Meta 的自主 AI 研究系统 AIRA₃ 在 NVIDIA 举办的 Kaggle 竞赛中从约 4000 支队伍中排名第 8，获金牌，任务为微调 30B Nemotron 模型以提升推理能力。该系统不依赖中央控制器，而是让多个长时运行的智能体在隔离环境中通过共享论坛与文件系统异步协作。其夺金组合为 GPT 5.5（配 OpenCode）+ Claude 4.8（配 Claude Code），内部基准中还在生产 GPU kernel 上实现 27% 延迟降低。
匹配字段标题
Meta 在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是对一个 30B Nemotron 模型做微调以提升其推理能力，AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌。AIRA₃ 不依赖中央控制器，而是让多组模型加编码工具在隔离环境中长时间运行，通过共享论坛和共享文件系统异步协作。赛后 Meta 还用 Muse Spark 1.2（配 MuseCode）等模型做了评估，其中 Muse Spark 1.2 达到金牌水平，Muse Spark 1.1 和 GLM 5.2 达到银牌水平，这些赛后提交在与现场竞赛相同的私有测试集上由外部评分。
匹配字段标题
Meta 在 6 月让下一代自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是微调 30B Nemotron 模型以提升其推理能力，所有参赛者信息相同并在私有测试集上外部评分。AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌，超过使用相同前沿工具的人类参赛者。AIRA₃ 不依赖中央控制器，而是让大量长时运行的智能体在隔离环境中通过共享论坛和共享文件系统异步协作；其金牌方案由 GPT 5.5（配 OpenCode）与 Claude 4.8（配 ClaudeCode）组合而成，事后评估中 Muse Spark 1.2（配 MuseCode）也达到金牌水平，Muse Spark 1.1（配 OpenCode）和 GLM 5.2（配 OpenCode）达到银牌水平。Meta 称该系统只改任务说明即可跨领域泛化，内部基准上实现生产 GPU kernel 延迟降低 27%，并在另一场将 4000 年前阿卡德语泥板翻译成英文的 Kaggle 竞赛中取得金牌级表现。
匹配字段标题
Meta 在 Muse Code 和 Meta Model API 上线 Muse Spark 1.3 max reasoning 版本。Alexandr Wang 表示该版本在编码和智能体任务上表现明显更强，即使已用过 muse spark 1.3 high 或 xhigh 也值得一试。
匹配字段标题
Meta 推出 ZGateway，作为统一 ZippyDB 客户端流量的代理层，可承载超过 10 亿次/秒操作，目前承载约 40% 的 ZippyDB 流量，预计将增长至 60% 以上，平均用例仅增加约 6% 计算开销。它作为无状态代理层运行在客户端与 ZServer 集群之间，通过 ServiceRouter 按区域部署，提供准入控制、负载均衡、跨区域容灾和连接管理，将原本密集的客户端与数据库直连网状结构收敛为两段有界连接。
匹配字段标题
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
敬请期待更多更新，包括更大的模型、Muse Spark 开源权重等。🚀
匹配字段标题
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
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
Meta 工程博客介绍了一个面向合规领域的 AI 智能体，把组织知识拆成 200 多个结构化文件，并用可组合的 recipes 分离知识与推理流程。专家反馈经诊断、编译、验证后以文本编辑形式落地，无需重训模型，每个修复都会自动加入回归测试集。系统在六周三个开发冲刺后，将单项评估耗时从数天缩短到数分钟，改进周期内零回归。
匹配字段标题
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
Muse Voice Transcribe 是 Muse Spark 系列的自回归多模态 LLM。 音频以 80ms 分块（12.5 Hz）处理，每块一个 token，模型在每个分块决定是继续听还是输出文本。 结合词错误率和延迟奖励的 RL 赋予其自适应延迟：在难词上等待更久，在易词上更早确定，逐词权衡准确率与延迟。
匹配字段标题
借助自适应延迟，Muse Voice Transcribe 在以最终转写时间为衡量标准的速度-准确率权衡上达到了帕累托前沿。
匹配字段标题
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
Meta 同意通过 $18B 和解协议重塑 Facebook 和 Instagram 的青少年体验，包括每日使用上限 2 小时、夜间停用、上课时段通知静音及更严格的年龄验证。Meta 保证支付约 $12.7B，另有约 $5.3B 取决于 TikTok 和 YouTube 是否接受类似限制并各支付约 $6B。个性化推荐和定向广告仍将保留。
匹配字段标题
Clara Shih 表示，Meta 的 AI 智能体将原本涉及用户研究、设计、产品管理和多类工程师的开发流程压缩至一两人完成，这段经历促使她离职并创办 New Work Foundation。她认为约五分之一的企业岗位将尤其面临挑战，并指出自己曾因使用 AI 而撤下初级职位招聘。她建议年轻人深入掌握上下文、工具调用和评测等智能体技能，同时积累领域经验与人际支持。
匹配字段标题
Meta 最新 AI 优化数据中心大多采用闭环液冷，冷却液（水与乙二醇混合）在密封回路中循环，预计可使用长达十年无需更换。Meta 称典型采用闭环液冷加干冷器的 AI 数据中心年用水量少于几家全服务餐厅，且相比风冷可在同等机架空间内容纳更多 GPU。Meta 还通过 Open Compute Project 开放相关设计，2025 年宣布了液冷网络机架平台 IcePack，并用强化学习优化冷却系统。
匹配字段标题
据路透深度报道，Meta 领导层决定将团队规模缩减 60%，并于 1 月制定计划，推进这家社交媒体巨头史上最大规模的裁员，动因是担心 AI 原生初创公司能以更少人力做更多事。本期 The Pulse 还讨论了 Ramp 的 AI 基础设施、GitHub 负载在四个月内翻倍等话题。
匹配字段标题
Meta 与 47 个美国州、哥伦比亚特区及美国领地达成最高 171 亿美元的和解，结束联邦儿童隐私与消费者保护诉讼。协议要求青少年每天在 Facebook 和 Instagram 累计使用不超过两小时，午夜至早 6 点屏蔽大部分功能，并默认开启每 15 分钟休息提醒。Meta 还同意建立独立社交媒体研究基金会，并称若 YouTube 和 TikTok 不采取相同限制，部分措施仅维持五年。
匹配字段标题
以下是 Muse Spark 1.1 和 1.2 在 Plywood Whale 上生成的产物：https://t.co/q5dATHjPGZ https://t.co/Qb8vZISu4V
匹配字段标题