上交会·信息站 | 人工智能领域动态信息简报（第五期）

10月12日，美国科技企业Meta发布Muse Wonder和Muse Wonder Full两款新一代人工智能模型，重点提升个人及企业智能体的任务执行能力。根据官方介绍，新模型面向法律、金融、医疗健康及软件开发等专业场景，可处理涉及多步骤推理、信息整合和持续执行的复杂任务。Muse Wonder已通过Meta Model API和Muse Code向开发者开放，Muse Wonder Full则面向Muse Code订阅用户提供服务。Meta计划进一步将相关模型集成至其个人智能体产品Muse。

新模型重点强化了Active Memory（主动记忆）和Active Focus（主动专注）能力。前者能够在不同对话和任务之间保留重要信息，后者支持模型在执行过程中遇到困难时尝试其他方案、从错误中恢复，并在必要时向用户确认关键操作。这些能力有助于减少复杂任务中反复输入背景信息的需要。

此次发布表明，基础模型竞争正从单轮问答和内容生成向持续任务执行拓展。对于企业应用而言，模型能否保持任务上下文、调用工具并可靠完成工作，将成为智能体产品的重要竞争因素。

原始链接：

https://about.fb.com/news/2026/10/introducing-muse-wonder-models/

10月13日，美国Google开始向全球Google AI Pro和Ultra订阅用户推出Gemini 4 Argon模型。该模型面向复杂软件工程、数学与科学问题、企业知识工作及网络安全等任务，支持文本、图像、音频、视频和PDF等多模态输入，上下文窗口最高可达100万Token。Google还将相关能力整合至Gemini应用和开发者接口，支持工具调用、代码执行及计算机操作等功能，推动模型从信息问答向复杂工作流程执行延伸。

多模态输入使模型能够综合分析文字、图像和视频等不同形式的信息；较长的上下文窗口则有助于处理大型代码库、长篇合同和复杂技术资料。结合代码执行与工具调用能力，模型可以在分析问题后进一步开展计算、检索和任务操作，而不只是生成文字建议。

Gemini 4 Argon的开放推广反映出前沿模型竞争正在向专业任务处理和产品化部署延伸。随着模型逐步进入企业知识管理、软件开发及业务分析场景，模型服务、应用开发和企业数据连接等环节有望形成更多市场机会。

原始链接：

https://ai.google.dev/gemini-api/docs/models/gemini-4-argon

10月14日，美国企业软件公司SolarWinds发布Avior智能体平台，面向复杂IT基础设施提供目标驱动的自动化运维能力。该平台构建于SolarWinds软件体系之上，可帮助企业设定运维目标、协调不同专业智能体，并跟踪任务执行结果，适用于混合云环境中的故障排查、配置管理和合规检查等场景。产品于当天启动引导式早期访问，重点解决企业IT系统日益复杂、人工排查耗时以及运维人员不足等问题。

传统IT监控软件主要负责收集告警、展示异常和提供分析线索，后续处理通常仍需要工程师手动完成。Avior尝试让智能体根据预设目标执行连续任务，同时设置权限边界、审批流程和审计记录；当任务涉及高风险操作或超出系统能力时，则转交人工处理，以降低自动化执行带来的风险。

该平台反映出企业AI应用正从辅助问答向受控的业务执行系统发展。随着智能体进入关键IT环境，企业对任务编排、运行监测、权限治理和执行审计的需求将持续增长，相关企业软件和智能体管理平台有望获得新的发展空间。

原始链接：

https://www.solarwinds.com/company/newsroom/press-releases/solarwinds-unveils-avior-bringing-deterministic-agentic-ai-to-enterprise-it

10月15日，美国微软人工智能团队公布MAI-Base-2的预训练进展。该模型采用混合专家（MoE）架构，总参数量约2.8万亿，每个Token激活约800亿参数。微软表示，该模型在其测试的开放权重基础模型中表现突出，预训练计算效率达到部分领先开放模型的4至12倍。公司将通过自研模型体系进一步强化面向客户的AI服务能力，并强调对训练数据来源的管理和控制。

混合专家架构将模型划分为多个专业参数模块，每次处理输入时只调用其中一部分，从而在扩大模型总参数规模的同时控制计算开销。预训练则是模型通过大规模数据学习语言、知识和模式的基础阶段，其效率会影响模型训练所需的算力、时间及资金投入。

微软此次披露的进展表明，大模型竞争仍在持续向模型规模、训练效率和自主研发能力延伸。对于云服务和企业软件厂商而言，掌握基础模型研发能力有助于优化产品适配、成本结构及数据治理，但模型的实际商业价值仍需结合后续产品部署和应用效果评估。

原始链接：

https://microsoft.ai/news/frontier-pre-training-at-microsoft-ai/

10月15日，Meta发布Muse Spark Open并开放模型权重。这是一款原生多模态模型，总参数量约8160亿，单次推理激活约420亿参数，上下文窗口最高支持100万Token，重点面向软件开发、复杂推理和智能体任务。Meta表示，该模型已通过多家AI服务平台提供访问，并与Apple合作，支持在搭载M5 Ultra芯片的Mac Studio等高性能桌面设备上运行。

开放权重意味着开发者可以获取模型参数，并在许可范围内开展本地部署、微调和应用开发，与只能通过厂商接口调用的封闭模型有所不同。通过稀疏混合专家架构，模型能够在保留较大参数规模的同时减少单次推理所需激活的参数量，但在本地运行超大模型仍需要充足的内存、计算能力和系统优化。

此次发布表明，高性能AI正逐步向开放模型生态和本地计算环境延伸。企业可以根据数据安全、部署成本和业务需求选择云端或本地运行方案，并进一步带动高内存计算设备、推理优化软件及模型服务平台的发展。

原始链接：

https://research.meta.ai/blog/muse-spark-open

10月15日，美国人工智能计算企业NVIDIA发布Nemotron 3.5 Super VL及Bolt系列开放模型，面向不同规模的智能体应用。其中，Super VL为1200亿参数的多模态模型，每个Token激活约120亿参数；Bolt系列包括面向本地智能体任务优化的74B-A9B版本，以及面向轻量级设备的E4B版本。Super VL和Bolt 74B-A9B已开放使用，E4B计划于10月23日推出。

Super VL可处理文本、图像、文档和视频信息，并结合推理与工具调用能力，适用于企业文档分析、视频理解及持续运行的专业智能体。Bolt系列则更加重视模型运行速度、内存占用和本地部署条件，使智能体能够从大型数据中心延伸至企业本地服务器和边缘设备。

该系列产品体现出AI模型正向多层级部署发展。企业不再需要将所有任务集中交由大型云端模型处理，而可以根据任务复杂度、数据敏感程度和运行成本选择不同模型，推动开放模型、推理软件和边缘AI硬件协同发展。

原始链接：

https://blogs.nvidia.com/blog/nemotron-3-5-super-vl/

信息来源：本报告信息主要来源于Microsoft、Intel、TSMC、GlobalFoundries、NVIDIA、Google、Meta、AstraZeneca、Beam Therapeutics、Ionis Pharmaceuticals、Vertiv、Waymo、IonQ、Blue Origin等企业及机构官方公告，美国FDA、欧洲EMA等监管机构官网，《Nature Biotechnology》等学术期刊，以及Reuters、The Wall Street Journal、PR Newswire、GlobeNewswire等国际财经科技媒体。

汇编机构：中国科学院上海科技查新咨询中心

汇编时间：2026年10月19日