Andrew Ng 转发 Percy Liang 关于 Marin 项目的消息，称该项目是开放模型训练的一次展示，开放了代码、数据、配方甚至实验结果。他提到公开分享 AI 研究曾是常态，并认可 Percy Liang 的开放实验室做法。被引用的内容显示，Marin 535B-A23B 本周开始训练，预训练占 80%、中期训练占 20%，在 18.75T tokens 上使用 11 台 GB200 NVL72 训练约 3 个月（2.7e24 FLOPs），后续将进行后训练；正式训练前还训练了从 1.6B-A61M（48B tokens）到 27.7B-A1.2B（926B tokens）的四级扩展阶梯用于排查问题并预测主训练结果。
推荐理由：Andrew Ng 借 Marin 项目说明开放训练流程的具体做法，可对照当前闭源训练常态理解开源生态的处境。
Andrew Ng 发推感谢 Mark、Alex 及 Meta 团队对开放权重 AI 的贡献。他引用的 Meta 内容显示，Meta 当天开放了 30B 参数稠密模型 Muse Glimmer 的权重，该模型可在本地运行，并称很快还将开放最新基础模型 Muse Spark 1.2 的权重。
推荐理由：Meta 开放 30B 稠密模型权重并预告下一代基础模型开源，可观察其开源路线节奏。
Meta 发布 Muse Glimmer，一个 30B 参数的开源权重模型，面向本地常驻智能体工作流。该模型在关键智能体用例和基准上表现优于同尺寸领先模型，可完全运行在 Mac 或配备高性能 GPU 的 PC 等消费级硬件上。模型权重以宽松的 Apache 2.0 许可发布。
推荐理由：Meta 开源 30B 端侧智能体模型，可据此判断消费级硬件上常驻 Agent 的可行边界。
吴恩达回顾过去两周美国政府和 Anthropic 限制他人使用前沿模型的动作，认为这加速了企业和国家确保 AI 访问不被他人终止的努力。他指出 Anthropic 发布 Claude Fable 5 时限制开发者用它构建竞争性 LLM 技术，还曾暗中削弱被检测为从事 LLM 研究的用户所获输出，引发反弹后才改为透明处理。
推荐理由：吴恩达复盘美国政府与 Anthropic 限制前沿模型访问的两周，指出这会加速各国对开源替代方案的投入。