AI 会记事了：Meta 新模型主打"记忆"与"专注"

我是智界探索者。

每天3分钟，带你看懂 AI 前沿——智能体、大模型、机器人、AI终端，都发生了什么。

上周（10月6日—10月12日）有5条消息值得花3分钟看完。一句话概括：AI 这周不只是在变强，还在变得更省钱、更能干活。

01｜头条：Meta 发布新模型，主打"记性"和"专注"

美东时间10月12日，Meta 一次发了两个模型：Muse Wonder 和更强的 Muse Wonder Full。官方说法是，在部分智能体、编程、知识工作的测试里，已经能跟 Fable 5.1、Opus 5.5、GPT-6 Astra 这些头部模型掰手腕。

这次重点讲了两件事：

主动记忆：它能跨对话记住背景，你下次提新任务，它主动把相关信息翻出来；

持续专注：碰到障碍不是直接放弃，而是换条路再试，并根据新情况调整方案。

在 Meta 内部的 MemoryBench 记性测试里，Muse Wonder 拿到 85.6 分，高于 GPT-6 Astra 的 81.4 和 Opus 5.5 的 81.5。

（来源：Meta 2026年10月12日发布；每日经济新闻2026年10月13日；投资快报转引 Meta 公布的测试数据，2026年10月13日）

想用得订阅：每月 20 美元或 100 美元。扎克伯格把这叫"个人超级智能"，还说接下来模型迭代的速度"可能会让人感觉明显加快"。

一句话解读：模型的竞争重点正在换赛道。 从"谁答得更聪明"，换成"谁记得住你、谁盯得住活"。这正好是智能体最缺的两块拼图。

02｜OpenAI 一口气放出 722 篇数学手稿，数学界吵翻了

10月6日（北京时间10月7日），OpenAI 在 GitHub 上一次性发布 722 篇数学手稿，归入 372 个"结果族"，横跨理论计算机科学、数论、几何、数学物理等 17 个领域，部分成果直接附上 Lean 形式化证明——就是让计算机一行一行核对证明对不对。

生产过程也很直白：用同一个还没公开的内部模型，问了大约 4000 道数学问题，平均每个结果只花掉相当于 ChatGPT Pro 三小时的算力。

但争议同样大。OpenAI 自己撤回过 3 篇手稿，理由是存在明显错误；有数学家抱怨研究被抢发，也有人质疑验证方式。普林斯顿高等研究院的几个数学家干脆自己组了独立小组（成员包括 Gowers、Hairer、Witten 等知名数学家），不接受 AI 公司报酬，单独发布对这类成果的建议。

（来源：科技日报2026年10月7日；iThome 2026年10月7日；环球时报2026年10月13日报道）

一句话解读：AI 进科研，已经过了"能不能做"的阶段，进入"怎么验证、谁来买单"的阶段。工具变强之后，流程和规则才是瓶颈。

03｜今年诺贝尔物理学奖：AI 在幕后帮了大忙

10月6日，瑞典皇家科学院宣布：2026 年诺贝尔物理学奖授予弗朗西斯·哈尔岑（Francis Halzen，威斯康星大学麦迪逊分校教授），表彰他对"冰立方中微子天文台"的决定性贡献，以及发现具有天体物理起源的高能中微子。奖金 1200 万瑞典克朗。

这个天文台很硬核：在南极冰层里铺开约 1 立方公里的冰体，埋下数千个光学传感器，2011 年建成。中微子几乎穿过一切不留痕，极难捕捉，捕到一次就闪一次光。

而且，AI 在里面有戏份：团队用卷积神经网络，从成千上万次闪光的形态里反推中微子从哪里来、能量多大——这就是把海量杂乱信号变成科学结论的那一步。

（来源：NobelPrize.org 2026年10月6日新闻公报；新华社2026年10月6日；中国科学院相关科普资料）

一句话解读：这个奖本身不是发给 AI 的，但它是"AI 帮人类做发现"的一个标准样本。以后看科学新闻，别只盯结论，也看看背后用了什么工具。

04｜算力往两头走：一头进个人电脑，一头换自研芯片

10月7日，微软在旧金山发布 Surface Laptop Ultra，搭载英伟达 RTX Spark 超级芯片，最高 128GB 统一内存，起售价 2599.99 美元（中国区 21988 元起），10月16日发货。官方说法是：本地就能跑超过 1200 亿参数的模型，不一定非要连云端。

配套还有两件事：Windows 上线了 MXC 执行容器，在系统层限制智能体能碰哪些文件、能连哪些网络；Copilot 会在本地模型和云端模型之间按任务自动调度。

10月12日，媒体又报道：微软计划从 2027 年起以吉瓦级规模部署自研 AI 芯片 Maia 300，宣称每兆瓦能处理的词元数比主流 GPU 系统高约 40%。

同一天，英伟达和思科联合推出 USFP 光模块标准，单通道速率 400Gb/s，带宽密度是现有方案的四倍——这是给算力集群修"内部高速路"。

（来源：21世纪经济报道2026年10月8日；每日经济新闻2026年10月13日；英伟达与思科2026年10月12日发布）

一句话解读：AI 的算力正在同时下沉和上移。 下沉到你的桌面（隐私和成本两种考虑），上移到自研芯片和光互联（不想被单一供应商卡脖子）。这条路修好了，用 AI 的单价才会继续降。

05｜万亿参数模型，开放下载了

10月6日，法国 Mistral 开放了新模型 Mistral Large 4 的预览，代号很有意思，叫"le Chonk"。硬指标：总参数约 1.05 万亿，能看图（自带 16 亿参数的视觉编码器），上下文 100 万词元。权重承诺在 10 月底开放下载，也就是说——大公司能把它搬进自己的机房跑。

但最值得看的不是"大"，而是"每一次只叫醒一小部分"：它每个词元只激活约 500 亿参数，大约是总量的 5%。

（来源：Mistral AI 2026年10月6日发布；i-Scoop、etnews 2026年10月8日报道）

一句话解读："参数大"和"用得起"这两件事，今年第一次能同时成立。 原因就藏在下面这个词里。

彩蛋一句：苹果官宣今晚（美东时间10月13日）办一场名为"Welcome Home"的发布会，据彭博社记者古尔曼爆料，主角是首款智能家居中枢，6 英寸方形屏、由 Siri AI 驱动、能认人识脸。（来源：苹果官方邀请函2026年10月8日；彭博社 Mark Gurman 爆料）

「今日一词」：混合专家（MoE）

上面 Mistral 那台"万亿参数但只激活 5%"的机器，靠的就是这个词。

白话版：模型里请了一屋子的专家，你问一句话，只叫醒最对口的几位，其他人在旁边待着。

对比一下两种做法：

传统做法（稠密模型）：问什么，全屋人都得上，算力全开，贵；

混合专家：门口站个"调度员"，判断这题该找谁，只叫那几位干活，快又省。

好处很实在：知识可以堆得很大（总参数多），但每次计算量很小（激活参数少）。 这就是为什么今年你会看到"模型越来越重、单价越来越便宜"这两件看似矛盾的事同时发生。

代价也有：所有专家都得装进显存里随时待命。Mistral Large 4 一整套权重按 8 位精度粗算就约 1.05TB，自己部署得靠多机集群——所以真正用得起的，多半是有机房的企业和机构。

（来源：Mistral 官方文档；i-Scoop、Depth Grid 技术分析，2026年10月）

写在最后

AI 这门生意，说到底就三样东西缺一不可：

算力——服务器是地基，没有算力什么都跑不动；

入口——官网、小程序、门店，客户从哪儿找到你；

内容——持续输出的内容，把路人变成客人。

想搭自己的网站、上自己的小程序？进 www.chenclan.cn 了解自助建站与云服务，三样给你配齐。

关注「智界探索者」，周五见。