AI 与前沿科技速览 – Muse Spark 1.3、Gemini 3.8 Flash、Qwen 3.8 及机器人学进展

TL;DR：Meta 的 Muse Spark 1.3 在保持高性价比的同时提升了智能体和科学推理能力，Google 的 Gemini 3.8 Flash 以适中的价格带来了强大的编码和智能体能力提升，Qwen 3.8‑Max 和 Qwen 3.8‑Flash 在性能和速度上均有提升，NVIDIA 展示了可在边缘硬件上实时运行的机器人策略。

Meta Muse Spark 1.3 – 更快、更强的智能体能力、依然便宜

  • Muse Spark 1.3 (max) 在 Artificial Analysis 智能指数上得分为 62，仅次于 Claude 的顶级变体，而 xhigh 变体得分为 61，与 GPT‑5.6 Sol (max) 和 Grok 4.6 (high) 持平 @ArtificialAnlys。
  • 性能提升得益于更高的推理 token 使用量，与 1.2 版本相比，在 Tau3‑Bench Banking 上实现了 12 分的跃升，在 Terminal‑Bench 2.1 上提升了 5 分 @ArtificialAnlys。
  • xhigh 变体的单任务成本上升至 $0.55（仍比 GPT‑5.6 Sol 的 $0.95 便宜），并使 Muse Spark 稳居智能与成本对比的帕累托前沿 @ArtificialAnlys。
  • 科学推理在 CritPt（+8 分）、GPQA Diamond（+4 分）及其他基准测试中均有改善，而由于更高的弃权率，在 AA‑LCR 和 AA‑Omniscience 上仅出现轻微的性能回退 @ArtificialAnlys。
  • 模型详情：1 M token 上下文窗口，多模态（文本、图像、视频），定价与 1.2 版本保持一致，可通过 Meta 的 API 和 Muse Code 使用 @ArtificialAnlys。

Google Gemini 3.8 Flash – 智能体与编码的飞跃，单任务成本 $0.58

  • Gemini 3.8 Flash (high) 在 Artificial Analysis 智能指数上达到 59 分，比 3.7 Flash 提升 3 分，与 GPT‑5.6 Sol (xhigh) 持平 @ArtificialAnlys@OfficialLoganK@Google。
  • 这一跃升得益于在 Tau3‑Bench Banking 上 12 分的提升以及更出色的 Terminal‑Bench v2.1 编码得分 @ArtificialAnlys。
  • 定价维持在 $0.75 / M token 输入（折扣价），单智能指数任务成本为 $0.58，是同等智能水平下最便宜的模型 @ArtificialAnlys。
  • 输出速度约为 300 tokens/s，在高推理强度下每任务耗时 2.5 分钟，略慢于 Claude Fable 5.1 (medium) @ArtificialAnlys。
  • 上下文窗口保持为 1 M tokens；多模态支持包括文本、图像、视频和语音 @ArtificialAnlys。

Qwen 模型更新 – 更大上下文，更快本地推理

  • Qwen 3.8‑Max‑0902（2.4 T 参数）现提供 1 M token 上下文，并在企业、科学和长周期任务上具有更强的性能；定价为 $2 / M token 输入，$6 / M token 输出 @Alibaba_Qwen。
  • Qwen 3.8‑Flash 借助 MTP 在 RTX PRO 6000 上实现了 1.7 倍的本地推理速度提升（170 tokens/s），且无精度损失 @UnslothAI。
  • Qwen 3.8‑27B 使用 EXL3 压缩和投机解码，可在单张 RTX 3090 上以 ~65 tokens/s 的速度处理 256 K token 上下文，使得在消费级硬件上运行长文档智能体任务成为可能 @Oluwaphilemon1。

Perplexity 的 Lily 引擎 – 针对端侧 LLM 的混合计算

  • Perplexity 开源了 Lily，这是一个专为 Apple 芯片上的 Qwen 3.6‑35B‑A3B 调优的本地推理引擎，实现了不会成为混合 AI 任务瓶颈的端侧计算 @perplexity_ai。

机器人学与物理 AI – 实时边缘策略与数据闭环

  • NVIDIA 展示了一种在机载（Jetson AGX Thor T5000）上运行的紧凑型机器人策略，能够在 2.13 秒的运动中实现 1.53 秒的重新规划，并在硬件评估前对 120 个语言条件操作任务进行了闭环仿真 @NVIDIARobotics。
  • NVIDIA 的 Cosmos 3 Edge 策略实现了类似的实时性能，突显了在边缘侧进行语言条件机器人控制的可行性 @NVIDIARobotics@NVIDIARobotics。
  • Axis Robotics 报告了一种反馈循环，其中由人工纠正的失败数据（而非静态的大型数据集）推动了机器人策略的持续改进，强调了快速“从失败到数据”流程的价值 @0xALTF4。
  • World Labs 的 Atlas 能够通过几张手机照片重建环境，实现了“从现实到仿真再到现实”的训练流程，大幅降低了机器人适应性的数据收集成本 @IlirAliu_@MTSlive。

AI 智能体的安全与工具

  • 一个新的 NVIDIA 仓库可在执行前扫描 AI 智能体的技能安全风险，以应对来自 GitHub 的恶意工具安装日益增长的威胁 @gregisenberg。
  • SpaceXAI 的 Grok Bot 实践指南详细介绍了将单个机器人转变为 24/7 多智能体工作流的 7 步架构，包括持久化工作空间、首席路由器委派以及用于仅限人工审批的信任层 @adiix_official。
  • GitHub 的 AI 相关仓库精选（由 Greg Isenberg 整理）重点介绍了用于 AI 驱动的 CRM、视频编辑以及 CapCut 替代方案的开源工具，所有这些都旨在扩展智能体能力 @gregisenberg。

图像编辑基准测试 – 专用模型崛起

  • Artificial Analysis 图像编辑竞技场现在将 MAI‑Image‑2.6‑Preview 列为总榜首，它在场景/风格编辑和基于推理的转换方面表现出色 @ArtificialAnlys。
  • GPT Image 2 (high) 在对象级编辑方面领先，而 Seedream 5.0 Pro 在保持身份特征的编辑方面占据主导地位；像 MAI‑Image‑2.5‑Flash 这样高性价比的选项提供 $20 / 1 000 张图片的价格，而 GPT Image 2 (high) 则为 $211 @ArtificialAnlys。

总体要点： AI 前沿正在经历大型多模态模型的快速迭代，这些模型在提升智能体推理能力的同时，也在不断优化成本效率（Muse Spark 1.3、Gemini 3.8 Flash）。与此同时，模型规模的扩大（Qwen 3.8）和本地推理优化（Lily、EXL3）使长上下文工作负载得以普及。在机器人学领域，边缘就绪的策略和以数据为中心的反馈循环正推动物理 AI 从仿真走向现实世界的部署，而安全工具和多智能体框架则旨在使这些强大的智能体更安全、更易用。