AI 與前沿科技週報 – Muse Spark 1.3、Gemini 3.8 Flash、Qwen 3.8 與機器人技術進展

TL;DR：Meta 的 Muse Spark 1.3 在保持成本效益的同時，進一步提升代理與科學推理能力；Google 的 Gemini 3.8 Flash 以適中價格實現強大的編碼與代理性能提升；Qwen 3.8‑Max 與 Qwen 3.8‑Flash 在效能與速度上均有顯著進步；NVIDIA 展示了可在邊緣硬體上即時運行的機器人策略。

Meta Muse Spark 1.3 – 更快、更具代理能力，價格依然低廉

  • Muse Spark 1.3（max）在 Artificial Analysis Intelligence Index 上取得 62 分，僅次於 Claude 的頂級版本，而 xhigh 版本取得 61 分，與 GPT‑5.6 Sol（max）及 Grok 4.6（high）並列 @ArtificialAnlys。
  • 性能提升來自更高的推理詞元使用量，在 Tau3‑Bench Banking 上提升 12 分，在 Terminal‑Bench 2.1 上提升 5 分，相比 1.2 版本 @ArtificialAnlys。
  • 每項任務成本上升至 $0.55（xhigh 版本），但仍低於 GPT‑5.6 Sol 的 $0.95，使 Muse Spark 站上智慧與成本的帕累托前緣 @ArtificialAnlys。
  • 科學推理能力在 CritPt（+8 分）、GPQA Diamond（+4 分）等多項基準上提升，僅在 AA‑LCR 與 AA‑Omniscience 上因更高棄權率出現小幅退步 @ArtificialAnlys。
  • 模型細節：1 M token 上下文視窗，支援多模態（文字、影像、影片），定價與 1.2 版相同，透過 Meta 的 API 與 Muse Code 可取得 @ArtificialAnlys。

Google Gemini 3.8 Flash – 以 $0.58 / 任務實現代理與編碼飛躍

  • Gemini 3.8 Flash（high）在 Artificial Analysis Intelligence Index 上取得 59 分，較 3.7 Flash 提升 3 分，與 GPT‑5.6 Sol（xhigh）持平 @ArtificialAnlys@OfficialLoganK@Google。
  • 這項提升來自 Tau3‑Bench Banking 上 12 分 的躍升與 Terminal‑Bench v2.1 編碼表現的改善 @ArtificialAnlys。
  • 定價維持在 $0.75 / M token 輸入（折扣後），每項智慧指數任務成本為 $0.58，是此智慧等級中價格最低的模型 @ArtificialAnlys。
  • 輸出速度約為每秒 300 token，高推理任務的時間為 2.5 分鐘，略慢於 Claude Fable 5.1（medium） @ArtificialAnlys。
  • 上下文視窗仍為 1 M token；多模態支援包含文字、影像、影片與語音 @ArtificialAnlys。

Qwen 模型更新 – 更大上下文、本地推理更快

  • Qwen 3.8‑Max‑0902（2.4 T 參數）現提供 1 M token 上下文，並在企業、科學與長程任務上表現更強；定價為 $2 / M token 輸入，$6 / M token 輸出 @Alibaba_Qwen。
  • Qwen 3.8‑Flash 透過 MTP 技術，在 RTX PRO 6000 上實現 1.7 倍 的本地推理速度提升（170 token/s），且無準確度損失 @UnslothAI。
  • Qwen 3.8‑27B 在單一 RTX 3090 上，使用 EXL3 壓縮與預測解碼技術，於 256 K token 上下文下可達 ~65 token/s，使消費級硬體上執行長文件代理任務成為可能 @Oluwaphilemon1。

Perplexity 的 Lily 引擎 – 為裝置內 LLM 提供混合運算

  • Perplexity 開源了 Lily，一個針對 Apple silicon 上的 Qwen 3.6‑35B‑A3B 調校的本地推理引擎，實現不拖慢混合 AI 任務的裝置內運算 @perplexity_ai。

機器人與實體 AI – 即時邊緣策略與資料迴圈

  • NVIDIA 展示了一個可內建運行的 緊湊型機器人策略（Jetson AGX Thor T5000），在 2.13 秒的動作中可於 1.53 秒 內重新規劃，並在硬體評估前，於 120 個語言條件操控任務中完成封閉迴圈模擬 @NVIDIARobotics。
  • NVIDIA 的 Cosmos 3 Edge 策略達成類似即時表現，突顯語言條件機器人控制在邊緣端的可行性 @NVIDIARobotics@NVIDIARobotics。
  • Axis Robotics 報告了一個反饋迴圈，人類修正的失敗資料（而非靜態大型資料集）驅動機器人策略的持續改進，強調快速失敗至資料管道的價值 @0xALTF4。
  • World Labs 的 Atlas 可從少量手機照片重建環境，實現「真實 → 模擬 → 真實」的訓練管道，大幅降低機器人適應的資料收集成本 @IlirAliu_@MTSlive。

AI 代理的安全與工具鏈

  • NVIDIA 新開源的程式庫可在執行前掃描 AI 代理的 技能以發現安全風險，應對來自 GitHub 的惡意工具安裝日益增長的威脅 @gregisenberg。
  • SpaceXAI 的 Grok Bot 使用手冊詳述了將單一機器人轉化為 24/7 多代理工作流程的 7 步架構，包含持久化工作區、首席路由委派與僅限人類批准的信任層 @adiix_official。
  • GitHub 的 AI 相關程式庫總覽（由 Greg Isenberg 提供）介紹了開源工具，適用於 AI 驅動的 CRM、影片編輯與 CapCut 替代方案，皆旨在擴展代理能力 @gregisenberg。

圖像編輯基準 – 專用模型崛起

  • Artificial Analysis 圖像編輯競賽場 現已將 MAI‑Image‑2.6‑Preview 排名為總體領先者，在場景/風格編輯與基於推理的變換上表現卓越 @ArtificialAnlys。
  • GPT Image 2（high） 在物件級編輯上領先，而 Seedream 5.0 Pro 則在保留身份的編輯上佔優；成本效益高的選項如 MAI‑Image‑2.5‑Flash 提供 $20 / 1 000 張圖像，遠低於 GPT Image 2（high）的 $211 @ArtificialAnlys。

總結要點： AI 前沿正快速迭代大型多模態模型，提升代理推理能力並強化成本效率（Muse Spark 1.3、Gemini 3.8 Flash）。同時，模型擴張（Qwen 3.8）與本地推理優化（Lily、EXL3）正使長上下文工作負載更普及。在機器人領域，邊緣就緒策略與資料導向的反饋迴圈正推動實體 AI 從模擬走向現實部署，而安全工具與多代理架構則致力於讓這些強大代理更安全、更易用。