【主题】Meta 发布 Muse Code：面向大型仓库的终端编码智能体

解读 Meta 于 8 月 5 日推出 Muse Code（测试版），由 Muse Spark 1.2 驱动，面向跨大型代码库的完整工程任务：规划、改码、验证。任务足够大时可在隔离工作树并行启动子智能体，并用本地事件日志支持崩溃后安全重启。对工程师来说，这是 Claude Code / Codex 之外的新 harness，选型时要一起看成本和长任务稳定性，而不是只比裸模型分数。

来源 TechCrunch

【主题】Muse Spark 1.2：与 harness 联合训练，跑出千次工具调用

解读 Meta 研究博客称 Muse Spark 1.2 与 Muse Code 联合训练，强化代码生成、复杂调试与仓库理解。案例里模型对 GPU 内核写编译分析，工具调用可超 1000 次、最长约 24 小时。对做 Agent 平台的人，这意味着要把工具集、压缩记忆与子智能体策略写进评测，而不是只贴静态榜单。

来源 Meta AI Research

【主题】Hark Handoff：浏览器操作智能体进入候补名单

解读 初创公司 Hark 预览 Handoff，宣称可在无官方 API 的网站上完成购物、订座与检索。它强调模型预测下一步动作（点击/输入），而不只是下一词，并称成本低于部分前沿模型。对要做 RPA/计算机使用的工程师，先验证站点条款、失败回滚与账号安全，再谈替换人工。

来源 TechCrunch

【主题】VisionPsy-Nano：约 4.6 亿参数的端侧开源 VLM

解读 Tether QVAC 开源 VisionPsy-Nano，提供质量版与 Flash 版，并给出 Transformers、vLLM 与 llama.cpp/GGUF 路径。目标是把多模态理解放到手机与边缘设备，而不是默认上云。做移动视觉助手或离线质检的人，可以先拿 Flash 量化包压延迟，再决定要不要上更大云端模型。

来源 Hugging Face Blog

【主题】NVIDIA EGM-8B：高效视觉定位，小模型打大模型 IoU

解读 NVIDIA 在 Hugging Face 放出 EGM-8B，基于 Qwen3-VL-8B 经 SFT+GRPO 强化视觉 grounding。报告称 RefCOCO 平均 IoU 达 91.4，并显著快于更大参数的同系列模型。对做指哪打哪、检测框问答或机器人定位的人，这是可直接试的 grounding 基线，而不是再堆提示词。

来源 Hugging Face

【主题】VisReason-Pro：给视觉多轮推理补上空间与深度线索

解读 Y-Research-Group 发布 VisReason-Pro-Qwen2.5-VL-7B，面向 ECCV 2026 的视觉思维链数据与模型。它强调小物体、多轮裁剪工具调用与更深的空间关系，而不是只会看图说话。做视觉 Agent 或复杂图文问答时，可参考其 tool-calling 格式，把“放大再看”写进工作流。

来源 Hugging Face