Meta открыла Muse Spark на 816B, Reflection выпустила Beam под Apache 2.0

Meta открыла веса Muse Spark Open: MoE на 816B параметров, из которых на токен работают 42B. По индексу Artificial Analysis модель получила 39 баллов. Это лучший результат среди американских open-weights моделей, на 13 пунктов выше NVIDIA Nemotron 3.5 Super VL (26). Почти одновременно Reflection выпустила Beam 1.0 на 501B параметров (23B активных) под Apache 2.0. Её результат 30 баллов — второе место среди американских открытых моделей.

Американские открытые веса: мощь против агентности

Muse Spark Open построена на 62 слоях с GQA (16 KV-голов). На токен активны 8 из 256 экспертов, контекст составляет 1M, а вход принимает текст, изображения, видео и аудио. BF16-веса занимают около 1,6 ТБ. NVFP4-чекпоинт квантует только экспертов и сжимает вес до ~530 ГБ. По словам Meta, он помещается на 4 Blackwell Ultra, 8 H200 или два Mac Studio M5 Ultra по 512 ГБ. Together, Fireworks и Baseten берут $1,25/$4,25 за миллион входных/выходных токенов. Стоимость задачи индекса — $0,84 против $2,01 у GLM-5.3 и $0,27 у DeepSeek V4.1 Flash. При этом модель тратит всего 40k выходных токенов на задачу, меньше всех в топ-9 открытых.

Слабое место — агентные задачи: по четырём агентным тестам AA она последняя среди топ-9 открытых моделей, хотя лидирует в AA-Omniscience. Vals ставит её на 12-е место среди открытых и 38-е в общем зачёте. В Code Arena WebDev у неё 1511 очков. Лицензия Muse Model License требует пометки «Built with Muse Spark Open». Критики вроде @teortaxesTex называют релиз «DOA» на фоне меньшей и MIT-лицензированной V4.1 Flash.

Reflection Beam 1.0 выходит с BF16, FP8 и NVFP4 весами, драфтером DFlash2, открытым харнесом Mirror CLI и отчётом по безопасности. Он набирает 48,5% в AutomationBench-AA, но лишь 3,0% в Terminal-Bench 4.0. В AA-Omniscience отвечает верно в 33% случаев, а галлюцинирует в 47%. В Code WebDev он единственная нерегулярная для Китая модель в топ-25 открытых.

• Step 5 Preview от StepFun: открытые веса, доступны через Together.
• Hy Memory 2.0 от Tencent: Hy-Memory-30B-A3B, по заявлению компании, обходит Opus 5 на memory-фреймворках.
• Indra от Datalab: OCR-модель на 1M параметров, на CPU в 15 раз быстрее Tesseract.

Закрытый фронтир и «модели решений»

• Gemini 4 Argon: лимит вывода вырос с 64K до 1M токенов, вводная цена $2/$10 действует до 30 ноября. В Agent Arena модель пятая (+13,2%), у Perplexity на бенчмарке WANDR новый SOTA.
• Anthropic Haiku 5.5: $0,10/$0,50 для запросов до 100K токенов, примерно на 90% дешевле Haiku 4.5. В Terminal-Bench 4.0 набирает 39,2% против 16,4% у GPT-6 Luna.
• Opus 5.5 fast mode: ускорение в 2,5 раза (по неофициальным данным).
• GPT-6 Astra Pro в ChatGPT запускает несколько агентов параллельно над частями задачи.
• GPT Live 1.1: лучше мультиязычный голос, девять новых пресетов записаны с носителями языка.
• Elorian Glimpse: VLM с рекуррентными вычислениями над латентными визуальными состояниями. Заявлено, что она на 5 из 12 бенчмарков не хуже Astra при цене токенов в 17 раз ниже.
• Liquid d1-ultra: 65 баллов в Decision Index AA, впереди Jev 1.14 (57). Доля без галлюцинаций выросла с 2% до 85%, точность упала с 41% до 32%, время на задачу — 92 мс, $0,042 за M входных токенов.
• Perplexity pplx-decider v1.2: открытые веса, 27B за 2¢/M и 4B Flash за 1¢/M, добавлены реранкинг и инференс нескольких вопросов за один проход (до 5 раз быстрее).

Железо, агенты и деньги

• TPUv7: по оценке SemiAnalysis, perf per dollar в 1,42 раза выше GB300 NVL72 FP4 и в 2,5 раза выше MI355X. При средней и высокой интерактивности он до 3,16 раза лучше GB200.
• Vera Rubin NVL72: до 5,7 раза выше пропускная способность на мегаватт по сравнению с GB300 на DeepSeek V4 Pro и 2,8 раза на Kimi K3. Рекорд — 906 токенов/с на пользователя на V4.1 Flash. Результаты подавала сама NVIDIA.
• AMD MI355X: восемь карт дают на 24,4% больше throughput, чем HGX B300 на Kimi K3, и на 87,4% больше токенов на доллар.
• Modal ImageFS, Zephon на TorchTitan и Cursor Environments API (до 500 репозиториев, запуск в 5 раз быстрее) закрывают инфраструктурную часть.
• Claude Mythos 5 с OpenEvolve побил лучшие известные квантовые схемы в 7 из 8 задач. Четыре агента Gemini 4 Argon прошли Minecraft до Ender Dragon за 27 ч 14 мин, умерев 605 раз и потратив около $520.

Из новостей индустрии: Anthropic, по данным Reuters, обсуждает оценку около $1,5T вместо ожидавшихся $2T. Акции CoreWeave упали на 20% за три сессии. Китай рассматривает лицензирование открытых моделей выше 2T параметров или 10^26 FLOPs.

Что проверить на практике

Если нужна открытая модель для агентов, ориентироваться на общий индекс опасно: Muse Spark лидирует по знаниям, но проседает в агентных тестах. Beam с Apache 2.0 проще для коммерческого использования, но слаб в терминальных задачах. Перед выбором стоит прогнать собственный набор задач с реальными инструментами. Для высокой интерактивности подходят Vera Rubin и MI355X, для массового инференса стоит сравнить TPUv7 по цене за токен. Для дешёвых классификаторов в агентных цепочках имеет смысл протестировать Liquid d1-ultra и pplx-decider.