←Meta / Llama
← 全部主题

Meta / Llama

追踪 Meta AI、Llama 模型、开源研究与相关产品。

公开阅读组
23
近 30 天
13
目录状态
策展主题

最新ARC Prize 公布 Meta Muse Spark Open 在 ARC-AGI 上的评测结果

最新阅读组

同一事实的重复报道已合并

  1. ARC Prize一手解读
    AI 评分62

    ARC Prize 公布 Meta Muse Spark Open 在 ARC-AGI 上的评测结果

    ARC Prize 公布 Meta 的 Muse Spark Open 在 ARC-AGI 上的验证成绩：ARC-AGI-1 为 89.0%、每任务 $0.29，ARC-AGI-2 为 57.5%、每任务 $0.73，ARC-AGI-3 在标准 harness 下为 0.1%、$3.9K。ARC Prize 称其 v1/2 得分与 Haiku 5.5 和 GPT-6 Luna 相近，但成本约为后者的 9 倍；该模型在 OpenRouter 上定价为每百万输入 $1.25、每百万输出 $4.25。随推理档位提升，ARC-AGI-2 从 medium 的 29.4%（平均 55k tokens/任务）升至 xhigh 的 57.2%（180k tokens/任务）。

    推荐理由ARC Prize 给出 Meta 新模型在 ARC-AGI 三个版本上的成绩与单任务成本，可与同分竞品直接对比。

  1. Fireworks AI一手产品发布
    AI 评分83

    Meta 开源权重模型 Muse Spark Open 上线 Fireworks 无服务器 API

    Fireworks 在发布当天上线了 Meta 的开源权重模型 Muse Spark Open，这是一个 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 称其在 Vals AI 的 Harvey Legal Agent Benchmark 排行榜上以 25.4% 位列 75 个模型之首，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。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。

    推荐理由原文列出该模型在多项专业基准上的具体得分与对比，读者可据此判断开源权重模型在受监管专业任务上的位置。

  1. AI at Meta一手研究
    AI 评分71

    Meta 发布 Muse Glimmer 技术报告，30B 开源权重模型面向消费级硬件智能体任务

    Meta 发布 Muse Glimmer 技术报告，这是一个 30B 开源权重模型，面向消费级硬件上的智能体任务。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。报告涵盖模型架构、蒸馏配方和量化等内容。

    推荐理由Meta 公开了 30B 开源权重模型的技术报告，涵盖架构、蒸馏配方与量化，可供关注端侧智能体部署的读者参考。

  2. Meta Engineering Blog一手
    AI 评分60

    Meta 详解 Prometheus 千兆瓦级超算集群：首阶段建成，目标约 100 万块 GPU

    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%。

    推荐理由Meta 公开了千兆瓦级超算集群的可靠性工程细节，其中 99% 中断率下降和 goodput 数据可供大规模训练集群参考。

  3. Meta Engineering Blog一手解读
    AI 评分72

    Meta 详解薄编排器架构：1300 行路由层调度 14 个专业智能体

    Meta 工程博客介绍其数据管道智能体采用的薄编排器架构：1300 行编排器把 20 多个工作流路由到 14 个专业子智能体，自身不做任何领域推理，只负责意图分类、字段收集和可靠性检查。此前单智能体方案在演示中可用，上线后出现概念串扰和幻觉，逐任务手工写提示词时成功率 70-80%，不手工调优则降到 10-20%。新架构下新数据列的配置准备从手工三到四天缩短到一小时以内，约三分之二的变更无需大量人工修改。

    推荐理由Meta 公开了数据管道智能体的分层架构与落地数据，读者可据此对照自己的多智能体编排设计。

  1. Arena模型发布
    AI 评分67

    Meta 开源模型 Muse Spark Open (Max) 登顶 Code Arena WebDev 美国开源模型榜

    Arena 公布 Meta 的 Muse Spark Open (Max) 以 1511 分成为 Code Arena WebDev 榜单中排名第一的美国开源模型，在全部开源模型中排第 13。它是 Muse Spark 系列首个开放权重版本，比 Meta 此前的开源模型 Muse Glimmer 高 156 分，后者以 1355 分排开源模型第 41。定价为每 100 万输入/输出 token 1.25/4.25 美元，比 Muse Wonder (Max) 低 79%，与 Muse Spark 1.3 (Max) 持平。分领域排名为品牌与营销、数据与分析第 13，基于参考的设计第 14，游戏与消费产品第 15，仿真第 20。

    推荐理由Arena 给出 Meta 开源新模型在 WebDev 榜单的具体得分与定价，可据此判断其在美国开源模型中的位置。

  1. Arena模型发布
    AI 评分66

    Meta 的 Muse Spark Open 上线 Arena 智能体与代码评测

    Meta 发布的开源权重模型 Muse Spark Open 已进入 Arena，可在 Agent Arena 中实测，成绩即将公布。Agent Arena 基于全球用户提交的百万级真实长程智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具，排行榜用因果追踪方法衡量模型相对平均模型的结果表现。该模型同时上线 Code Arena 的 WebDev、Image-to-WebDev、Text 和 Vision 项目。

    推荐理由Meta 开源权重模型 Muse Spark Open 进入 Agent Arena 与 Code Arena，可对照其长程智能体任务表现。

  2. Meta Engineering Blog一手解读
    AI 评分62

    Meta 如何用 AI 智能体工程方式构建 Forum 应用

    Meta 工程团队分享了用智能体 AI 构建独立 Groups 应用 Forum 的实践，把 AI 智能体当作工程流程的参与者而非打字加速器，并以通过构建、测试和评审的已验证产出而非代码量衡量成功。团队把自动化验证信号接入智能体循环，用导航智能体模拟真人操作做回归测试，并采用与生产共享代码库但把原型代码完全编译出生产构建的沙箱构建方式。Forum 在八周内达到与 Facebook Groups 的核心功能对齐，自主压力测试在开发阶段发现并修复了一处内存问题，使内存占用和页面错误约减半。

    推荐理由Meta 公开了把 AI 智能体嵌入开发全流程的具体做法，包括验证标准、五类工程组件和沙箱构建隔离，可供团队迁移参考。

  3. Baseten 工程博客一手模型发布
    AI 评分86

    Meta 开源 Muse Spark Open：816B 参数编码智能体模型

    Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数、推理时激活 42.7B 的开源权重全模态 MoE 模型，与 Muse Code 联合训练，面向编码智能体工作流，支持 1M token 上下文和文本、图像、视频、音频输入。它采用压缩 MoE 块和全局/局部混合注意力，在 128K 上下文下把 KV cache 内存降低约 3.7 倍。Baseten 已在其 Model APIs 和 Dedicated Inference 上以 NVFP4 提供该模型，权重体积从约 1.6 TB 降至 540 GB，可运行在单台 4×GB300 节点上。

    Muse Spark Open, an open-weight model designed for coding agents

    推荐理由Meta 开源 816B 编码智能体模型，文中给出架构取舍与基准对比，可据此判断开源权重在智能体工作流中的位置。

  1. Meta Engineering Blog一手产品发布
    AI 评分60

    Meta 发布 2026 版生成式广告模型 GEM：单一中心基础模型与 Kunlun 架构

    Meta 工程博客介绍 2026 版生成式广告模型 GEM，从 Facebook、Instagram、Reels 等分域独立优化转向单一中心基础模型，跨全部广告平台数据与信号学习。GEM 带来 18.9% 转化提升和 12% 广告点击率提升，并在 Facebook、Instagram 和站外转化上分别贡献 5.8%、4.1% 和 1.6% 的转化增长。新架构 Kunlun 相比上一版 Interformer 在同算力下性能提升 2 倍，模型复杂度增长 2.5 倍，训练总算力 FLOPs 扩大 4 倍的同时端到端训练效率翻倍至 20-25% MFU。

    推荐理由Meta 公开了 GEM 从分域模型转向单一中心基础模型的架构与训练细节，可看到推荐系统在 LLM 式扩展上的具体做法。

  1. Latent Space模型发布
    AI 评分74

    Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型

    Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者定位快速前沿模型，后者为完整版本，Meta 称其面向个人与专业智能体工作。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full 得 56 分、Wonder 得 52 分，高于 Muse Spark 1.3 的 48 分，Opus 5.5 以 58 分领先。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。

    推荐理由汇总第三方评测与定价，可对照 Opus 5.5、GPT-6 等模型判断 Meta 新模型的实际位置。

  2. Meta：Newsroom · AI一手模型发布
    AI 评分81

    Meta 发布 Muse Wonder 与 Muse Wonder Full 智能体前沿模型

    Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款模型，称其为目前能力最强的模型，在个人与专业智能体任务上达到 SOTA，覆盖法律、金融、健康等专业领域以及前沿编码能力。两款模型具备 Active Memory，可跨对话保留关键信息并调取与当前任务相关的细节；还具备 Active Focus，在任务变难时继续尝试其他方法、从错误中恢复，并在执行重要操作前先确认。Meta 表示该系列按 Meta Superintelligence Scaling Framework 的标准训练、评估和发布，完整安全评估报告将随后公布。

    推荐理由Meta 官方发布 Muse Wonder 系列，给出 Active Memory 与 Active Focus 两项面向长任务智能体的能力设定。

  1. AI at Meta一手研究
    AI 评分60

    Meta 分享数学家与 Muse Spark 协作完成的六篇数学论文

    Meta 公布六篇由数学家与 Muse Spark 1.1、Muse Spark 1.2 在 Thinking Mode 下协作完成的论文，覆盖概率、微分方程、群论、优化、算术物理和非结合代数六个方向。这些协作通过普通聊天界面进行，没有定制研究脚手架，由数学家主导研究、另一组数学家复核，每篇论文标注哪些段落主要由人类或 AI 起草，并注明所依据的先前研究。Meta 表示目标不是批量生产论文，而是赋能研究者。

    推荐理由Meta 公开了数学家与 Muse Spark 协作产出六篇论文的流程，读者可据此了解 AI 参与开放数学问题的分工与审核方式。

  1. AI at Meta一手
    AI 评分63

    Meta 的自主科研系统 AIRA₃ 在 NVIDIA Kaggle 竞赛中获金牌

    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。

    推荐理由Meta 公开了 AIRA₃ 在 Kaggle 微调竞赛中的名次与多智能体协作机制，可据此观察自动化科研系统的当前水平。

  1. Meta Engineering Blog一手解读
    AI 评分66

    Meta 工程博客：如何构建从专家反馈中学习的组织级第二大脑智能体

    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。

    推荐理由Meta 公开了一套不靠重训模型、用结构化知识文件加自动回归测试让智能体持续吸收专家反馈的工程方案。

  2. AI at Meta一手模型发布
    AI 评分77

    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。

    推荐理由Meta 新模型把流式语音识别、说话人分离和自适应延迟放在一起，读者可了解实时音频感知的当前做法。

  1. Platformer一手观点
    AI 评分78

    Clara Shih：AI 智能体如何促使她离开 Meta 并关注初级岗位危机

    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。

    推荐理由这场访谈从亲历的团队缩编出发，呈现 AI 智能体如何冲击初级岗位及传统职业晋升路径。

  1. Unsloth一手模型发布
    AI 评分79

    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。

    推荐理由Meta 开源 30B 稠密模型，可在 18GB 内存本地运行并支持视觉，读者可据此判断本地部署门槛。

  2. Fireworks AI一手模型发布
    AI 评分72

    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。

    推荐理由原文给出 30B 模型在工具编排类基准上的对比数据与部署配置，可据此判断它是否适合长时运行的智能体。

  3. LMSYS Blog一手产品发布
    AI 评分62

    SGLang 为 Meta 多模态模型 Muse Glimmer 提供 Day-0 支持

    LMSYS 宣布与 Meta Superintelligence Labs 合作，为 30B 参数多模态模型 Muse Glimmer 在 SGLang 上提供 Day-0 支持，并针对本地智能体工作流推理做了专门优化。在 NVIDIA GeForce RTX 5090 上，SGLang 以 NVFP4 加 DFlash 实现最高 1,452 tok/s 总输出吞吐和 236 tok/s 单用户解码速度，DFlash 将 batch-1 交互性提升 1.9 至 4.3 倍。模型可在 RTX 5090、RTX PRO 6000、DGX Spark 的 SM120 后端以及 Apple Silicon 的 MLX 后端部署，提供 BF16、NVFP4+MXFP8、NVFP4 及 GGUF 等多种 checkpoint 格式。

    推荐理由SGLang 在 Muse Glimmer 发布当天给出本地部署支持与实测吞吐，读者可据此判断消费级硬件跑多模态智能体的可行性。