←搜索结果

搜索“Meta”

按匹配度 · 共 182 条结果 清除搜索

星期二

  1. The Elec

    Meta 发布 Muse Wonder 系列模型，主打 Active Memory 与 Active Focus

    Meta 于 10 月 13 日发布前沿模型 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两个版本，均仅通过每月 50 美元或 200 美元的付费订阅提供。Muse Wonder 可通过 SDK 或按量付费 API 供开发者接入，Muse Wonder Full 无对外 API 或 SDK，仅限 Meta 自有环境使用，更适合长周期复杂任务。该系列主打 Active Memory 与 Active Focus 两项能力，前者主动保留历史对话与用户上下文，后者在任务受阻时尝试替代方案。在 Artificial Analysis 评测中，Muse Wonder Full 在 CritPt 科学推理测试和 GDP.pdf 专业文档基准中排名第一，Terminal-Bench 4.0 得分从上一版的 33% 升至 57%；Intelligence Index 上 Muse Wonder 得 52 分、Muse Wonder Full 得 56 分，后者与 Claude Sonnet 5.5 并列第二。AA 称两款模型输出 token 用量比 Muse Spark 少约 10%，Muse Wonder Full 输入 token 比 Muse Wonder 少 16%。Muse Wonder 定价为每百万输入 token 4 美元、每百万输出 token 20 美元。

    匹配字段标题、摘要、正文

    #hot-signal#模型发布#Agent#推理
  2. 虎嗅

    Meta 发布 Muse Wonder 与 Muse Wonder Full，长程编程测试超过 Claude…

    Meta Superintelligence Labs 于 10 月 13 日推出新一代旗舰模型 Muse Wonder 和 Muse Wonder Full，Full 版在 Artificial Analysis 综合智能指数得 56 分，距 Claude Opus 5.5 的 58 分差 2 分。在 DeepSWE 1.1 长程软件工程测试中，Wonder Full 取得 79.0 分，超过 Opus 5.5 的 74.2 分和 GPT-6 Astra 的 74.1 分，但 Terminal-Bench 4.0 和 ProgramBench 仍落后于 Opus。Artificial Analysis 测算其平均任务成本达 4.52 美元，较上代 Muse Spark 1.3 上涨 183%；开发者同题对比显示其 3D 游戏生成效果明显逊于 Opus，Meta 模型卡已承认 3D 任务为已知局限。

    匹配字段标题、摘要、正文

    #hot-signal#模型发布#Agent#编码
  3. 虎嗅精选

    Meta发布Muse Wonder系列模型，主打个人智能体记忆与长程任务

    Meta发布Muse Wonder和Muse Wonder Full两款模型，内部代号西瓜，主攻个人与专业智能体任务，重点提升跨对话记忆和长时间任务执行能力。Artificial Analysis评测显示Wonder Full十项测试有六项进入前三，最高推理强度下Muse Code搭配Wonder Full的编程成绩与Claude Code搭配Sonnet 5.5持平。API定价为每百万输入token 4美元、输出20美元，Wonder Full仅向Muse Code订阅用户开放，Meta AI负责人Alexandr Wang承认编程能力仍不如Opus 5.5。

    匹配字段标题、摘要、正文

    #hot-signal#模型发布#Agent#编码
  4. AI at Meta

    Meta 发布 Muse Wonder 与 Muse Wonder Full 两款前沿模型

    Meta 推出 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款前沿模型，面向个人与专业智能体任务。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户开放，Muse Wonder 后续还将接入个人智能体产品 Muse，先向订阅用户推送。两款模型在个人与专业智能体、记忆和编码等基准上取得 SOTA，并具备 Active Memory 跨对话保留上下文、Active Focus 在任务受阻时尝试替代方案并坚持完成的能力。

    匹配字段标题、摘要

    #company#模型发布#Agent#OpenAI
  5. AI at Meta精选

    Meta 发布 Muse Wonder 系列模型，主打个人与专业智能体任务

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款前沿模型，称其在个人与专业智能体、记忆和编码等关键基准上取得 SOTA。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户；Muse Wonder 还将接入个人智能体产品 Muse，先向订阅用户开放。两款模型引入 Active Memory 跨对话保留上下文，以及 Active Focus 在任务受阻时尝试替代方案并坚持完成目标。

    匹配字段标题、摘要

    #company#模型发布#Agent#编码
  6. AI at Meta精选

    Meta 发布 Muse Wonder 与 Muse Wonder Full 两款前沿模型

    Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款前沿模型，面向个人与专业智能体任务。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户开放，Muse Wonder 后续还将接入个人智能体产品 Muse，先向订阅用户推送。两款模型引入 Active Memory 跨对话保留上下文、Active Focus 在任务受阻时尝试替代方案并推进到完成，官方称其在个人与专业智能体、记忆和编码基准上取得 SOTA 结果。

    匹配字段标题、摘要

    #company#模型发布#Agent#OpenAI

星期六

星期四

  1. The Rundown AI精选

    Meta 与 Google 发布 Muse Spark 1.3 和 Gemini 3.8 Flash

    Meta 发布 Muse Spark 1.3（Max），Google 推出 Gemini 3.8 Flash，两款模型在 Artificial Analysis Intelligence Index 上分别获得 62 分和 59 分。Gemini 3.8 Flash 维持 $0.75 / $3.75 定价，并提升编码、推理和智能体任务表现；Meta 表示下一步将推出代号“Watermelon”的更大模型，并发布 Muse Spark 权重。

    匹配字段标题、摘要、正文

    #newsletter#模型发布#编码#推理
  2. AI at Meta

    Meta 发布 Muse Spark 1.3，上线 Muse Code 与 Meta Model API

    Meta 发布 Muse Spark 1.3，今日起在 Muse Code 和 Meta Model API 上线，重点提升智能体与编码任务表现和实际可用性。官方称新版本可在单一线程中维持更长周期的多工作流任务，会更主动向用户提问、在卡住时说明并确认高风险操作，对自身能力边界判断更准。内部对比显示，相比 Muse Spark 1.2，工具调用减少约 20%，token 用量减少约 25%；max reasoning 将在完成安全测试后推出。

    匹配字段标题、摘要、正文

    #company#模型发布#Agent#编码
  3. AI at Meta

    Meta 发布 Muse Spark 1.3，改进智能体与编码任务表现

    Meta 发布 Muse Spark 1.3，在智能体与编码任务上性能提升，并聚焦真实场景可用性。该版本可在单线程中跨多个工作流维持更长周期的任务，会更主动地向用户提问、在卡住时说明并确认后再执行关键操作，对自身能力边界的判断也更准确。Meta 内部对比显示，相比 Muse Spark 1.2，其工具调用减少约 20%、token 消耗减少约 25%。Muse Spark 1.3 今日起在 Muse Code 和 Meta Model API 上线，max reasoning 将在完成安全测试后推出。

    匹配字段标题、摘要

    #company#模型发布#Agent#编码

星期三

  1. AI at Meta

    Meta 发布 Muse Voice Transcribe 实时语音转写模型

    Meta 发布 Muse Voice Transcribe，这是 Meta Superintelligence Labs 的首个实时音频感知模型，今日起通过 Meta Model API、Meta AI for Mac 和 Muse Code 提供。该模型支持实时流式 ASR、20 人以上说话人分离和端点检测，多语言并支持无缝语码切换，可通过语言、关键词和上下文偏置提升准确率。它属于 Muse Spark 家族的自回归多模态 LLM，音频按 80ms 分块（12.5 Hz）处理，每块一个 token，并用词错误率与延迟奖励的 RL 实现自适应延迟。

    匹配字段标题、摘要、正文

    #company#模型发布#语音#多模态
  2. AI at Meta精选

    Meta Superintelligence Labs 发布实时音频感知模型 Muse Voice Transcribe

    Meta Superintelligence Labs 发布 Muse Voice Transcribe，这是其首个实时音频感知模型，支持实时流式 ASR、20 人以上说话人分离和端点检测，并具备多语言与无缝语码切换能力，可通过语言、关键词和上下文偏置提升准确率。该模型在 ArtificialAnlys 流式语音转文字和公开说话人分离基准上排名第一。它属于 Muse Spark 系列的自回归多模态 LLM，音频按 80ms 分块（12.5 Hz）逐 token 处理，结合词错误率和延迟奖励的 RL 实现自适应延迟，已在 Meta Model API、Meta AI for Mac 和 Muse Code 上线。

    匹配字段标题、摘要、正文

    #company#模型发布#语音#多模态

星期一

  1. NVIDIA Developer · Generative AI精选

    Meta 发布 30B 开源模型 Muse Glimmer，可在单张 NVIDIA GPU 上跑本地智能体

    Meta 发布 Muse Glimmer，一个 30B 开源权重稠密模型，上下文窗口 120K+，面向本地 AI 智能体工作负载。该模型采用稠密架构，每个 token 激活全部参数，在 NVIDIA Blackwell Ultra 上以 BF16/NVF4 精度实现单 GPU 超过 20K tokens/s，可完整放入单卡显存，无需模型分片、CPU offload 或外部端点，覆盖 GeForce RTX 5090、DGX Spark、DGX Station 和 Jetson 平台。开发者可用 NeMo AutoModel 做全量 SFT 和 LoRA 微调，权重已上线 Hugging Face，并提供 SGLang、vLLM 推理方案和可下载的 NIM 容器。

    匹配字段标题、摘要、正文

    #lab#产品更新#Agent#端侧
  2. Unsloth精选

    Meta 开源 30B 模型 Muse Glimmer，18GB 内存可本地运行

    Meta 开源 Muse Glimmer，这是一个 30B 参数的稠密模型，可在 18GB 内存的本地设备上运行，采用 Apache 2.0 许可并支持视觉。Mark Zuckerberg 称其为同尺寸下最强的智能体模型，并表示后续还将开源最新基础模型 Muse Spark 1.2 的权重。Unsloth 已提供该模型的 GGUF 版本和运行、训练指南。

    匹配字段标题、摘要、正文

    #company#模型发布#开源生态#Meta
  3. Hugging Face精选

    Meta 携 Muse Glimmer 回归：本地运行、面向智能体、多模态且开源

    Meta 推出可本地运行的开源多模态模型 Muse Glimmer，由 2B 视觉编码器和 28B 文本解码器组成，总参数量为 30B。它支持图像、无音频视频、多模态工具调用和目标检测，并获得 Transformers、llama.cpp 及基于 Transformers 后端的 vLLM 支持。可选的 DFlash 推测解码器能以增加内存占用为代价加快生成。

    匹配字段标题、摘要、正文

    #lab#模型发布#多模态#Agent
  4. Fireworks AI精选

    Meta 的 Muse Glimmer 30B 上线 Fireworks，面向常驻智能体

    Fireworks 上线 Meta 的 Muse Glimmer 30B 稠密模型，采用 Apache 2.0 许可，支持 128K+ token 上下文和原生图像理解，面向需要多轮工具调用的常驻智能体。该模型在 MCP Atlas 得 75.5、DeepSearch QA 得 74.6、SWE-Bench Pro 得 51.2，均高于 Gemma 4 31B 和 Qwen 3.6 27B 的对应成绩，这些基准数据由 Meta 报告。Fireworks 同时给出 temperature 1.0、top_p 0.95、top_k 64 的推荐设置，并支持在系统提示词中调节推理强度。

    匹配字段标题、摘要、正文

    #editorial#产品更新#部署/工程#Agent
  5. Ollama Blog

    Meta Superintelligence Labs 首个开源模型 Muse Glimmer 上线 Ollama

    Meta Superintelligence Labs 的首个开源模型 Muse Glimmer 已在 Ollama 上线，这是一个 30B 多模态模型，面向本地运行的智能体工作负载，上下文长度 128K+，采用 Apache 2.0 许可。它可用于 Claude Code、Codex、Pi 等编码智能体，以及 OpenClaw、Hermes 等长期运行的个人助手，并支持 low、medium、high、xhigh 四档可控推理强度。在 Apple Silicon 上，Ollama 的 MLX 引擎新增 DFlash 与图像输入支持，使 Muse Glimmer 运行速度提升 1.5×–1.8×，其 1.8B 参数感知编码器带来原生图像理解能力。

    匹配字段标题、摘要、正文

    #company#产品更新#多模态#Agent
  6. A6 a6-052 · Fireworks AI精选

    Fireworks AI 上线 Meta Muse Glimmer 30B 模型

    Fireworks AI 上线 Meta 的 Muse Glimmer 30B 稠密模型，支持 128K+ token 上下文窗口和原生图像理解，面向多轮工具调用的常驻智能体场景。该模型采用滑动窗口注意力，多数层窗口为 2,048 token、每四层设一个全局注意力层，配合 2 个 KV head 控制 KV cache 占用，权重以 Apache 2.0 发布。Fireworks AI 同时给出推荐参数 temperature=1.0、top_p=0.95、top_k=64，并支持在系统提示词中设置 low 到 xhigh 的推理强度。

    匹配字段标题、摘要、正文

    #a6-editorial#产品更新#Agent#开源生态

星期一

  1. Prime Intellect

    Prime Intellect 等发布 7B 宏基因组基础模型 METAGENE-1

    USC、Prime Intellect 与 Nucleic Acid Observatory 合作发布 7B 参数自回归 Transformer 宏基因组基础模型 METAGENE-1，在超过 1.5 万亿碱基对的污水宏基因组 DNA 与 RNA 序列上预训练，用于疫情监测、病原体检测和新兴健康威胁的早期发现。模型采用针对宏基因组序列的 BPE 分词，在病原体检测和宏基因组嵌入基准上取得 SOTA，并演示了病原体与异常检测场景。团队称其 512 token 上下文长度限制了复杂序列设计任务，当前版本风险较低，但未来更大模型开源前需严格安全评估。

    METAGENE-1: Metagenomic Foundation Model

    匹配字段标题、摘要、正文

    #company#模型发布#数据/训练#开源生态

星期二

  1. Mustafa Suleyman

    微软 MAI-Image-2.7-Preview 升至图像编辑榜第二

    Mustafa Suleyman 宣布 MAI-Image 成为全球第二的图像编辑模型，称其再次超过 Google、Meta、xAI 和 GPT-Image-2.5-Flare，并可在 MAI Playground 试用。其引用的 Artificial Analysis 评测显示，微软 MAI-Image-2.7-Preview 在 AA-Image-Editing v2.1 上排名第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst（max），在 7 项编辑动作上均高于 MAI-Image-2.6，其中构图与取景提升 +57 Elo、文字或符号编辑 +49、场景与风格编辑 +48，并在 4 项动作上排名第一。该模型目前仅在 MAI Playground 提供图像编辑，文生图功能称即将推出。

    匹配字段摘要、正文

    #hot-signal#评测/基准#图像生成#Microsoft