2026年6月9日（周二）· 第24周

AI内参｜特朗普提AI国有化持股，MiniMax M3开源对标Claude，Ideogram 4.0图像生成开源

政策层面地震级讨论——特朗普政府研究直接持股AI巨头；开源生态双箭齐发——MiniMax M3与Ideogram 4.0同日引爆；资本市场Anthropic提交IPO、AlphaSense完成$3.5亿融资。

MiniMax M3 正式开源：前沿编码 + 1M 上下文 + 原生多模态，All in One 模型

6 月 1 日，中国 AI 公司 MiniMax（上海稀宇科技）正式发布 MiniMax M3——一款在单一架构中同时整合顶级编码能力、百万 Token 超长上下文窗口和原生多模态处理的开源模型。这是国内首个在这一"三位一体"水平上实现开源的模型，在海外开发者社区引起了广泛关注。

https://www.minimax.io/blog/minimax-m3

https://pandaily.com/minimax-m3-model-2026

https://www.zeniteq.com/minimax-m3-is-the-first-open-weights-model-to-combine-coding-1m-context-and-nati-4zvn15

技术架构——MiniMax Sparse Attention (MSA)：M3 基于 MiniMax 自研的稀疏注意力架构（MSA），API 支持最高 100 万 Token 的上下文窗口，最低保障 512K Token 可用。这意味着它在处理代码库分析、大型论文阅读、长篇对话记录等场景时具有显著优势。与传统的 Transformer 全注意力不同，MSA 通过稀疏化注意力计算大幅降低了长序列推理的内存占用。

编码与 Agent 能力：MiniMax M3 在 SWE-bench、终端执行、工具调用和 Agent 任务等多项编码基准测试中成绩突出。MiniMax 团队展示了一个令人印象深刻的案例——要求 M3 自主重现 ICLR 2025 的一篇关于 LLM 微调学习动态的杰出论文，模型在无人工干预的情况下完成了完整的论文复现工作流。这一结果表明 M3 不仅是一个多模态模型，还是一个具备自主研究能力的 Agent 级系统。

原生多模态（Native Multimodality）：与市面上许多"多模态"模型不同——它们通常是在文本预训练之后才加入视觉 head——M3 从一开始就是在多模态数据上训练的。这意味着它的视觉理解和文本生成能力在架构层面就是统一的，不存在"视觉编码器 + 语言模型"的拼接鸿沟。官方称 M3 可以同时处理图像输入、编码、工具使用和浏览器式检索等多种工作流类型。

MiniMax Code——为 M3 量身打造的 Agent 脚手架：MiniMax 同步发布了 MiniMax Code，一款基于 M3 构建的自主编码 Agent。在内部分测评中，M3 + MiniMax Code 的组合在多项 Agent 任务上与 Claude Opus 4.7 + Claude Code 的组合差距显著缩小。由于 M3 是开源权重模型，开发者可以下载后在自有硬件上进行微调和部署。

行业意义：M3 的发布在三个层面具有信号意义。第一，开源模型与闭源模型的差距正在从"追赶"走向"并行"——在编码和 Agent 任务上，M3 已经能与 Claude Opus 4.7 这样的顶级闭源模型形成直接竞争，而成本仅为后者的一小部分。第二，三家中国开源模型厂商（MiniMax、DeepSeek、Kimi/K2.6）正在形成差异化优势——DeepSeek 强在推理链（Reasoning）、Kimi 强在超长上下文（2M+ Token）、MiniMax 强在多模态 + 编码的三位一体，三家之间形成了互补而非重叠的竞争格局。第三，M3 是当前少数同时拥有"自主 Agent 能力"和"百万级上下文"的开源模型之一，对于需要长程任务执行的开发者而言，它是目前最具实践价值的开源选项之一。

Ideogram 4.0 开源：9.3B 参数最强开源图像生成模型，JSON 结构化提示开创先河

6 月 3 日，Ideogram 正式发布了 Ideogram 4.0——这是该公司首个开源的文本到图像生成模型，也是目前 DesignArena 排行榜上排名最高的开源权重模型。Ideogram 4.0 以 9.3B 参数的 Diffusion Transformer（DiT）架构，在图像质量、文本渲染精度和结构化布局控制三个维度上实现了对之前所有开源图像模型的显著超越。

https://ideogram.ai/blog/ideogram-4.0

https://huggingface.co/ideogram-ai/ideogram-4-nf4

https://blog.comfy.org/p/ideogram-4-day-0-support-in-comfyui

https://www.imagine.art/blogs/ideogram-4-0-overview

架构与技术路线：Ideogram 4.0 采用 34 层 Diffusion Transformer（DiT）架构，文本编码器使用了 Qwen3-VL-8B-Instruct（一个视觉-语言模型）作为外部文本理解器，并从其 13 个中间层提取隐藏状态（而非仅使用最后一层）用于 DiT 的条件输入。这种"深层特征融合"的方式使得模型对提示词中的语义细节——特别是字体描述、颜色指定和空间布局——有了更好的理解能力。模型针对基础 256×256 分辨率进行训练，支持多种分辨率的微调输出，最终可生成原生 2K 分辨率 图像。

JSON 结构化提示的突破：Ideogram 4.0 最引人注目的创新是其对 JSON 格式提示词的原生支持。传统图像生成模型使用自然语言描述作为提示，但自然语言的模糊性使得精确控制布局、字号、颜色和位置非常困难。Ideogram 4.0 可以解析结构化的 JSON 提示，其中包含按类型组织的对象描述、精确的文字渲染要求和空间定位指令。例如，用户可以用 JSON 指定一个"现代客厅，橙色墙面、灰色沙发、金色边桌、墙上挂有猫脸抽象画"的完整场景，每个元素都有独立的描述字段和位置约束。这种结构化控制对于平面设计、广告海报和产品目录等商业场景具有直接价值。

多语言文字渲染：Ideogram 4.0 在多语言文字渲染方面实现了跨代际的提升——特别是在英文、中文、日文和阿拉伯文等非拉丁文字系统上的渲染精度。内置的 X-Omni OCR 评估显示，Ideogram 4.0 在图内英文文本的识别精度上达到了显著领先的水平，这意味着模型可以生成带有精确排版文字的广告图片、海报和品牌素材，这是此前开源图像模型长期以来的痛点。

性能排名：Ideogram 4.0 在 DesignArena 的开放权重排行榜上排名第一，在所有模型的总体排行榜中排名第九（仅次于 OpenAI 和 Google 的闭源模型），在质量模式排行榜上位列第一。它也是第一个在 ComfyUI 中获得首日支持的第三方开源图像模型——ComfyUI 在发布当天就已集成其完整推理管线。

开源协议与生态：模型权重以 OpenMDW 1.1 商业许可协议 在 Hugging Face 上开源，开发者可以下载完整的 9.3B 参数权重进行本地部署、微调和商业使用。Ideogram 同时提供了 NF4 量化版本，降低了本地运行的硬件门槛。

行业意义：Ideogram 4.0 的发布标志着开源图像生成生态进入了一个新阶段。此前的 Flux、SD3.5 和 Qwen-Image 等开源模型在图像质量上已接近闭源水平，但在文本渲染和结构化控制这两个"生产力"维度上始终存在明显差距。Ideogram 4.0 用 JSON 结构化提示的方式将图像生成从"艺术创作"推向"精确设计工具"——对于电商、广告、出版和平面设计等行业而言，这是一个实质性的能力跃迁。同时，作为第一个使用 Qwen3-VL 作为文本编码器的西方模型，Ideogram 4.0 也是"中西方 AI 技术栈交叉融合"的一个有趣案例。

微软 Build 2026 余波：7 款自研模型全面落地，Azure AI 推理能力重构

虽然微软 Build 2026 大会已于 6 月 2-4 日结束，但其后续效应正在本周持续发酵——微软在会后发布了多项模型上线的具体时间表和定价策略。微软此次共发布了 7 款自研 AI 模型，涵盖 MAI-Code-1-Flash 编程模型、MAI-Transcribe-1.5 语音转录模型、MAI-Vision-1 视觉模型和 MAI-Thinking-1 推理模型等，全部运行在 Azure AI 基础设施上。

https://www.cnbc.com/2026/06/02/microsoft-unveils-new-ai-models-lessen-reliance-on-openai-lower-costs.html

https://www.cnbc.com/2026/06/01/microsoft-and-google-take-on-anthropic-and-openai-in-ai-coding-models.html

https://artificialanalysis.ai/articles/mai-transcribe-1-5-new-speech-to-text-model-leading-the-accuracy-speed-pareto-frontier

定价策略——主动价格战：微软对自研模型的定价采取了明显的"进攻性"策略。MAI-Code-1-Flash 的 API 定价显著低于 OpenAI 的同类产品，目标直指市场份额的快速获取。微软的策略是将自研模型与 GitHub Copilot、Visual Studio 2026 和 Azure AI Studio 深度绑定，形成一个"模型 + 工具链 + 云平台"的三位一体锁客体系。

效率革命：MAI-Transcribe-1.5 在完成 2.4% 词错误率（WER） 的同时实现了约 276 倍实时 的处理速度，是当前速度和精度帕累托前沿的最佳代表。MAI-Thinking-1 基于约 100B 参数的架构，在多项推理基准上与 GPT-5.2 Thinking 处于同一梯队。

行业意义：微软的 7 款自研模型代表着一个结构性的产业变化——"AI 平台"和"AI 模型"的供应链正在垂直整合。当一家云计算巨头（Azure）同时拥有自研基础设施（Majorana 2 量子芯片）、自研基础模型（MAI 系列）和自研应用层（Copilot 全家桶）时，它将同时挤压上游模型供应商（OpenAI、Anthropic）和下游应用开发商（独立 AI 创业公司）的生存空间。这也解释了为什么 OpenAI 和 Anthropic 都在全力加速 IPO——面对微软"从芯片到应用"的全栈竞争，仅靠 API 收入的单一商业模式在长期承压。

特朗普政府拟直接持股头部 AI 公司："AI 国有化"概念引爆政商两界

6 月 5-6 日，特朗普总统在白宫空军一号上向记者证实，美国政府正在研究对 OpenAI、Anthropic 和 xAI 等头部 AI 公司进行直接股权投资的方案，使美国公众能够"从 AI 的成功中获益"。这一表态引发了从华尔街到硅谷的广泛讨论和强烈反响。

https://www.cnbc.com/2026/06/05/trump-open-ai-altman-stake.html

https://fortune.com/2026/06/05/trump-partnership-openai-anthropic-xai-nationalization-bernie-sanders-altman

https://techcrunch.com/2026/06/06/the-trump-administration-might-take-an-equity-stake-in-openai

https://www.politico.com/news/2026/06/05/ai-companies-white-house-profit-sharing-00952167

https://www.ft.com/content/b1ab6106-77e6-4218-9eb4-e44bd56ca400

政策背景——从 Sanders 提案到 Trump 表态的奇怪联盟：这一思路最早由 OpenAI CEO Sam Altman 在 4 月的一份政策白皮书中提出——Altman 提出建立美国公共财富基金（Public Wealth Fund），让公民在 AI 推动的经济增长中持有股份。随后，参议员 Bernie Sanders 在 6 月 2 日提出了《美国 AI 主权财富基金法案》（American AI Sovereign Wealth Fund Act），核心内容是对头部 AI 公司股票一次性征收 50% 的权益税——以股票形式支付而非现金——将所得注入公共基金，让普通美国公民获得投票权、公司董事会代表权和财务分红。特朗普在 6 月 5 日公开表态支持这一方向，表示他正在与 AI 公司高管讨论"让美国人民成为公司合伙人"的概念。

实施路径——参考政府持有英特尔 10% 股权的模式：据 POLITICO 报道，特朗普政府最快将于 6 月 9-10 日与 OpenAI、Anthropic、Google、微软和 Meta 的 CEO 进行面谈，讨论具体的股权框架。参考先例是政府持有英特尔约 10% 股权的模式——通过 CHIPS 法案的资金安排，美国政府已成为英特尔大股东之一。白宫正在将类似的模型应用到 AI 领域，讨论的框架被描述为"国家 + 资本"双重控制体系。

各方反应：

• OpenAI
  ：CEO Sam Altman 此前已多次表示支持政府持股的概念，认为这是建立"负责任的 AI 治理"的关键一步。
• Anthropic
  ：尚未正式表态，但此前已发布经济政策白皮书讨论 AI 利益的广泛分配机制。作为正在推进 IPO（估值 $9650 亿）的公司，政府持股的最终形式将直接影响其上市估值和公司治理架构。
• xAI / Elon Musk
  ：Musk 此前支持过类似概念，但在 5 月刚刚输掉了针对 OpenAI 营利化转型的诉讼。xAI 已签署 Grok 政府合同（42 美分/次），正在探索"政府客户"和"政府股东"的双重关系。
• 华尔街分析师
  ：对这一方案的可行性普遍持怀疑态度。主要疑虑包括：政府持股是否会限制 AI 公司的全球竞争能力？持股比例和投票权的具体安排是什么？如果涉及国家安全审查，是否会变成变相的政府控制？Bloomberg 评论员指出："OpenAI 和 Anthropic 正在以约 $1 万亿的估值走向公开市场，而此时谈论政府持股——投资者的反应不会温和。"

• 行业意义：无论最终实施与否，"政府持股 AI"这一概念的提出本身就具有深远影响。第一，AI 正在从纯粹的商业赛道变为国家核心资产——当美国政府首次将 AI 公司与国家主权财富基金联系起来时，AI 产业的"全民属性"被推到了前台。第二，Altman 的"主动监管"策略取得了阶段性成功——从自愿性 AI 行政令（允许政府提前 30 天审查模型）、到生物防御计划 GPT-Rosalind 免费提供政府、再到主动推动政府持股框架，OpenAI 一直在主动定义"AI 与政府的关系边界"，而非被动应对。第三，这一讨论将加速 AI 公司的 IPO 进程——如果政府持股成为既定政策方向，那么在公司私有阶段进行政府持股谈判的压力将远小于上市后——因此 OpenAI 和 Anthropic 都在加速 IPO 以争取在政策落地前确立私有公司的估值基准。

Anthropic 秘密提交 IPO 申请：$9650 亿估值启动上市进程，AI 三强 IPO 竞赛白热化

6 月 1 日，Anthropic 正式向美国证券交易委员会（SEC）秘密提交了 S-1 注册声明草案，启动了备受期待的 IPO 进程。继 5 月底完成 $650 亿 H 轮融资（投后估值 $9650 亿）之后，Anthropic 成为全球估值最高的私有 AI 公司——超过 OpenAI 上一轮 $8520 亿的估值。

https://techcrunch.com/2026/06/01/anthropic-files-to-go-public

https://www.reuters.com/business/ai-giant-anthropic-confidentially-files-us-ipo-2026-06-01

https://www.cnbc.com/2026/06/01/anthropic-ipo-s1-prospectus.html

https://www.anthropic.com/news/confidential-draft-s1-sec

https://fortune.com/2026/06/01/anthropic-confidentially-files-ipo-965-billion-valuation

IPO 时间线与估值背景：Anthropic 以机密方式向 SEC 提交 IPO 申请，这意味着在公开财务数据之前可以进行多轮反馈修改。市场普遍预计其目标上市时间为 2026 年下半年，可能在 OpenAI IPO 之前。公司在 5 月底完成的 $650 亿 H 轮融资由多家全球顶级投资机构参与，投后估值 $9650 亿——使其估值逼近万亿大关。从 $65 亿 H 轮到 $9650 亿估值，Anthropic 的融资节奏和估值增长都是 AI 产业历史上最快的。

营收与商业化加速：据公开披露信息和多位分析师估算，Anthropic 2026 年 Q1 营收约为 $48 亿，Q2 预计增长至约 $109 亿。营收的高速增长主要来自 Claude Code（编码 Agent 工具）、Claude Enterprise 和 Claude Opus 模型的 API 调用量爆炸式增长。KPMG 在 5 月宣布将 Claude 部署到全球 276,000 名员工——这是 AI 领域有史以来最大的企业部署合同之一，直接推动了 Q2 营收预期的上调。

AI IPO 三强竞赛：Anthropic 的 S-1 提交使得 2026 年的 AI IPO 竞赛变成了三强争霸——OpenAI（目标 9 月上市）、Anthropic（已提交 S-1）和 SpaceX / xAI（目标 $2 万亿估值）。三家公司合计目标市值超过 $3 万亿，这在科技 IPO 史上是前所未有的一年。Bloomberg Opinion 指出，这一"万亿美元 IPO 的交汇"正在面临一个根本性的矛盾：AI 公司的估值和营收预期都在创纪录地膨胀，但企业级 AI 支出仍然需要逐公司、逐部门地证明其 ROI——资产端（模型公司的估值）和负债端（客户的实际支付意愿）之间的鸿沟，将是 AI 产业 2026 年下半年最大的市场博弈。

潜在障碍：Anthropic 正面临一项重大的潜在不确定性——五角大楼将其 Claude 指定为"供应链风险"并启动六个月的过渡期。这一政府业务的潜在损失和正在进行的法律诉讼可能成为 IPO 路演中投资者关注的焦点风险因素。此外，Claude 的"安全优先"策略虽然在企业市场是差异化卖点，但在国防和政府市场构成了竞争劣势——这一"安全溢价 vs 市场份额"的权衡，将是 Anthropic 上市后投资者需要持续评估的核心问题。

AI 融资热度不减：AlphaSense $3.5 亿领衔，本周多笔大额融资密集落地

在 AI IPO 竞赛火热的背景下，私有 AI 市场的融资活跃度同样创下新高。据 Scouts by Yutori 追踪，6 月 6-8 日之间就有 9 笔 AI 相关融资公告，其中三笔金额超过 $2 亿。

https://scouts.yutori.com/68f22e10-d5fe-4e94-b1c8-9c6218cfdb2c

https://finance.yahoo.com/news/alphasense-raises-350m-7-5b-120000264.html

https://www.alpha-sense.com/press/alphasense-raises-350m-at-7-5b-valuation-and-surpasses-600m-in-annual-recurring-revenue

AlphaSense——$3.5 亿，估值 $75 亿：6 月 3 日，AI 市场情报平台 AlphaSense 宣布完成 $3.5 亿融资轮，估值达到 $75 亿——较上一轮的 $40 亿估值几乎翻倍。公司年经常性收入（ARR）已突破 $6 亿（Q1 2026），较 2025 年 10 月的 $5 亿增长了 20%。该轮融资由 Vitruvian Partners、Accenture Ventures 和 J.P. Morgan Asset Management 领投。AlphaSense 同时发布了 SuperAnalyst——一个始终在线的 AI Agent，专门执行高价值金融和战略工作流。Accenture 在投资后成为 AlphaSense 的首个战略渠道合作伙伴，计划将 AlphaSense 的市场情报能力整合到企业 AI 和 Agentic 工作流部署中。AlphaSense 的数据库目前已覆盖超过 5 亿份商业文档。

Cyera——$3 亿融资：AI 数据安全平台 Cyera 在同期完成约 $3 亿融资。AI 安全领域是 2026 年 VC 投资最集中的赛道之一，随着企业大规模部署 AI Agent 和 RAG 系统，数据安全和合规需求激增。

Auger——$2 亿融资：AI 自动化平台 Auger 完成约 $2 亿融资，用于扩展其企业 AI 自动化工作流平台的全球部署。

行业意义：这些融资事件共同反映了一个趋势：AI 投资从"基础模型"向"应用层/基础设施层"的结构性迁移正在加速。2025 年，大多数巨额融资流向基础模型公司（OpenAI、Anthropic、xAI）。2026 年上半年，应用层 AI 公司和 AI 基础设施公司开始吸引大量资金——AlphaSense（AI 市场情报）、Cyera（AI 安全）、Glean（企业 AI Agent，6 月 $1.5 亿 F 轮估值 $72 亿）——这些公司的共同特点是拥有明确的企业客户付费意愿和可衡量的 ROI。Crunchbase 的数据显示，2026 年 Q1 全球风险投资总额创下 $2970 亿的新纪录，其中 AI 公司占据了绝大部分份额。

Echo-Infinity：实时无限视频生成的演进记忆框架

arXiv:2606.04527 · https://arxiv.org/abs/2606.04527

Hugging Face Papers 热度：高

研究背景：视频生成模型近年来取得了长足进步，但所有现有方法都面临一个根本性的瓶颈——"视频长度"受限于 GPU 显存和推理时间的线性增长。现有的自回归（AR）视频生成方法在生成每一帧时都需要维护一个不断增长的 KV-Cache（键值缓存），当视频从几秒延伸到几分钟、几小时时，KV-Cache 的内存占用和位置编码的外推问题会同时恶化，导致视频质量断崖式下降或系统崩溃。此前的研究（如 Helios、LongLive）试图通过工程技巧缓解这一问题，但没有从根本上解决"无界序列"的挑战。

核心方案：研究团队提出了 Echo-Infinity——一种基于可学习演进记忆（Learnable Evolving Memory）的自回归视频生成框架。其核心灵感来自人类记忆的"压缩-抽象"机制——人类不会记住每一帧的每一个像素，而是提取关键信息和模式。

技术架构包含三个创新要点：

• 可学习记忆查询（Learnable Memory Queries）
  ：与传统的手工设计记忆压缩策略不同，Echo-Infinity 引入了通过注意力机制和门控（Gating）机制更新的可学习 Memory Query。当旧帧从局部滑动窗口中被驱逐时，这些 Query 会通过注意力与历史帧交互、压缩信息，并更新自身状态。这意味着记忆的"取舍"是模型在端到端训练中自主学习得到的，而非工程师手工设定的规则。
• 统一相对 RoPE（Unified Relative RoPE Recipe）
  ：解决了自回归视频生成中的位置编码外推难题。传统方法在推理时对位置编码进行"修补"（如截断 RoPE 索引），但这会造成训练和推理之间的不匹配。Echo-Infinity 设计了一种统一训练方案，使模型在训练阶段就适应了任意长度的位置编码范围。
• 三层记忆架构
  ：包含全局锚点帧（Sink Frames）、局部滑动窗口（Local Window）和演进记忆查询（Evolving Memory Queries）三层，实现了"常数计算成本"（constant computation）的任意历史压缩——无论视频已经生成了 1 秒还是 24 小时，推理开销保持不变。

• 关键结果：Echo-Infinity 在长短视频生成基准上均达到了 SOTA 水平。最引人注目的成果是——首次在研究中展示了 24 小时（超过 130 万帧）的实时视频生成滚动，且生成质量没有随着时间推移而退化。这一结果被作者称为"通向实时无限视频生成的实用路径"。

  作者团队：论文作者来自学术研究机构（具体团队信息参见论文）。模型代码已开源。

  行业意义：Echo-Infinity 解决的是"AI 视频生成的最后一块拼图"——视频时长不再受限于硬件资源的线性扩展。对于游戏（无限动态世界渲染）、虚拟现实（持续生成沉浸环境）、实时监控和 AI 内容创作等场景，这一技术具有基础性的突破意义。同时，其"可学习记忆"的设计思路——用可微分的注意力机制替代手工设计的记忆规则——也对长程 AI Agent 的记忆系统设计具有参考价值。

MLEvolve：自我演化的机器学习算法发现框架

arXiv:2606.06473 · https://arxiv.org/abs/2606.06473

Hugging Face Papers 热度：高

研究背景：大语言模型（LLM）在代码生成和科学发现方面的能力正在被广泛应用于自动化机器学习（AutoML）领域。然而，现有方法在应对长期探索任务（Long-horizon Tasks）时面临三个核心限制：树搜索中的分支之间信息隔离、现有经验无法有效累积和复用、以及代码编辑策略过于单一。当搜索空间从算法超参数扩展到完整的算法结构时，这些问题变得尤为严重。

核心方案：研究团队提出了 MLEvolve——一个基于 LLM 的多智能体自我演化框架，专门用于端到端的机器学习算法发现。MLEvolve 统一了三个核心组件：

• 渐进式蒙特卡洛图搜索（Progressive MCGS）
  ：将传统的树搜索扩展到图搜索结构。与树搜索不同，MCGS 允许跨分支通过"图参考边"进行信息流动——如果一个分支的搜索陷入停滞，它可以创建到其他高性能分支的参考边来吸取灵感。算法还引入了一个熵启发的渐进式调度方案，使搜索过程从早期的广泛探索逐步过渡到晚期的聚焦利用。
• 回顾性记忆（Retrospective Memory）
  ：结合了冷启动领域知识库（Cold-start Domain Knowledge Base）和动态全局记忆（Dynamic Global Memory）。冷启动知识库为搜索起点提供初始方向，动态全局记忆则在搜索过程中自动积累和检索特定任务的经验。搜索过程中发现的高价值代码模式、失败的架构选择和有潜力的方向都会写入记忆，供后续分支复用。
• 分层规划与自适应代码生成（Hierarchical Planning with Adaptive Code Generation）
  ：将"改变什么"（策略规划）和"如何改变"（代码生成）分离。代码编辑有三种模式——完全重写（Full Rewrite）、逐步修改（Stepwise）和差异式编辑（Diff-based）——系统根据当前搜索状态自动选择最合适的编辑策略。

• 关键结果：MLEvolve 在多个机器学习算法发现基准上展示了持续的自我改进能力——随着搜索进程的推进，生成的算法性能呈现稳定的上升趋势，而非随机搜索常见的"早期快速提升，后期陷入平台期"的模式。相比基线方法（如简单树搜索 + LLM 单一代码生成），MLEvolve 在长周期优化任务上的最终性能有显著提升。

  行业意义：MLEvolve 代表了一个正在加速的趋势——LLM Agent 从"代码助手"向"自主研究者"的进化。当 Agent 不仅仅能写代码，还能自主设计搜索策略、积累实验经验、在不同探索方向之间迁移知识时，它在科学发现中的角色就从"工具"变成了"合作研究者"。对于 AutoML 领域而言，MLEvolve 的"图搜索 + 记忆 + 自适应编辑"的组合框架，可能成为未来自动化算法发现的标准范式。

Why Muon Outperforms Adam：最热优化器的曲率解密

arXiv:2606.04662 · https://arxiv.org/abs/2606.04662

研究背景：Muon 优化器是 2025-2026 年在大型语言模型训练社区中迅速崛起的新星——特别是在 Gemini 3 和 Nemotron 3 等前沿模型的训练中，Muon 展现出了比 Adam(W) 更快、更稳定的收敛性能。然而，Muon 为何有效、在什么条件下有效、与 Adam 相比其根本性的数学差异是什么——这些问题一直没有系统的理论解答。缺乏理论理解使得工程师在决定是否切换到 Muon 时只能依靠经验直觉。

核心方案：本论文从曲率视角对 Muon 和 Adam 进行了系统的理论分析。关键发现包括：

• 正交更新 vs 逐元素缩放
  ：Adam 的更新本质上是"逐元素缩放"——对每个参数维度独立计算自适应学习率。Muon 的更新则基于正交化（Orthogonalization）——通过矩阵的奇异值分解（或其近似）来确保更新方向在不同参数维度之间是"正交"的，这意味着不同维度的更新相互干扰最小。
• 曲率匹配假说
  ：论文提出，Muon 在这种"正交更新"的设计上与神经网络的哈森矩阵（Hessian）的曲率结构更为匹配。当参数的曲率在不同维度之间高度各向异性（Anisotropic）时——这是大模型中非常普遍的现象——Muon 的正交化操作能够更有效地在不同曲率方向之间平衡更新步长，而 Adam 的逐元素缩放在这个问题上效率较低。
• 实践条件
  ：论文同时指出了 Muon 的适用条件——它并非在所有场景下都优于 Adam。当参数矩阵具有明确的"方向性结构"（如全连接层和注意力层中的权重矩阵）时，Muon 的优势最为明显。但对于偏置项、LayerNorm 缩放参数等标量或向量参数，正交化带来的收益有限。

• 行业意义：这篇论文填补了"Muon 为何有效"这一理论上空白，为工程师提供了更科学的依据来选择合适的优化器。在大模型训练成本持续攀升的背景下（一次训练动辄数千万到数亿美元），即便是 10-20% 的收敛速度提升也意味着数百万美元的成本节省。同时，论文中揭示的"曲率匹配"原则也为设计下一代优化器提供了理论方向——未来的优化器可能会更深入地利用模型的几何结构特性，而非仅依赖梯度的一阶统计量。

标签： #AI日报 #MiniMax #M3 #Ideogram4 #特朗普 #AI国有化 #AnthropicIPO #AlphaSense #EchoInfinity #MLEvolve #Muon