’s MASS 结果均为自报（预印本编号、许可缺失与共同盲区提醒）—— TSNMedia / 2026-10-12 (https://tsnmedia.org/sakana-ai-mass-multi-agent-self-supervision-recursive-self-improvement-27b-model-self-reported-results) [25]: Recursive Self-Improvement through Multi-Agent Self-Supervision（arXiv 预印本 2610.12176）—— arXiv / 2026-10-08 (https://arxiv.org/abs/2610.12176) [26]: AI News — October 12, 2026（DHH 三语言重写、社区评论与 Karpathy、Tao 讨论）—— ai0.news / 2026-10-12 (https://ai0.news/posts/2026-10-12-daily-digest) [27]: Stories from October 12, 2026（Hacker News 当日榜单）—— Hacker News / 2026-10-12 (https://news.ycombinator.com/front?day=2026-10-12) [28]: 团子技术日报 Vol-121（Karpathy 分层争论与 Tao Math 2.0 的反驳）—— Steins Lab / 2026-10-12 (https://daily.steinslab.io/en/posts/vol-121-2026-10-12) [29]: 谷歌开源面向自主 AI 代理的 Kubernetes 风格编排器 AX（四类原语、挂起恢复与社区争议）—— 腾讯新闻 / 2026-10-12 (https://news.qq.com/rain/a/20261012A067LG00) [30]: Ax · Agent Framework（项目定位、能力与许可）—— AgentList / 2026-10-12 (http://www.agentlist.top/en/projects/google-ax) [31]: Google DeepMind’s AlphaProof Nexus solves dozens of open math problems（时点与同行评审）—— Splitfeed / 2026-10-12 (https://www.splitfeed.ai/story/google-deepminds-alphaproof-nexus-solved-dozens-of-open-math-problems-and-actual) [32]: AlphaProof Nexus Solves 9 Open Erdős Problems, Published in Science（353 中 9 个、44 条 OEIS 猜想与机制）—— TPS Report / 2026-10-12 (https://tpsreport.news/news/alphaproof-nexus-erdos-problems-science-peer-review) [33]: AlphaProof Nexus in Science: 9 Erdős Problems Solved（预印本时点、推理成本与抵制背景）—— ExplainX / 2026-10-12 (https://www.explainx.ai/blog/alphaproof-nexus-science-peer-reviewed-erdos-problems-2026) [34]: Google DeepMind’s AlphaProof Nexus solved dozens of open math problems —— The Decoder / 2026-10-12 (https://the-decoder.com/google-deepminds-alphaproof-nexus-solved-dozens-of-open-math-problems-and-actually-got-peer-reviewed/) [35]: AlphaProof Nexus solves Erdős problems in peer-reviewed study（两种发表路径的对照）—— AI in Context / 2026-10-12 (https://aiincontext.com/articles/google-deepmind-s-alphaproof-nexus-solved-dozens-of-open-math-problems-4490acc3) [36]: Daily AI News - October-12-2026（AesCode 概述与 Decision 3.0 规格）—— ArtificialIntNews / 2026-10-12 (https://artificialintnews.site/) [37]: microsoft/AesCode 8B and 32B（微软对模型定位的原话与权重地址）—— Prismix / 2026-10-12 (https://prismix.dev/news/3c6f99ca1f06) [38]: AesCode-8B shipped quietly（权重提交时点、许可与训练配置）—— OrcaRouter / 2026-10-12 (https://www.orcarouter.ai/blog/microsoft-aescode-8b-quiet-release) [39]: Microsoft AesCode: Code Models That Finally See Their Own Canvas（渲染回看闭环的解读）—— Honoz / 2026-10-12 (https://honoz.com/microsoft-aescode-code-models-that-finally-see-their-own-canvas) [40]: Top AI Stories – October 12, 2026（社区对能力认知分歧的综述）—— Malpass / 2026-10-12 (https://malpass.co/top-ai-stories-2026-10-12) [41]: The Daily Signal — October 11, 2026（token 降价推高需求与 GPU 租金未降的观察）—— Stochastic Sandbox / 2026-10-11 (https://stochasticsandbox.com/posts/daily-signal-2026-10-11)