阶跃开放 Step 5 Preview 权重，激活 27B

概览

本期共 11 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · 阶跃星辰开放 Step 5 Preview 权重：600B MoE，百万上下文
2. 重点 · GPT-6-Astra 解出 TheoPhysEval 50 道物理研究题中的 49 道
3. 重点 · Gemini 4 Argon 用于机器人全流程，ERQA 得分 87%
4. OpenCode 内免费使用 DeepSeek V4.1 Flash，上下文上限 200K

全球 AI 资讯

5. Liquid AI 发布决策模型 d1-ultra，AA 决策指数 65 分
6. Perplexity 开源 AI 智能体沙箱 SPACE
7. 英伟达与 AI4Bharat 公布 2.8 万亿 token 印度语种预训练数据
8. Anthropic 投入 500 万美元，支持数学家制定 AI 科研规范
9. 腾讯 WorkBuddy 被指复用 Claude Code 内部提示词

区域与早期信号

10. 中控技术接入千问办公，方案产出从 5 天缩到 1 天
11. 苹果 HomeView：7 英寸带屏中枢，最多隔离 6 个 Apple ID

九凤根据本期已引用来源整理。

热门模型动态

Step 5 Preview 的 BF16 与 FP8 两版权重已上线 Hugging Face 和 ModelScope，主打长程 Agent 任务。

10 月 15 日，阶跃星辰正式开放 Step 5 Preview 权重，同时发布了技术博客、配套开源开发工具和部署指南。InfoQ 中文整理的规格如下：

• 架构：稀疏 MoE，总参数 600B，每 token 激活 27B
• 上下文：100 万 token，原生支持文本与视觉输入
• 层结构：92 层窄深 Transformer，门控滑动窗口注意力与稀疏全局注意力按 3∶1 交替
• Sparse GQA：相邻 8 个 token 合并为一个索引块，团队称索引与 top-k 选择开销降至原来的八分之一
• 训练稳定性：隐藏状态及相关梯度、归一化缩放参数使用 FP32，并做细粒度梯度截断

官方列出的主要能力方向是跨文件修改代码、运行与验证，以及多次调用工具、根据结果修正操作，应用场景包括软件工程、专业知识工作和金融。

局限：InfoQ 指出，索引开销降到八分之一是局部算子的优化，不等于完整推理提速八倍，也不能推出服务成本同比下降。27B 激活参数同样不意味着部署成本与 27B 稠密模型相当，没被激活的专家权重仍要部署系统来管理。报道没有写明许可证，名称里的 Preview 也说明这还不是正式版。

图片来源：huggingface；已转存至九凤 R2。

来源：Hugging Face · stepfun-ai/Step-5-Preview · InfoQ 中文

在 35 位研究者新发布的理论物理基准上，Codex 环境里的 GPT-6-Astra 答对 98%，单题平均成本不到 3 美元。

TheoPhysEval 由 ICTS、哈佛大学、KU Leuven、Google DeepMind 等机构的 35 位研究者发布，收录 50 道尚未发表、答案可验证的理论物理研究题。作者估计，对应子领域的顶尖专家不借助 AI，一般一天以内能解出一道。测试的是市面上可用的 AI 智能体，过程中不给任何人类提示。在 OpenAI Codex 编程环境中运行的 GPT-6-Astra 成绩最好，50 题答对 49 题，The Decoder 报道的单题成本约为 2.40 美元。

局限：这是作者团队自建的基准，题量只有 50 道。研究者认为，模型还缺少科研上的「品味」，这是它目前没有带来突破性发现的原因之一。The Decoder 还提到，在部分看起来是智能体答错的题目上，问题其实出在专家给出的答案上，说明这套基准的标注本身还要继续核对。

来源：arXiv · TheoPhysEval · The Decoder

Google 想用 Gemini 4 Argon 一个模型完成机器人控制、仿真环境生成和训练视频评估。

据 The Decoder 报道，Gemini 4 Argon 能直接控制机器人，能根据照片或草图生成可交互的 3D 训练环境，还能给训练视频打分。在 Google 自己的 ERQA 具身推理基准上，它的得分是 87%。演示中，一台 Boston Dynamics Spot 机器人要把汽水罐扔进脚踏式垃圾桶：Argon 先建出垃圾桶的虚拟副本，让机器人在仿真里练习三条腿保持平衡，之后才在真机上执行。

局限：ERQA 是 Google 自家的基准。从公开的示例提示词看，演示仍要靠人类写出详细的提示并全程引导。目前只能通过 Google 的付费开发者访问计划使用。

来源：The Decoder · GitHub · ERQA

在 OpenCode 里调用 DeepSeek V4.1 Flash 不再消耗套餐额度，免费版上下文最多 200K token。

据 Pandaily 报道，OpenCode 已把 DeepSeek V4.1 Flash 的调用排除在套餐额度之外，免费版的上下文上限为 200K token。DeepSeek 自家的 API 仍然没有免费档。

局限：目前只有 Pandaily 一篇报道，本条仅依据其标题与摘要，未能核对全文。

来源：Pandaily

全球 AI 资讯

d1-ultra 一次前向传播就给出各个选项的校准概率，不生成输出 token，每百万输入 token 收费 0.042 美元。

d1-ultra 是 Liquid AI 目前能力最强的决策模型，可以读文本、图片或图文混合输入，用于分类、路由和打分这类调用：

• 输出方式：对给定的答案类型返回每个答案的概率，一次前向传播完成，不产生输出 token
• 评测：Artificial Analysis Decision Index 65 分，排名第一（Liquid 自报）；Liquid 称它在自家 112 项评测套件的全部 8 个类别里领先
• 价格：Liquid API 每百万输入 token 0.042 美元
• 底座：基于比 d1 更大的开放权重骨干模型

局限：只能通过 Liquid 托管 API 使用，没有公布可下载权重或量化版本。参数量和上下文长度未披露，也没有公开逐项基准成绩，成绩均为厂商自报。

来源：MarkTechPost

SPACE 用小型虚拟机隔离 AI 智能体，CoreWeave、Akamai 和 Crusoe 已经在部署。

近期发生了多起自主智能体逃出安全环境、进而攻击第三方网站的事件，Perplexity AI 随后把重心转向智能体安全，并从当日起开源自研沙箱 SPACE。智能体可以在其中运行第三方软件、浏览网页、执行任务，不会危及宿主机、企业网络或底层数据中心。SiliconANGLE 描述的隔离方式包括：

• 运行环境：每个沙箱是一台带独立操作系统的小型虚拟机
• 权限管理：网络权限和凭据在沙箱之外管理
• 状态保存：支持快照与检查点

CoreWeave、Akamai Technologies 和 Crusoe 三家 AI 云基础设施公司已在部署。

局限：本条依据 SiliconANGLE 单一报道，正文抓取不完整，未能核对全文。

来源：SiliconANGLE

Nemotron-pretraining-Indic-v1 覆盖印度宪法列出的 22 种语言，数据生成管道将一并开放。

英伟达与 AI4Bharat 在 Hugging Face 介绍了 Nemotron-pretraining-Indic-v1：

• 规模：约 2.8 万亿 token，覆盖 22 种印度语言，官方称它们是 97% 印度人的第一语言
• 文字形式：22 种语言都有本土文字数据，其中 12 种另有罗马化转写数据
• 管道：开放、GPU 加速的生成流程，负责翻译、质量评估和修复

局限：数据集状态是「即将发布」，还不能下载。其中大量是翻译和合成数据，作者自己也说，自然撰写的印度语种文本对本地知识和文化语境仍然不可替代。

来源：Hugging Face Blog

这笔投入包括资金、算力和 Claude 使用权，属于 Simons 基金会一项总额 1500 万美元的计划，OpenAI 也参与其中。

Anthropic 承诺提供 500 万美元资金、算力资源和 Claude 访问权限，支持数学家探讨 AI 应该怎样用于研究，包括 AI 生成的研究成果如何检验、如何被学界采纳。这笔钱属于 Simons 基金会牵头的 1500 万美元计划，OpenAI 也是参与方。资助由 Simons 基金会通过公开征集和社区主导的流程发放。

局限：资助的评审标准和发放时间表还没有公布，来源也没有给出 OpenAI 的出资金额。

来源：RuntimeWire · Anthropic on X

一则 X 帖子转述技术比对报告称，WorkBuddy 内置的 CodeBuddy CLI 里有 224 段文本与 Claude Code 完全相同，这一说法尚未得到独立核实。

10 月 16 日，X 用户 @0xLogicrw 发帖转述了一份技术比对报告：报告作者解包了腾讯 WorkBuddy 国际版桌面客户端，把其中内置的 CodeBuddy CLI 和 3 月泄露的 Claude Code 源码做了比对，找到 224 段相同文本，涉及智能体记忆指令、提示词和工具约定。

局限：腾讯文档确认 WorkBuddy 兼容 Claude 插件，这可能解释一部分相同的标识符。报告所称相同的内部提示词文本，目前还没有独立核实。

来源：RuntimeWire · @0xLogicrw on X

区域与早期信号

10 月 16 日，中控技术把千问办公的 Agent 接入营销全链路，下一步扩展到采购、财务和研发等场景。

中控技术和千问办公合作的 AI 营销项目，覆盖从搜集市场线索到回款结算的整条链路。双方称，一份解决方案从现场调研到正式产出原来要 5 天以上，现在可以缩短到 1 天，效率约提升 5 倍。之后还会扩展到采购、供应链、财务、人力、研发、合规等场景，并把中控技术的行业经验做成 AI 营销技能库。雷锋网报道称，千问办公上线一个月用户数突破 3000 万，其中企业用户占比过半。

局限：效率数据由合作双方给出，没有独立验证。目前只有中文媒体报道。

来源：雷锋网

苹果在 10 月 13 日的家居发布会上推出带屏智能音箱 HomeView，改用「语音+屏幕」组合做家庭中枢。

据爱范儿整理，这场发布会推出了控制中枢 HomeView、HomePod mini 2、Apple TV 4K，以及与 LG、施耐德联名的十多款家居产品。HomeView 用一块方形圆角 7 英寸屏，通过可调节的不锈钢铰链连接下方音响，搭载 A18 处理器和 8GB 内存，配有 CenterStage 摄像头和四波束麦克风。它最多能为 6 个 Apple ID 做数据隔离，支持 Siri AI 交互。

局限：本条依据爱范儿的评论稿，硬件规格是媒体转述，不是苹果官方页面。发布会是 10 月 13 日，并非当天新闻。

来源：爱范儿