Anthropic 给 6 名 METR 评估人员提供公司设备、办公空间和内部系统访问权，却不能否决他们发表评估报告。独立评估开始有了具体尺度：能看到多少内部信息，发现问题后能否直接公开。
🚀 模型发布与部署门槛
• Meta 发布 Muse Spark Open —— 10 月 15 日开放权重，8160 亿总参数、420 亿激活参数。模型卡列出的 NVFP4 GPU 部署门槛至少为 700GB 显存；下载权重之后，硬件和专用许可证仍需逐项评估。
• LiquidAI 把推理 Agent 搬到本机 —— 10 月 13 日发布 LFM2.5-24B-A2B，240 亿总参数、每 token 激活约 20 亿。官方测试在 M5 Max 上报告每秒生成 184 token；工具调用值得试，代码任务仍落后于部分较大模型。
• Mistral Timestral：预测任务可以不买 GPU —— 10 月 15 日推出四档时间序列模型，参数从 500 万到 2.09 亿。官方测试中，最小模型用八线程服务器 CPU，约 10 毫秒完成指定预测任务；业务选型仍要检查预测误差与不确定性。
🛠️ 开发工具与推理效率
• Scientific Agent Skills：复用科研工作流 —— 本次热榜项目整理科学数据库、分析工具与专业任务技能，兼容多种编码 Agent。项目文档适合参考依赖和验证步骤的组织方式；首发日期不明，技能齐全也不能替代科研结论复核。
• XERJ：先建索引，再给 Agent 找材料 —— 热榜项目将代码、文档、日志和 PDF 索引后返回相关片段，减少反复扫描。仓库文档声明兼容 Elasticsearch 客户端；首发日期不明，节省多少 token 要连同召回质量和索引维护成本一起测。
• JSSA：少读缓存，还要避免搬运拖慢速度 —— 10 月 13 日论文同时优化 token 筛选与注意力执行，减少选中数据的集中搬运。论文实验在 B200、128K 上下文条件下，最高达到完整 KV 注意力约 6.43 倍的解码吞吐；不能直接换算成 Agent 全流程提速。
🚨 外部评估与披露权限
• Anthropic 让 METR 评估团队进驻 —— 10 月 15 日公告明确：6 人团队获得近似内部员工的访问权，公司不能否决报告发表，但可要求删去预先约定的敏感信息。其他评估伙伴按三档安排接入，第一档发表仍需批准；“独立”二字背后的权限差异值得细读。
📚 延伸阅读
• Meta：Muse Spark Open 模型卡、部署要求与许可证
https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B
• LiquidAI：本地推理 Agent 的训练、评测与接入方法
https://huggingface.co/blog/LiquidAI/lfm25-24b-a2b
• Jiwon Song 等：Joint Subspace Sparse Attention for Efficient Long-Context Decoding
https://arxiv.org/abs/2610.19026
