10 月 22 日，今天值得关注的项目覆盖编程推理、主动 Agent、端侧语音、机器人控制与量化研究评测：Spark-X2.6 和 Recursive Flint 开放模型权重，Claude Duet 探索持续执行任务的助手，Phonon 将流式语音合成带到离线设备。
★ Spark-X2.6-4B
用 4B 参数模型处理编程 Agent、长上下文和多语言推理任务，支持三档思考强度。
10 月 21 日发布的 Spark-X2.6-4B 延续 X2.5 的模型结构，将本次升级重点放在后训练强化上。模型面向编程 Agent、长上下文处理和多语言推理，让小参数模型承担更复杂的代码与推理任务。
它提供 none、low、high 三档思考模式，可按任务需要选择思考强度。对于同时包含简单响应和复杂推理的应用，这种设置提供了明确的行为调节入口。模型权重采用 Apache 2.0 许可证开放，并支持通过 llama.cpp 量化运行，方便开发者在本地尝试与集成。
上手门槛
自行部署：🟢 低｜4B 模型｜支持 llama.cpp 量化运行
项目地址：https://github.com/XHToken/Spark-X2.6
模型权重：https://huggingface.co/XHToken/Spark-X2.6-4B
★ Recursive Flint
结合 262K 上下文与稀疏激活，处理文本推理、工具调用及代码修复和测试。
Recursive 于 10 月 21 日发布 Flint，面向文本推理、工具调用和编程任务，可用于修复代码问题与测试。模型总参数为 39.8B，每次约激活 2.5B 参数，激活量包含输出头；支持 262K 上下文，为处理较长任务材料提供空间。
Flint 权重采用 Apache 2.0 许可证，并提供适用于 NVIDIA 和 Apple Silicon 的量化版本。Ollama 版本的权重体积约为 23GB，但文件大小不等于运行所需总内存：本地部署仍要容纳模型及运行开销，使用较长上下文也会增加内存占用，不能仅按激活参数量估算设备需求。
上手门槛
自行部署：🟡 中｜约 40B 总参数｜提供量化版本｜长上下文增加内存开销
发布介绍：https://recursive.com/updates/introducing-recursive-flint
模型权重：https://huggingface.co/RecursiveSI/flint
★ Claude Duet
连接应用生成晨报、持续关注事项，并在用户离开后继续执行任务。
Claude Duet 于 10 月 21 日在美国推出研究预览，围绕 Opus 5.5 构建主动 Agent。它可以连接应用，整理晨报、持续关注用户交代的事项，并在用户离开后继续执行任务，让助手从即时问答延伸到持续跟进工作。
对于发送内容等代表用户采取的动作，Duet 会先请求确认。产品覆盖 iOS、Android 和 claude.ai，但目前仅向美国 Pro、Max 用户通过候补名单发出邀请，尚未全面开放。使用量与订阅共享额度，因此研究预览的准入范围和额度安排仍是尝试前需要了解的条件。
发布介绍：https://claude.com/resources/articles/claude-duet
官方网站：https://claude.com/product/claude-duet
★ Gradium Phonon
在手机、浏览器和笔记本上用 CPU 离线流式合成语音，英语模型仅 31M 参数。
Gradium 于 10 月 21 日发布 Phonon，将流式文本转语音带到端侧设备。英语模型为 31M 参数，不含音频 tokenizer，输出 24kHz 音频；支持在手机、浏览器和笔记本上使用 CPU 离线运行。项目提供 Python、JavaScript 等接口，可供开发者接入本地语音合成应用。
各版本的许可证并不相同：31M 英语模型权重采用 Apache 2.0；40M 系列的英语、法语、德语、西班牙语、葡萄牙语单语言模型及五语言模型均采用 CC BY-NC 4.0 非商业许可证。当前公开系列不包含中文，开发者选择商用版本时需区分具体型号。
上手门槛
开发接入：🟢 较低｜提供 Python 和 JS 等接口｜可离线合成
自行部署：🟢 低｜支持 CPU 运行｜31M 英语模型开放权重
发布介绍：https://gradium.ai/blog/gradium-releases-phonon
英语模型权重：https://huggingface.co/gradium/phonon-31m-en
★ Phoenix-MWA（无界动力 MWA™-Phoenix）
联合预测未来视觉状态与动作，用语言和观测驱动机器人操作。
Phoenix-MWA 是机器人世界—动作模型，通过几何与时间双教师蒸馏及紧凑潜空间，联合预测未来视觉状态和动作。Phoenix-ILA 结合位置、力与触觉处理精细接触，PhysCanvas 则预测视觉、触觉信息，为策略强化学习提供支持。
代码主分支已提供预训练部分，官方模型集合也已上传编码器及 LIBERO、RoboCasa、RoboTwin 评测权重，为查看模型结构和评测方案提供了入口。
开放范围仍在推进：完整数据处理、编码器训练和 RTC 实机部署尚在分批开放。现有代码与评测权重可用于了解模型，但还不能视为完整实机训练、部署链路均已开放。
项目地址：https://github.com/Anyverse-Dynamics/Phoenix-MWA
项目介绍：https://openphoenix-team.github.io/Phoenix-pages/
模型权重集合：https://huggingface.co/collections/OpenPhoenix/phoenix-mwa
★ Einsia AI Quant-Arena
让模型在有限反馈下研究交易策略，再通过封存数据检验样本外表现。
Einsia AI 于 10 月 21 日发布 Quant-Arena，评估大模型从研究到提交交易策略的完整流程。模型利用 2022—2023 年数据和有限反馈开展研究，随后提交一个固定策略，在封存的 2024 年窗口中接受一次现金账户评估，用于比较迭代研究与单次策略生成。
官方结果显示，在封存的 2024 年测试中，9 个参测通用模型各自的最佳策略均未跑赢等权市场基准：基准收益为 17.1%，模型最高收益为 10.7%，其中 5 个模型亏损。评测还比较迭代研究与单次生成，帮助分析反馈是否改善策略，以及研究窗口内的表现能否延续到样本外。
评测介绍：https://lab.einsia.ai/quant-arena/