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。
Anthropic 允许 METR 的六名研究人员获得相当于员工的访问权限，包括内部工具、办公空间及笔记本电脑，用于独立评估 Anthropic 的模型、安全实践和风险管理。METR 将独立发布评估结果，Anthropic 无权否决，但可要求对特定类别（如客户数据、架构信息）进行编辑。这是 Anthropic 三级评估体系最高层级的安排，此前 OpenAI 等公司也已承诺类似的独立审查机制。
Meta Muse 因在 Apple 应用商店登顶且要求用户共享银行账号、联系人等数据引发争议。Signal 基金会主席等专家指出，其 UI 设计鼓励用户过度分享，第三方也可能通过该应用间接获取你的私人信息，而 Meta 称相关功能均为可选授权。
Artemis Security 发布专用安全模型 Orion-1，该公司称其在自研基准测试中表现优于 Claude Opus 5.5 和 GPT-6 Sol。Orion-1 通过对日志数据和攻击信号进行微调，旨在解决通用大模型因安全护栏限制而难以用于网络防御的痛点。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，目前正通过 Fairwind 计划向可信网络防御者提供。该模型输出 token 限制扩展至 1M，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Gemini 4 Argon 在 1M 输出 token 及内部工程优化中的具体表现，并说明了分阶段安全发布策略。
GitHub Security Lab 推出 Fuzzing Taskflow 智能体，用于自动化 C/C++ 项目的模糊测试流程。该智能体基于 Taskflow Agent 框架构建，能够自主识别入口点、生成测试桩、运行 AFL++ 并进行崩溃分诊。默认使用 Claude Sonnet 5 模型，通过 MCP 工具实现决策与执行分离。
推荐理由：文章展示了如何利用 LLM 智能体自动化模糊测试中的覆盖率分析与崩溃分诊，为 C/C++ 项目维护者提供了可复用的安全工程实践。