搜索“其他”

措都是为了让Meta跟上OpenAI、Anthropic和谷歌的步伐。 在重组公司的AI业务后，Meta一直试图通过不同于竞争对手的路线实现差异化，专注于开发能力强大的模型，以满足广泛的消费级应用需求。今年9月，Meta推出了个人AI智能体Muse，旨在帮助用户处理日常事务并与Meta旗下社交应用相连，受到了市场的热烈欢迎。 Wang表示：“我认为，整个行业其他参与者的注意力一直集中在编程智能体上。我们确实认为，自己采取了不同的方向，致力于让个人智能体真正发挥作用。” 扎克伯格也强调：“其他公司都专注于更多的知识工作、自动化类型的案例，而我们更专注于个人赋权。” 对于公司后续的模型开发计划，Wang表示，公司AI部门MSL已着手研发“规模更大的模型”。与此同时，团队也在努力降低这类技术的服务成本，以便将其大规模部署给数十亿用户。 他解释道，与Meta此前推出的较小的Muse Spark模型相比，Muse Wonder的规模更大，运行成本也更高。因此，公司正在开发专用版本，希望在保留Muse Wonder大部分能力的同时，提高运行效率，以足够低的成本服务海量用户。 12日当天，Meta（

匹配字段正文

模型需要针对不同任务专门强化，那么真实应用中未被充分训练的长尾场景，尤其是办公场景，表现又会如何？ 曾获得提前测试机会的Citrini在X上表示，Wonder在能力与执行效率之间取得了不错的平衡，金融任务表现也令人意外。他尤其看好Meta在小企业Agent市场上的机会。 Shopify CEO Tobi Lütke也给予积极评价，表示在自己的测试中，很难找到其他顶级模型失败而Wonder同样无法完成的任务。 这种分歧，恰恰说明模型的能力并不能被一个综合分数完全概括。 而对于发布仅一天的Wonder来说，开发者反馈仍然是初步样本。完整的真实任务可靠性、平均耗时和长期表现，还需要更多独立测试。 成本涨了近3倍 如果说Wonder的性能让Meta重新进入前沿模型阵营，那么它的成本则让这场竞争变得更加现实。 目前，两款模型均支持100万Token上下文窗口，以及文本、图像、视频、音频输入，主要输出文本。 标准版Wonder已经通过Meta Model API、Muse Code和OpenRouter提供服务，定价为每百万输入Token 4美元、缓存输入0.2美元、输出20美元。 这一价格与Cl

匹配字段正文

并在新任务需要时主动找回相关内容。用户此前提过的偏好、限制和个人情况，可以成为后续任务的参考，减少每次对话都重新交代背景的麻烦。 Wang向Axios表示，个人智能体需要让重要信息在数天、数周乃至数月的交流中延续下来。 向左滑动查看更多内容 Active Focus则针对任务执行到一半停下来的问题。现实中的操作会遇到页面变化、信息缺失或预订失败，模型需要尝试其他方法，根据新信息调整计划，并持续推进任务。Meta表示，模型仍会在必要时询问用户，并在重要操作前征求确认。 扎克伯格在最新访谈中将这一思路概括为「模型就是产品」，能力和性格等产品特征都得进训练过程。Wang补充，智能体何时主动、如何与用户交流，也属于需要专门设计的产品行为。 Wang向CNBC举了预订餐厅的例子。智能体查询空位时可能遭遇各种障碍，训练的目标之一，就是让它尝试其他路径，减少一遇到问题便停下来向用户求助的情况。 编程是检验这些能力的试金石。 一个持续开发的软件项目，要求模型做到心中有数：记住需求、读懂已有代码、改动多个文件、反复测试修正。Meta表示，两款模型都接受过多种长时间任务的训练，以提高持续作战的能力。 官方

匹配字段正文

测量的全部五项运动相关指标上均优于基础模型，并在五项指标中的四项上胜过一个大得多的图像到视频模型。 MolmoMotion 是一个能力很强的模型，但仍有一些局限性需要注意。它在训练期间每个物体使用八个查询点——足以预测有用的轨迹，但不足以稠密表示表面几何。这限制了模型处理复杂可变形运动的能力。 我们认为预测——在物体运动之前预判世界中的物体将如何运动——对机器智能而言，与感知已经存在的事物同样基础。MolmoMotion 是朝着这一方向迈出的一步——无需按类别模板、从普通视频中学习、可跨物体类别泛化的三维运动预测，也是我们在 PointMotionBench 上测量到的最准确的三维运动预测器。我们预计机器人、视频及其他领域将出现许多应用。 我们鼓励你通过下载权重、检查训练数据，并对照 PointMotionBench 评估我们的方法来试用 MolmoMotion。 在 Ai2，我们正在构建透明、开源 AI 的未来——以开放方式构建，以赋能科学进步，并促进对这项改变世界的技术的基本理解。我们不是为了盈利，而是为了确保 AI 的益处被广泛共享并造福人类。如果这吸引你，请看看我们的开放职位。

匹配字段正文

tools 时，思考只发生在工具调用之间，总响应时间相同或更快。 该示例还将 effort 从 xhigh 降为 high，因为 between tools 有以下限制： between tools 在 low、medium 和 high effort 下可用。在 xhigh 或 max 下会返回 400 错误；要在这些级别运行，请使用自适应思考；它不接受其他字段。随它发送 display、budget tokens 或 block binding 会返回 400 错误；使用 between tools 时，effort 不能在对话中途更改。要按轮次改变 effort，请使用自适应思考；模型在工具调用之间写出的简短进度更新仍会以 thinking 块的形式返回，并带有摘要文本。按类型读取内容块，并将这些块连同助手回合的其余部分原样传回。不使用工具时，响应只包含文本；它在所有提供 Sonnet 5.5 的平台上都可用，无需 beta 标头。如果你的 SDK 版本未定义 between tools，请更新它 如果你使用 between tools 关闭了前置思考，对于没有工具但需要几步推

匹配字段正文

0 个专科类别的 500 个临床案例。 结果如何？Ember-1 在 Bedside Bench 上为包括 GPT-5.6 Sol、GPT-6 Astra 和 Claude Opus 5 在内的开源和闭源模型设定了新的帕累托前沿，衡量维度为每任务成本。 图 2：Bedside Bench SII 上的得分与时长对比图 在更多行业基准上评估帕累托表现 我们还在其他一些行业基准上，从质量与成本的前沿角度评估了 Ember-1。我们使用公开的 Kimi K3 API 定价（未缓存输入每百万 token 3 美元，缓存输入每百万 token 0.30 美元，输出每百万 token 15 美元）计算了每个基准的成本，并将其与三个配置的通过率进行对比绘图：推理强度为低的 K3、推理强度为高的 K3、推理强度为最高（默认）的 K3，以及 Ember-1。在每一个测试样本超过 50 个的基准上，Ember-1 都位于帕累托前沿之上或附近，以极低的成本达到 K3-max 的质量，并严格优于 K3-low。我们还分析了 GPT-6 Astra、Claude Opus-5 和 GLM 5.3，发现 Embe

匹配字段正文

沿模型的推理需求。当算力不再成为限制国产模型开发者的一道坎，希望这一天早点到来。 0 0 别只盯2K+185Hz，真正狠的技术藏在屏幕最底下一层 数码家电 | 通讯 1小时前; 0 0 苹果首款智能家庭中枢来了！没按钮，会认人，售价2000块竟然不贵？ 数码家电 | 智能穿戴 7小时前; 0 0 蚂蚁灵波连续签约隆盛唯睿、德马科技等企业，具身大脑加速进产线 其他 | 其他 8小时前; 0 0 奥迪全系买一赠一，结果只是送车模，网友：耍我呢！？ 四舍五入等于白给？“11.11”剁手疯抢尖货，爆款家庭影院直降700！ 天猫 ￥ 2899 购买; 解决生活中心态崩塌瞬间，京东让你告别“我太难了” 暂无报价; 北斗加持+拍照极致+超大电池，618联想Z6青春版999元起震撼来袭！ 官网 ￥ 999 购买; 享界896线激光雷达动态首测，硬核守护一步到位 暂无报价; 华为举办鸿蒙智家技术沟通会，多款新品重磅亮相 暂无报价 更时尚依然好听1MORE HQ51摩卡棕版头戴耳机 9.7分 神作 海风; 儿童节送礼好选择，能拍立打松典相机 7.8分 用心之作 大玩家朱金斌; 迪士尼联名相机实测，能拍娃能

匹配字段正文

的马——Kieran Klaassen 我对这个模型又爱又恨——Theo 但我抱有希望，因为 GPT-5 发布时的情况正是如此。到我们迎来 GPT-5.3 时，也就是几个月后，那个模型已经稳定地表现出色了。 Astra 能在 Canva 里画肖像——没错，就是像你我那样用电脑来画（但显然要好得多）。它的电脑操作速度足够快，能弹钢琴。 人们用 Astra 做的其他事情： 在 Unreal Engine 中重建曼哈顿。 自主生成 UI。 3D 打印定制的淋浴排水口零件。 从频谱图（即带有声频的图片）中识别声音。 以及数十个在 Blender 或类似工具中为现实产品建模的例子。 另外，在 Codex 中，Astra 现在可以在不等待回答的情况下提问。它会继续推进所有不需要你回答（或者答案可以假定）的事情，并使用你的回复，同时不会丢失原始任务的线索。 OpenAI 还表示，它已经达成了自动化研究实习生这一目标。这些智能体可以处理一名熟练人员需要数天才能完成的研究任务，而人类则负责设定方向并评判结果。下一个目标是在 2028 年 3 月前实现自动化 AI 研究员。 你很快就能改变 Claude

匹配字段正文

核和模型压力测试等六阶段质量控制，最终采用率为 9.78%。模型仅用于辅助发现残留歧义和过期证据，所有修改与录用决定均由金融专家作出。 图 2：FinFIRST 的数据构造与任务分布。候选题依次经过专家编写、独立复答、交叉验证、Rubric 审核、压力测试和一致性检查，最终保留 123 道任务。 在数据组成上，FinFIRST 覆盖中国内地、美国、中国香港及其他市场，其中中文题占 60.2%，英文题占 39.8%。超过五分之四的题目包含多个相关子问题，61.8% 要求显式计算，32.5% 需要多个信源，75.6% 不直接指定信源，需要 Agent 自主搜索和判断。所有题目均使用公开可访问的信源。 评测设计：统一工具环境，三项互补指标 所有参评模型均使用统一的 ReAct 式智能体框架，以及 Web Search、Visit 和 Python 等相同工具。评测设置三项互补指标：Atomic 衡量原子评分项通过率，Loose Pass 衡量加权部分得分，Strict Pass 则要求一道题的全部原子项均通过。 整体结果显示，Ling-3.0-flash-Fin 的信源核验（Source V

匹配字段正文

上，3.8 Flash 在端到端自主解决复杂工程问题方面优于大多数更大的前沿模型，而成本仅为其一小部分。 此外，3.8 Flash 在专业知识领域展现出关键企业自主性所需的可靠性。在需要高级分析和报告的定量与专业领域，3.8 Flash 在 Vals Finance Agent V2 和 Harvey 的法律智能体基准等基准测试中优于 3.7 Flash 和其他前沿模型。3.8 Flash 在 HLE-Verified 上还取得了 54.9% 的成绩，展示了其在 STEM、人文学科和专业领域处理多步推理的能力。 这些性能提升源于一个核心设计选择：3.8 Flash 更加努力。在复杂任务上，它表现出更高的勤勉度——执行额外的推理步骤，并迭代调用工具。有时，模型可能会使用更多 token 以最大化性能，尤其是在更高的努力级别下。 对于计算效率是主要约束的应用，开发者可以利用较低的努力级别来最小化 token 开销，或继续依赖 Gemini 3.7 Flash，该模型仍完全支持效率优先的工作负载。 Gemini 3.8 Flash 在 Google Antigravity 中使用循环指令，仅

匹配字段正文

E-Bench Pro51.236.950.2 注：Muse Glimmer 的基准数据由 Meta 报告 如果你的智能体运行在终端中或驱动桌面，请对两个模型都进行基准测试。如果它通过长时间多轮会话编排 API 和 MCP 工具，那么在此规模下这是更强的选择。 Muse Glimmer 已在 Fireworks 上提供，支持无服务器和按需部署两种方式。我们比其他方晚一天发布，这是有意为之。我们多花了一天来启动，因为我们想把这件事做对。这意味着修正模型发布的生成配置，并将推理强度控制一路贯通到模型。优秀的模型值得优秀的执行。质量是我们的最高优先级，我们希望确保你从第一天起就能获得你所期望的精确性能、控制力和可靠性。 无需采购 GPU。从一次 API 调用开始；无需容量规划即可扩展到生产环境。 为突发性智能体流量而构建。智能体工作负载会不可预测地激增。Fireworks 自动扩缩以匹配需求，因此你无需为峰值预留容量。 良好运行：Meta 建议使用以下设置。 temperature = 1.0，top p = 0.95，top k = 64 推理强度在系统提示词中设置为 Reasoning

匹配字段正文

上的通过率达到 25.3%，与总参数规模约为其两倍的开源 SOTA 模型达到同等水平。MiniAppBench 要求模型仅根据一句用户需求，生成完整可用的 APP，参与评测的 16 个主流模型平均通过率仅为 17%。 响应快：长程交互，无需重算 Agent 任务越复杂，对话轮次越多，上下文也越长。传统推理服务中，一旦本地缓存被新请求挤出，或同一会话被调度至其他计算节点，系统往往需要重新处理前面数万 Token 的上下文，导致首 Token 延迟（TTFT）快速上升。为此，Ling-3.0-flash 基于 SGLang HiCache 与 Mooncake 构建了集群级分层缓存体系，让已有上下文能够跨层级存储、跨节点共享和按需恢复，将缓存从”实例私有”升级为”集群共享”，最大限度减少长上下文的重复计算。实测显示，在长输入场景下，命中 L3 Cache 相比直接重新计算，可将 TTFT 降低 60%～80% 以上。 从本地缓存到集群共享，从重复计算到分层复用，Ling-3.0-flash 显著提升了长会话的 Token Efficiency。对于 Coding Agent、长文档问答等

匹配字段正文

个编程挑战：“给我构建一个程序化生成的 3D 模拟，展示一个港口城镇从公元前 3000 年到公元 3000 年的演变，它应该看起来很美，并允许我对它有一定的控制。” 然后我把每个答案都发布到这个画廊里，这样你就可以拿它们做实验（实际上，我是让 GPT-5.5 Codex 帮我构建的画廊页面）。你应该玩一玩它们来感受差异，但你可以在下面看到其中几个例子。除了在其他所有维度上都更好之外，只有 GPT-5.5 Pro 真正模拟了一个不断演变的城镇，而不只是随着时间推移生成新的建筑替换。GPT-5.5 Pro 也比它的上一代快得多：GPT-5.4 Pro 完成任务用了 33 分钟，GPT-5.5 Pro 用了 20 分钟。 我一直鼓励你把 AI 不看作单一的东西，而看作三个相互关联的概念。你需要考虑模型，比如 Opus 4.7、Gemini 3.1，或者（现在）GPT-5.5。你还要关注应用，也就是你实际用来与模型对话的产品，它们让模型为你做真正的工作。最常见的应用是每个模型的网站：chatgpt.com、claude.ai、gemini.google.com。但是，像 Claude Code

匹配字段正文

SOTA 级别的表现。 这也意味着，Ling-2.6-flash 所追求的，并不是单点极限能力，而是在控制 Token 消耗的前提下，依然保持对 Agent 任务的强竞争力。对开发者与企业而言，这代表着更低的推理成本、更高的部署效率，以及更适合大规模真实应用的模型体验。 Ling-2.6-flash 在 Agent 相关基准上达到同尺寸 SOTA 水平，并在其他核心能力上保持出色表现。 01 混合线性架构，释放推理效率 架构改进 Ling-2.6-flash 延用了 Ling 2.5 的模型架构设计：在 Ling 2.0 架构基础上引入了混合线性注意力机制。通过增量训练方式，将 Ling 2.0 架构的 GQA 注意力机制升级为 1:7 的 MLA + Lightning Linear 高效混合架构。 得益于混合注意力机制与高度稀疏化的 MoE 架构，Ling-2.6-flash 在推理效率上展现出显著优势。与同尺寸级别的主流 SOTA 模型相比，Ling-2.6-flash 不仅首字响应更快，长输出场景下的生成效率也更高，Prefill 吞吐与 Decode 吞吐最高均可达到约 4

匹配字段正文

大小的单元格组成的。让我尝试推断网格的尺寸。 假设迷宫是一个 N x N 的网格。 587 和 586 非常接近。如果这是一个 17x17 的网格（包括墙壁），每个单元格大约是 34-35 像素。 让我尝试通过检查图像中的线条或简单的除法来确定网格大小。 587 / 17 = 34.52… 586 / 17 = 34.47… 这看起来不太像整数。 让我们尝试其他常见的尺寸，比如 15x15, 19x19, 21x21 等。 或者，我可以尝试根据红球和绿球的位置以及边界框来推断。 红球在左上角，绿球在右下角。 让我尝试将边界框内的图像分割成网格，并尝试几种可能的网格尺寸，看看哪种能产生清晰的黑白模式。 考虑到边界框是 587x586，这可能意味着最外圈是墙壁。 让我们尝试检测边缘或简单的阈值来估算单元格大小。 或者，我可以假设网格大小是使得 587 和 586 能被整除的数。 587 是质数吗？587 / 1 = 587. 586 = 2 293. 这有点奇怪。也许边界框检测有轻微偏差，或者迷宫本身不是完美的正方形网格，或者最外层的黑边厚度不同。 让我重新检查边界框。也许我应该直接对整个

匹配字段正文