Meta发布Muse Spark Open，参数量达816B / 42B，支持1M上下文，推理价格为$1.25/$4.25每1M输入/输出token。Goodfire的Nick Cammarata发文指出大多数神经元具备可读性，多语义案例多被误读；AI Twitter Recap收录了该观点及多篇针对多语义性理论的独立批驳。
推荐理由：该报道对Meta最新开源大模型Muse Spark Open的核心架构及推理成本进行了细致拆解，并为工程侧提供了跨平台部署与量化落地的参考。
AWS 发布教程，指导开发者利用 Grok 4.7 在 Amazon Bedrock 上构建并评估长程智能体。教程展示了在不同推理努力等级（low 到 xhigh）下，智能体执行复杂任务的表现与 Token 消耗对比，其中 xhigh 等级在 18 次运行中全部准确，而 low 等级用约 1/8 的 Token 实现了 15/18 的准确率。
推荐理由：通过构建基于 Grok 4.7 的工具调用智能体并在三类任务上评测，量化了不同推理努力等级对准确性和 Token 消耗的影响。
Meta 发布 Muse Wonder 和 Muse Wonder Full，这是 Meta Superintelligence Labs 第二代模型，第三方评测显示其接近前沿水平。
推荐理由：原文通过第三方基准与成本分析，对比了 Meta 新模型与业界前沿的差距及效率优势，帮助评估其对现有工作流的影响。