2026年10月20日,Fireworks在发布当天上线了Meta的开放权重模型Muse Spark Open,用户可通过其无服务器API使用。该模型为816B参数的MoE模型,每token激活42B参数,上下文窗口为1M token,面向长程编码与智能体任务。Fireworks称,该模型在Vals AI的Harvey法律智能体基准上以25.4%在75个模型中排名第一,约为Claude Opus 5(6.7%)的近4倍;在Rogo Big Finance Bench上各难度级别均超过Claude Opus 5.5。Fireworks还表示,用自家生产栈验证该权重,AIME26得91.1%、GPQA Diamond 89.7%、SWE-bench Verified 84.3%,并以SGLang复跑得到一致结果。该模型在Fireworks上默认启用零数据保留,仅使用美国境内算力且不额外加价,并支持用无服务器LoRA进行微调。
匹配字段标题
Meta 发布了 Muse Glimmer 技术报告。该报告介绍的是一个 30B 开源权重模型,面向消费级硬件上的智能体任务。据报告,该模型在 4-bit 精度下可在 Mac 或 PC 的单张消费级 GPU 上以实用速度运行,在工具使用和多步规划上领先同规模开源模型。报告内容涵盖模型架构、蒸馏配方和量化等方面。目前尚无后续进展。
匹配字段标题
Meta 发布了 Muse Glimmer 技术报告。该报告介绍的是一个 30B 开源权重模型,面向消费级硬件上的智能体任务。据报告,该模型在 4-bit 精度下可在 Mac 或 PC 的单张消费级 GPU 上以实用速度运行,在工具使用和多步规划上领先同规模开源模型。报告内容涵盖模型架构、蒸馏配方和量化等方面。目前尚无后续进展。
匹配字段标题
Meta 于 2026 年 10 月 20 日发布 30B 开源权重模型 Muse Glimmer 的技术报告,该模型面向消费级硬件上的智能体任务,并以 4-bit 精度在单张消费级 GPU 上运行。转述者补充称,该模型在工具调用和多步规划上领先同规模开源模型,部分指标超过 Qwen3.6-27B 和 Gemma4-31B;4-bit 量化后约 17GB,目标在 24GB 显存设备上运行,采用 DFlash 推测解码在 RTX 5090 上约 233 tokens/s,相比普通解码提速约 3.1 倍。目前尚无后续发展事实。
匹配字段标题
Meta工程团队公布了Prometheus超级集群的技术细节。该集群位于俄亥俄州New Albany,目前由数十万GPU组成并作为单机运行,计划扩展至约100万GPU。Meta确认第一阶段已用该集群训练Muse系列基础模型(含Muse Wonder),其中Muse Wonder预训练goodput超过85%、强化学习超过90%。Meta还披露了基于NVIDIA GB200 NVL72的Catalina和基于GB300 NVL72的Clemente两套平台,以及即将到来的Vera Rubin NVL72平台。
匹配字段标题
2026年10月20日,Fireworks在发布当天上线了Meta的开放权重模型Muse Spark Open,用户可通过其无服务器API使用。该模型为816B参数的MoE模型,每token激活42B参数,上下文窗口为1M token,面向长程编码与智能体任务。Fireworks称,该模型在Vals AI的Harvey法律智能体基准上以25.4%在75个模型中排名第一,约为Claude Opus 5(6.7%)的近4倍;在Rogo Big Finance Bench上各难度级别均超过Claude Opus 5.5。Fireworks还表示,用自家生产栈验证该权重,AIME26得91.1%、GPQA Diamond 89.7%、SWE-bench Verified 84.3%,并以SGLang复跑得到一致结果。该模型在Fireworks上默认启用零数据保留,仅使用美国境内算力且不额外加价,并支持用无服务器LoRA进行微调。
匹配字段标题
Meta正在Muse网页端开发Confidential VMs功能,让用户在加密的保密环境中运行Muse任务。此前Meta预告该功能将在2026年底前上线。新出现的隐藏设置显示,该功能初期仅向Meta AI订阅用户开放;切换后,语音模式、图像与视频生成及可穿戴设备支持暂不可用。Meta称对话在安全加密环境中运行,Muse数据不会用于改进Meta的AI。目前该功能仍处于开发阶段,尚无正式上线时间的进一步证据。
English translation is being prepared.
匹配字段标题
Meta宣布,其千兆瓦级超算集群Prometheus第一阶段已在俄亥俄州New Albany建成,并用于训练Muse系列基础模型,包括Muse Wonder。该集群目前由数十万块GPU组成,满规模目标约100万块,已部署NVIDIA GB200 NVL72(Catalina)和GB300 NVL72(Clemente)两代平台,后续将引入Vera Rubin NVL72。Meta称,Muse Wonder预训练goodput超过85%、强化学习goodput超过90%,并将中断率从2025年中期峰值降低99%。后续报道补充称,Muse Wonder训练期间平均每约47K GPU小时才发生一次中断;Meta表示,在如此规模的集群中,哪怕一台主机性能不达标也会拖慢整轮训练,因此Prometheus按大规模容错来设计。
匹配字段标题
Meta宣布,其千兆瓦级超算集群Prometheus第一阶段已在俄亥俄州New Albany建成,并用于训练Muse系列基础模型,包括Muse Wonder。该集群目前由数十万块GPU组成,满规模目标约100万块,已部署NVIDIA GB200 NVL72(Catalina)和GB300 NVL72(Clemente)两代平台,后续将引入Vera Rubin NVL72。Meta称,Muse Wonder预训练goodput超过85%、强化学习goodput超过90%,并将中断率从2025年中期峰值降低99%。后续报道补充称,Muse Wonder训练期间平均每约47K GPU小时才发生一次中断;Meta表示,在如此规模的集群中,哪怕一台主机性能不达标也会拖慢整轮训练,因此Prometheus按大规模容错来设计。
English translation is being prepared.
匹配字段标题
Meta 于 2026 年 10 月 20 日发布 30B 开源权重模型 Muse Glimmer 的技术报告,该模型面向消费级硬件上的智能体任务,并以 4-bit 精度在单张消费级 GPU 上运行。转述者补充称,该模型在工具调用和多步规划上领先同规模开源模型,部分指标超过 Qwen3.6-27B 和 Gemma4-31B;4-bit 量化后约 17GB,目标在 24GB 显存设备上运行,采用 DFlash 推测解码在 RTX 5090 上约 233 tokens/s,相比普通解码提速约 3.1 倍。目前尚无后续发展事实。
匹配字段标题
Meta 更新商业条款,删除了被解读为允许其抓取网站内容训练 AI 的表述。Neiman Lab 和康奈尔大学法学教授 James Grimmelmann 此前认为,该条款意在让 Meta 免费使用抓取内容训练 AI,并可绕过 robots.txt 中的屏蔽指令。Meta 传播副总裁 Andy Stone 和发言人 Daniel Roberts 曾回应称 Meta 使用网络爬虫的方式没有变化,此次条款更新则直接移除了争议表述。另有报道称,Meta 更新商业服务条款时曾声明有权使用企业账户域名、网页或 URL 的内容来训练 AI 模型,引发争议后已删除该表述;Meta 称此次更新只是对既有广告条款的合并整合,并非扩大爬虫行为,修改后条款限定爬虫与数据收集仅用于广告和商业产品,站长仍可通过 robots.txt 控制爬虫权限。
English translation is being prepared.
匹配字段标题
Arena.ai 对 Meta 的 Muse Wonder 与 Muse Wonder Full 两款模型进行了测试。测试任务包括 3D 场景、动画 HTML 片段和多个网站构建任务;@petergostev 将这两款模型与 Claude Opus 5.5、Sonnet 5.5、Fable 5.1、GPT-6.1 Sol、GPT-6 Astra 和 Gemini 4 Argon 进行了对比。目前尚无后续发展事实。
匹配字段标题
Arena 测试 Muse Wonder与Muse Wonder Full
English translation is being prepared.
匹配字段标题
Meta 于 2026 年 10 月 20 日通过工程博客介绍 GenRecs Tokenization 广告推荐方案。该方案用稳定语义词表中的 token 表示广告、商品、页面等条目,替代为每个条目维护专属 ID,并与 Meta 的 GEM 和 Adaptive Ranking Model 配合。据 Meta 内部数据(2026 年 2 月测量),该方案在广告主转化上带来 +0.35% 提升。Meta 表示,它让模型能借助共享概念理解从未有过互动记录的新广告和新商品,并支持跨广告系列迁移洞察。目前尚无后续发展事实。
匹配字段标题
Meta 介绍 GenRecs Tokenization
English translation is being prepared.
匹配字段标题
2026年10月15日,Meta发布开放权重模型Muse Spark Open,权重当天在Hugging Face上线,采用Muse Model License。据PyTorch Blog,该模型为816B总参数、42B激活参数、1M token上下文窗口,原生多模态并面向编码与智能体任务,在Muse Spark基础上增加安全后训练,可在SGLang和vLLM上运行。10月16日,该模型上线Amazon SageMaker JumpStart,提供BF16与NVFP4两个变体;同日进入Arena的Agent Arena实测,并上线Code Arena的WebDev等项目。10月17日,Arena公布Muse Spark Open (Max)以1511分成为Code Arena WebDev排名第一的美国开源模型,在全部开源模型中排第13。
匹配字段标题
Meta 更新商业条款,删除了被解读为允许其抓取网站内容训练 AI 的表述。Neiman Lab 和康奈尔大学法学教授 James Grimmelmann 此前认为,该条款意在让 Meta 免费使用抓取内容训练 AI,并可绕过 robots.txt 中的屏蔽指令。Meta 传播副总裁 Andy Stone 和发言人 Daniel Roberts 曾回应称 Meta 使用网络爬虫的方式没有变化,此次条款更新则直接移除了争议表述。另有报道称,Meta 更新商业服务条款时曾声明有权使用企业账户域名、网页或 URL 的内容来训练 AI 模型,引发争议后已删除该表述;Meta 称此次更新只是对既有广告条款的合并整合,并非扩大爬虫行为,修改后条款限定爬虫与数据收集仅用于广告和商业产品,站长仍可通过 robots.txt 控制爬虫权限。
匹配字段标题
WhatsApp帮助与FAQ页面的代码中泄露了面向Meta大语言模型的隐藏指令。据Wired报道,约80个帮助与FAQ页面包含约100段此类指令,其中设有“WHAT NOT TO SAY”等章节,要求机器人不提供法律建议、不引用GDPR等隐私法规,也不建议用户联系数据保护监管机构。隐私公司Redact发现这些内容后,WIRED联系Meta,相关文本已从所有页面移除。WhatsApp发言人Joshua Breckman称这是已修复的bug,这些指令用于让支持聊天机器人给出准确相关的回答。Solidot同日报道称,这些指令对人眼不可见但模型能读取,内容还包括不要暗示WhatsApp可代用户手动删除账户;该报道提到互联网档案馆仍有存档。
匹配字段标题
OpenAI与Meta代表在美国司法会议证据规则咨询委员会会议上表示,人工智能驱动的深度伪造将严重威胁法律诉讼中的证据可靠性。报道同时指出,这类情况在司法实践中尚属少见:一项覆盖931名美国法官的调查显示,仅15名法官遇到过因涉嫌深度伪造而质疑证据可信度的情况。目前该表态仍停留在会议发言层面,尚无后续发展事实。
匹配字段标题
OpenAI与Meta代表 表示 人工智能驱动的深度伪造将严重威胁法律诉讼中的证据可靠性
English translation is being prepared.
匹配字段标题