AMD收购Taalas，Meta Muse Spark 1.2跃居前沿，OpenAI统一模型并推插件标准

在《定制ASIC论文》中，我们曾指出Taalas值得关注；在《推理拐点》中，我们预测一切将走向垂直整合。我们的Baseten节目对蚀刻LLM（不仅是定制ASIC）提出了一些怀疑性反驳，但显然Lisa Su目前持不同意见。

恭喜！这是2026年8月5日至8月6日的AI新闻。我们检查了12个subreddits、544个Twitter账号，没有进一步的Discord。AINews网站可搜索所有历史期刊。提醒您，AINews现在是Latent Space的一部分，您可以选择接收邮件的频率。

AI Twitter回顾Meta的Muse Spark 1.2突破：奥运金牌、基准提升和激进性价比Muse Spark 1.2迅速从“榜上无名”跃升至前沿水平。

在Vals Index上，Muse Spark 1.2以0.69美元/测试进入前五，据报道比Kimi便宜3倍，比Fable、Opus和5.6 Sol便宜10倍以上。

Vals后来表示，它也成为Finance Agent v2上首个超过60%的模型，价格为0.77美元/测试，而之前的榜首Opus 5为5.12美元/测试，且速度快2倍（ValsAI）。

Artificial Analysis的v4.1.1补丁也指出，在评分更新后，Muse Spark 1.2的得分增幅最大（Artificial Analysis）。Meta还声称其“纯推理”结果异常强大。

Meta表示，其内部训练的Muse Spark系列模型在五项STEM奥林匹克竞赛中达到金牌水平，包括APhO和IPhO的理论满分，以及IMO、IChO和RMM的金牌水平；其中三项是在现场比赛条件下提交并正式评分的（AI at Meta, Trapit Bansal）。

Meta强调未使用任何工具——没有搜索、代码或计算器——并将部分收益归因于并行推理的多智能体编排。这一说法立即引发了关于“LLM vs 工具框架 vs 神经符号”的持续争论，批评者和支持者对设置的解释各不相同（fchollet, giffmana）。

更广泛的启示是：工程师们越来越将智能体编排、TTC和评估协议视为一流的产品特性。Muse的故事与其说是“一个模型获胜”，不如说是“模型质量+编排+定价+服务能力”现在决定了采用率。

这种框架体现在将Meta当前的速度与谷歌进行比较的反应中，并强调更大的“Watermelon”模型仍值得期待（Rihard Jarc, alexandr_wang）。

OpenAI的ChatGPT模型统一、免费层级扩展和插件/安全推动OpenAI将“即时”和“思考”合并为一个付费聊天模型。

该公司宣布GPT-5.6 Sol现在为ChatGPT中的Plus/Pro用户提供即时和深度推理功能，并新增推理努力滑块以选择速度与全面性（OpenAI, OpenAI）。

OpenAI表示，在涵盖金融、医学和法律的高风险评估中，更新后的Sol相比GPT-5.5 Instant的事实性错误响应减少了68%（OpenAI）。

多名OpenAI员工将这一变化视为可用性里程碑：一个模型、一个聊天界面、可调节的努力程度（gdb, michpokrass）。免费层级的经济性变得更加激进。

OpenAI表示，从明天起，Free和Go用户将获得GPT-5.6 Luna的无限文本聊天，并增加一个“思考”按钮以处理更难的问题（OpenAI）。这被广泛解读为一项重大的消费者分发举措（sama, kimmonismus）。

ARC Prize也在GPT-5.6 Luna降价80%后重新运行了测试，报告称在成本大幅降低的情况下能力不变：ARC-AGI-2上为59.6%，每任务0.18美元；ARC-AGI-1上为90.7%，每任务0.07美元（arcprize）。

开发者接口面积也扩大了。

OpenAI推出了Agent Plugins，这是一个与AWS、Cursor、GitHub、Vercel等共同构建的开放标准，用于以共享格式捆绑Agent Skills和MCP服务器配置，并在Codex、ChatGPT、Cursor、GitHub Copilot、

Kiro和Code中提供启动支持（OpenAIDevs,OpenAIDevs）。OpenAI还推出了Codex安全审查的研究预览版，旨在直接在GitHub PR上进行仓库上下文感知的安全审查（OpenAIDevs, gdb）。

谣言观察：一个未经证实但被高度放大的泄露声称“Astra”——被描述为OpenAI自GPT-4.5以来最大的新预训练，内部称为mewfour——可能在下周到来（synthwavedd）。

该谣言广泛传播，但消息来源中没有任何确认。智能体、工具框架和MCP基础设施正成为真正的系统战场Cloudflare做出了当天最具实质性的基础设施推动之一。

在Agents Week期间，该公司强调了Kitesurf，一个完全在Workers上运行的无状态浏览器，专为那些完整Chromium过于沉重的智能体用例而设计。

技术要点：将脚本/DOM与渲染分离，仅在需要时惰性实例化渲染器工作线程，并相对于标准浏览器自动化大幅削减CPU/内存开销（ashleypeacock, imluisduarte）。

Cloudflare还推出了WebMCP、AI搜索升级、仪表板级AI就绪/AEO工具，以及一篇关于MCP重写的无状态核心的博客，该核心更适合Workers等通用Web基础设施（mattzcarey）。

MCP正从新奇走向标配。除了Cloudflare，Weaviate添加了内置的/v1/mcp端点，与REST API同端口，提供集合检查、租户列表、混合搜索和对象更新工具——无需单独的MCP服务，并支持RBAC和MCP/写访问的独立开关（weaviate_io）。

OpenAI的Agent Plugins发布和Cursor对其的支持也推动了MCP兼容插件打包（cursor_ai）。行业争论已从“工具框架重要吗？”转向“智能在哪里？”

François Chollet认为，一个编排许多神经调用的大型推理时工具框架，按定义就是神经符号的，而当前系统往往是“符号三明治”而非端到端的神经程序（fchollet, fchollet, fchollet）。

其他人则反驳说，虽然工具框架决定能力，但模型仍然是智能/泛化的核心来源（Andrew Lampinen, Andrew Lampinen）。这现在是一个实际的工程问题，而非哲学问题：路由、编排、工具模式和评估工具框架明显在改变结果。

多智能体模式正在产品化。

有几个迹象表明团队正在采用群体式工作流：临时的基于线程的智能体协调（swyx）、Gemini智能体自我命名和协作（fofrAI）、Hugging Face/Gemma的149个协作智能体实验以及一项新的开放数学证明协作工作（ClementDelangue,

cmpatino_）。Cognition也大力依赖云智能体作为持久的工程能力（cognition）。开放模型服务、路由和成本工程推理路由正成为竞争护城河。

Cursor将其Router描述为每周在数百万次产品内交互上训练，以分类和路由请求来降低延迟和成本，同时明确承认没有单一模型主导所有任务类型：Grok 4.5用于常规任务，GPT-5.6 Sol用于规划/代码库理解，Opus 5用于执行密集型工作，

Fable 5用于调试/视觉实现（cursor_ai,cursor_ai）。

开放模型的可用性在各平台持续扩大。Baseten成为Kimi K3、DeepSeek V4 Flash和GLM-5.2的官方Hugging Face推理提供商（baseten）；

Perplexity Computer将GPT-5.6 Terra设为子代理的默认模型，Luna用于计划自动化（perplexity_ai, AravSrinivas）；

GitHub Copilot开始推出由Fireworks托管的Kimi K3，但因GitHub Actions事件而暂停，同时公布了定价：输入每百万3美元，输出每百万15美元，缓存输入每百万0.30美元（code, github）。

成本/性能优化仍然非常重要。Unsloth表示，DSpark使DeepSeek-V4-Flash-0731的GGUF在本地运行速度提升1.4–2倍，且准确性不变，在某些设置下达到120 tok/s（UnslothAI）。

关于DeepSeek经济性的独立评论指出，即使总服务量很大，按当前定价，token总收入仍然相对温和（thdxr）。vLLM及相关生态系统公司继续围绕生产级开放服务进行定位。vLLM推广了经过验证的K