2026年10月16日 AI 日报：Meta 开源 816B 模型，英伟达、微软同天“秀肌肉”

想象这样一个场景：书桌上一台 Mac Studio，安静地跑着一个 8160 亿参数的混合专家模型，没有机房、没有集群，插上电就能对话。10 月 16 日这一天，Meta 把这件事变成了现实，而英伟达、微软、谷歌、Anthropic 也在同一天交出了各自的答卷——开源权重、万亿参数、安全博弈、智能体落地，AI 行业的几条主线在这一天同时提速。

一分钟速览

• Meta 发布 816B 开放权重模型 Muse Spark Open，两台 M5 Ultra 版 Mac Studio 即可本地运行；
• 英伟达开源 1200 亿参数 Nemotron 3.5 Super VL，74B 版本压进单张 24GB 显卡；
• 微软自研基础模型 MAI-Base-2 完成预训练，参数规模达 2.8 万亿；
• Linus Torvalds 用 Claude Code 修改 Linux 内核，吞吐量提升约 23 倍；
• 黄仁勋公开反驳奥尔特曼，称 AI 网络安全问题“一次都不能忍”；美国 FTC 就安全事件调查 OpenAI 与 Anthropic。

深度分析

开源权重的大日子

这一天最密集的动作集中在“开放权重”上。Meta 拿出 Muse Spark Open，一个 8160 亿参数的混合专家（MoE）多模态模型，官方展示的部署方式颇具冲击力：两台搭载 M5 Ultra 的 Mac Studio 就能在本地把它跑起来。对开发者来说，这意味着前沿模型不再必须依赖云端 API，隐私敏感、成本敏感的场景多了一条路。

英伟达同日开源 Nemotron 3.5 Super VL，参数规模 1200 亿，主打视觉语言理解与智能体任务：官方称单卡智能体吞吐最高提升 5 倍，而蒸馏后的 74B 版本能被塞进单张 24GB 显存的消费级显卡。硬件厂商做模型，目的很直接——让自家芯片更好卖。

国内厂商也没有缺席：蚂蚁百灵开源 Ling-3.1-flash，总参数 560B、支持 100 万 token 上下文，百万 token 混合价约 0.19 美元；小米开源空间音频理解大模型 MiDashengLM-Spatial，给 AI 装上一双能分辨方向的“耳朵”。开源不再是某一家公司的姿态，而成了整个行业的默认节奏。

微软的“自研底牌”与万亿参数竞赛

微软自研基础模型 MAI-Base-2 完成预训练的消息同样分量十足：2.8 万亿参数，官方口径是算力效率达到 DeepSeek 的数倍。过去一年，微软一边深度绑定 OpenAI，一边悄悄补自研课，这条“双轨”策略正在变成实体产品能力。

参数规模的竞争并未停止，但衡量标准已经变了。比起“谁更大”，行业现在更关心“同样的算力能换来多少能力”。这也是为什么台积电同一天宣布量产 5 倍光罩尺寸的先进封装——芯片端的“加宽车道”，正是这场效率竞赛的物理基础。

黄仁勋与奥尔特曼：安全与速度的分歧公开化

黄仁勋公开反驳奥尔特曼关于 AI 网络安全的表态，直言这类问题“一次都不能忍”。两家最有权势的公司掌门人，在“快速迭代”与“绝对安全”之间给出了不同答案。与此同时，美国联邦贸易委员会（FTC）启动调查，核查 OpenAI、Anthropic 的安全事件是否对用户造成实际伤害；Character.AI 则走向破产程序，纽约州总检察长介入用户聊天数据的去向问题。监管与商业的压力，正在同时收紧。

值得玩味的是另一条线：Anthropic 把内部权限开放给外部评估机构 METR，研究人员拿到“员工级”访问；而 OpenAI 被曝正洽谈收购安全公司 Trail of Bits——先挖漏洞、再把修补能力收进手里，安全正在从“合规成本”变成“产品能力”。

智能体走出对话框

智能体这一天落到了具体的设备和场景里。Linus Torvalds 用 Claude Code 修改 Linux 内核，吞吐量提升约 23 倍——当然，Bug 还是被人揪了出来，AI 写内核依然需要人类审查。汽车行业，Rivian 计划把 Claude 这类“外来大脑”请进车里；手机行业，OPPO 选择把复杂任务“外包”给 Manus，魅族 Flyme 12.7 则开放“超级 Aicy”内测，把手机变成个人事务管家。Figma 甚至给智能体立了“设计规矩”，上线 Markdown 版 Specs。

开发工具侧，Pi 升级 1.0，把争议了一年多的 MCP 装进核心，并端出长时智能体框架 Pi Durable；一款名为 Jev 的新决策模型 1.14 版发布仅一天就被“超车”，说明“大模型之外的新赛道”也在快速内卷。

AI for Science：谷歌同日出两张牌

谷歌这一天在科研方向连续出手：一边是量子计算，通过“魔态培育”把 Willow 芯片的错误率降低约 40 倍；另一边是 AI for Science，借助 Antigravity 平台从数百万个蛋白质里筛出一种新型抗菌肽候选分子，用于对抗超级细菌。DeepMind 还发布了 EmbeddingGemma 2，一款开放、轻量的多模态嵌入模型。

数据支撑

• Meta Muse Spark Open：816B 参数，MoE 多模态，两台 M5 Ultra Mac Studio 可本地推理；
• 英伟达 Nemotron 3.5 Super VL：1200 亿参数，74B 蒸馏版适配单张 24GB 显卡；
• 微软 MAI-Base-2：2.8 万亿参数，官方称算力效率为 DeepSeek 的数倍；
• 蚂蚁 Ling-3.1-flash：560B 总参数、1M 上下文，百万 token 混合价约 0.19 美元；
• 谷歌 Willow 芯片：错误率降低约 40 倍。

趋势洞察

把这一天的新闻放在一起看，有三条线索清晰浮现。

第一，开源权重成为主流竞争方式。Meta、英伟达、蚂蚁、小米在同一天交卷，意味着“闭源 API 收费”不再是唯一的商业模式，本地部署的性价比正在快速改善。

第二，衡量模型的标准从“参数规模”转向“单位算力产出”。微软强调算力效率，英伟达强调单卡吞吐，台积电强调封装面积——大家都在为“同样的电费，更多的智能”努力。

第三，安全与监管从背景走到台前。FTC 调查、Character.AI 破产、Anthropic 开放评估权限、OpenAI 收购安全公司，这些看似分散的事件，指向同一个事实：AI 的能力扩张速度，已经超过了治理工具的建设速度。

结语

10 月 16 日不是某一家公司的发布会，而是全行业的一次同时发声：开源模型在变小、变快，也变得能塞进书桌；而安全与监管，正从“以后再说”变成“现在就谈”。对普通用户来说，最直观的变化或许是——那些曾经只存在于云端的强大能力，正在一台台桌面设备上落地。