首页 / AI 简报 / 2026-10 / 10-16 2026-10-16 · 周五 · 10 条 Meta 开放 816B 的 Muse Spark Open、Claude Opus 5.5 快速模式结束预览、Anthropic 让 METR 入驻评估 今天的主线是「开放」和「验证」：Meta 和 NVIDIA 把大模型权重放出来，GitHub 让智能体修完安全告警后自己重跑扫描证明修好了，Anthropic 让外部评估方常驻并自行发布结论。能力在变多，证明它可靠的手段也在跟上。
约 816B 总参数、每 token 激活约 42B；每层 256 个专家，每 token 选 8 个；上下文最长 1M token。 提供 BF16（约 1.5 TB）和 NVFP4 两种权重；NVFP4 在 Transformers 中单个 B200 节点即可运行，BF16 需要 4 个 8 卡 H200 节点。 推理无法关闭，强度分 low、medium、high、xhigh 四档，默认 xhigh。 llama.cpp 的 2-bit 量化在 512 GB 的 Mac M3 Ultra 上跑到 18 token/s，占用约 304 GB；文中没有给出基准测试分数，也没有写明许可证。 开发者视角 Hugging Face 的文章称它是迄今能力最强的美国开放权重模型，但对我这样的小团队，它更像是「可以私有化的前沿模型」而不是「可以随手跑的模型」：单个 B200 节点是起步价。我会等许可证写清楚、有第三方评测之后，再拿它和闭源 API 比 AI 云盘的长文档问答；另外推理不能关、默认 xhigh，延迟和 token 开销要先算清楚。
Claude Opus 5.5 的快速模式不再需要申请访问，请求也不再需要 fast-mode-2026-02-01 beta 请求头，仍带该请求头的请求照常可用。 Claude Opus 5.5 在每个用量层级都有默认的快速模式速率限制。 Claude Opus 5 和 Claude Opus 4.8 的快速模式仍是研究预览，需继续带 beta 请求头。 同日，Opus 5.5 快速模式在 Microsoft Foundry 上对托管于 Azure 的部署开放。 开发者视角 之前快速模式要申请，我只在演示里用过；现在默认可用，就可以放进线上链路了。我会只在用户实时等结果的地方开，比如智能面试里的追问生成，后台批处理照旧走标准档；更新日志没写价格，开之前先在 Console 核对它的计费。和 10-11 那条 GPT-6.1 Sol Ultrafast 连起来看，「按速度分档收费」正在变成各家的标配。
Anthropic 已为 6 名 METR 员工配发公司设备，给予「类员工」访问权限，METR 将发布其风险评估。 Anthropic 不能否决发布，只能要求删去事先约定的少数类别，如客户数据、特权信息或模型架构；METR 可公开评论删改是否合理。 评估方权限分三个层级：SecureBio 处于第一层，正在审查 8 月风险报告中的化学和生物武器章节；Accenture 与 Faculty 正在推进合作，与 Hugging Face 处于早期讨论。 这是在 Anthropic 签署白宫超级智能协议后落实其中引入外部审计或评估方的承诺。 开发者视角 对做产品的人，这件事的直接意义是：以后选模型时能多一份不由厂商自己写的风险报告。我会在 METR 第一份报告出来后，把其中和智能体越权相关的结论对照我们自己的权限设计看一遍。它把「能删什么」提前列清楚的做法也值得学：我们给客户做安全审查时，同样应该事先约定哪些内容不披露。
Nemotron 3.5 Super VL 为 120B 参数开放模型，官方称其能力与 NVIDIA 最大的推理模型相当、参数约为其五分之一，并比同级次优模型快 5 倍。 Super VL 经约 26 万亿 token 预训练与继续预训练，再用约 380 万条样本做后训练并加强化学习；权重、数据集和训练配方一并开放，已上 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM。 Nemotron 3.5 Bolt 74B-A9B 用原生 2-bit 量化装进 24GB，已上 Hugging Face，支持 llama.cpp、Ollama、LM Studio、Unsloth 和 vLLM。 更小的 Bolt E4B 4GB 将于 10 月 23 日推出；文中没有写明许可证。 开发者视角 10-14 那期还只是预告，今天 Bolt 真的上了 Hugging Face，24GB 显存就能跑一个 74B 的智能体模型。我会先拿 Bolt 在 PandaClaws 的批量改写任务上做本地对照，看 2-bit 量化在中文长文上的掉点；Super VL 带数据集和配方一起开放，更适合想自己微调的团队。许可证没写清楚之前，只做评测不上生产。
11 月 16 日起，所有 Copilot 体验下线 Claude Opus 4.8、Claude Opus 5 和 GPT-5.6 Terra。 建议替代：两个 Opus 换成 Claude Opus 5.5，GPT-5.6 Terra 换成 GPT-6.1 Sol 或 GPT-6 Luna。 年付的 Copilot 个人订阅仍可继续使用 Claude Opus 4.8。 在默认模型启用策略下，Business 和 Enterprise 会自动启用替代模型，除非管理员关掉了全局默认或禁用了该模型。 开发者视角 有两件事要现在做：一是搜一下仓库里的 Copilot 配置、自定义智能体和脚本，有没有把这三个模型名写死的；二是管理员关掉了默认启用的组织，要手动打开替代模型，否则 11 月 16 日之后会直接没得选。换模型前，用一两个真实任务对比一下新旧模型的结果和用量。
扫描 PR 中 CodeQL 目前不覆盖的语言与框架，包括 PHP、Shell/Bash、Terraform（HCL）、Dockerfile、Java 的 JSP 和 C# 的 Blazor。 结果以「AI」标记显示在 Conversation 和 Files changed 标签页，可附风险说明和自动修复建议；不会让代码扫描检查失败，也不能通过规则集阻止合并。 组织或个人的公开仓库可用；组织的私有和内部仓库需要 GitHub Code Security 或 GitHub Advanced Security，不需要 Copilot 许可。 不扫描来自 fork 和 Dependabot 的 PR；消耗 Code Security AI Credits，可设置 SKU 级预算。 开发者视角 我们的部署脚本、Dockerfile 和 Terraform 恰好是 CodeQL 从来没扫过的部分，公开仓库现在可以直接开。我会先在这个站的公开仓库上打开，看它对 GitHub Actions 里那些 Shell 步骤报出什么；因为它只提示不拦截，前两周把误报和漏报记下来，再决定要不要把它的结果接进评审规则。
智能体会浏览相关文件、提出修复、重跑 CodeQL 确认告警关闭，然后开草稿 PR，附摘要、修复原因和验证步骤；可在 PR 评论或 Agents 标签页里继续让 Copilot 修改。 可把默认分支上的任意告警指派给 Copilot（取代免费的 Generate Fix 按钮），也可在告警列表一次选最多 25 条合并到一个 PR，或通过 REST API 把 assignees 设为 copilot-swe-agent[bot]。 面向 GitHub Enterprise Cloud（含数据驻留）上的 GitHub Code Security 和 GitHub Advanced Security 客户，需要企业管理员开启策略并配置 Copilot 计费方式。 消耗 Code Security 预算中的 AI Credits 和 GitHub Actions 分钟数；只在 PR 或非默认分支上发现的告警不能指派。 开发者视角 「改完再跑一遍扫描证明告警关了」是我最看重的一点，这让智能体修复第一次有了可验证的完成标准。但它会替代免费的 Generate Fix，按 AI Credits 加 Actions 分钟计费：我会先挑一批低风险的历史告警批量指派，看 PR 的通过率和单条成本，再决定是不是默认把新告警交给它。
可以在回答进行中发送追加消息立即改变方向；中断时也会停止正在运行的 Code Mode 单元。 互不依赖的只读工具（如技能、记忆和历史查询）可以并行执行；/config 可搜索，并标出需要重启才生效的设置。 网络代理在 DNS 查询前先检查权限，拒绝重复的 Host 请求头，并修复了一处凭据别名绕过；恢复已保存的会话时会还原其权限与网络审批。 符合条件的账号默认开启 Daybreak。 开发者视角 在 CI 里跑 Codex 的团队，应该因为网络代理那三处修复而升级，而不是因为新功能：DNS 查询本身就可能泄露信息，凭据别名绕过更直接。另外恢复会话会带回当时的网络审批，升级后检查一下旧会话里批过哪些域名。
试点于 2026 年 7 月启动，参与范围约占 Cloudflare 全网的 1%，帮助 OpenAI 发现并收录了数亿个新网页。 信号用于过滤不存在、跳转和重复的页面，并提示页面何时值得重新抓取；有害页面可单独标记，而不是惩罚整个域名。 OpenAI 独立决定这些页面在 ChatGPT 中如何排序；研究使用的是网页元数据，不用页面内容训练模型。 信号不等于访问许可，站长仍可用 Cloudflare 的 AI Crawl Control 管理 AI 访问；下一阶段将改进页面选择、测试更快的变更信号。 开发者视角 我做 PandaClaws 时最在意的就是内容发出去之后多久能被搜到，这条说明 AI 搜索的收录正在绕过传统 sitemap，直接看 CDN 的变更信号。如果你的站在 Cloudflare 后面，先去 AI Crawl Control 确认对 OpenAI 爬虫的策略是不是你想要的；内容站则要减少重复页和无意义跳转，它们会直接影响被发现的效率。
共 5M、28M、123M、209M 四个尺寸，同一架构和训练配方；支持 21 个分位数的概率多变量预测、过去与已知未来协变量，上下文 32,768 步。 209M 模型在 GIFT-Eval、TIME 和 fev-bench 上位列预训练零样本模型第一，单一检查点、不做集成；28M 模型在 GIFT-Eval 和 TIME 上超过约大 4 倍的 Chronos-2。 在 8 线程的普通服务器 CPU 上，用 3 周、15 分钟粒度的历史预测未来一天：5M 模型 10 毫秒，209M 模型 140 毫秒。 许可证为 Modified MIT，提供 GitHub 仓库和 Hugging Face 合集，也可通过 Mistral Forge 使用和微调。 开发者视角 容量规划、调用量预测这类事，我们一直用规则或者干脆不做。一个 CPU 上百毫秒级、零样本就能用的模型，值得拿来试：我会先用 AI 云盘过去几个月的存储增长和模型调用量做回测，看它能不能替代现在拍脑袋的扩容阈值。上生产前先读清楚 Modified MIT 改了哪些条款。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。