跳到正文
10月16日周五
  1. AI at Meta (X)80

    Meta 发布开源权重模型 Muse Spark Open,816B 总参数、1M token 上下文

    Meta 发布开源权重模型 Muse Spark Open,称其为目前美国最强的开源权重模型。该模型面向编码与智能体任务,主打长程任务、复杂软件工程和多步推理,规格为 816B 总参数、42B 激活参数、1M token 上下文窗口,原生支持文本、图像、视频和音频多模态。

    推荐理由:Meta 公布开源权重模型的具体参数与多模态规格,可据此判断其长程编码与智能体任务的定位。

10月15日周四
  1. AI at Meta (X)72

    Meta 发布 Muse Wonder 与 Muse Wonder Full 模型

    Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型,官方称其在个人与专业智能体任务上取得 SOTA 表现。更多模型细节见 Meta 研究者博客。

    推荐理由:Meta 官方公布 Muse Wonder 两个版本在个人与专业智能体任务上的 SOTA 表现,并给出研究者博客入口。

10月13日周二
  1. AI at Meta (X)72

    Meta 发布 Muse Wonder 系列模型,主打智能体任务

    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,面向个人与专业智能体任务提供前沿性能。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供,Muse Wonder Full 即日起面向 Muse Code 订阅用户开放。Muse Wonder 后续还将用于 Meta 的个人智能体产品 Muse,先向订阅用户推出。

    推荐理由:Meta 公布 Muse Wonder 系列两款前沿模型,并给出 API 与 Muse Code 的可用入口,读者可据此了解其智能体任务定位。

9月6日周日
  1. AI at Meta (X)68

    Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获金牌,约 4000 支队伍中排第 8

    Meta 称其在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛,任务是微调一个 30B 的 Nemotron 模型,使其推理能力更强。AIRA₃ 在约 4000 支队伍中排名第 8,获得金牌,成绩超过使用同等前沿工具的人类参赛者。Meta 认为这表明 AIRA₃ 能在特定能力上把模型提升到接近人类专家的水平。

    推荐理由:Meta 公开 AIRA₃ 在 Kaggle 微调竞赛中的名次与参赛条件,可据此判断自主研究系统在模型能力改进上的位置。

9月5日周六
9月3日周四
  1. AI at Meta (X)62

    Meta 发布 Muse Spark 1.3,提升智能体与编码任务表现

    Meta 发布 Muse Spark 1.3,重点提升智能体与编码任务表现,并强调实际可用性。新版本可在单一线程中持续处理多个工作流的长程任务,会更主动地向用户提问澄清、在卡住时说明情况、在执行有后果的操作前先确认,并减少对自身能力边界的误判。官方内部对比显示,相比 Muse Spark 1.2,工具调用减少约 20%,token 消耗减少约 25%。

9月2日周三
  1. AI at Meta (X)72

    Meta Superintelligence Labs 发布实时语音感知模型 Muse Voice Transcribe

    Meta Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe,支持实时流式 ASR、20 人以上说话人分离和端点检测。该模型支持多语言并无缝切换语种,可通过语言、关键词和上下文偏置提升准确率,在 Artificial Analysis 流式语音转文字和公开说话人分离基准上排名第一。

    推荐理由:Meta 公布实时语音感知模型的能力清单与榜单排名,可据此判断流式 ASR 的当前水平。

8月21日周五
  1. AI at Meta (X)58

    Meta 公布 Muse Spark 1.2 多模态评测与演示

    Meta 公布 Muse Spark 1.2 的新评测与演示,展示该模型在视觉理解与推理上的覆盖范围。Muse Spark 1.2 支持从视觉内容生成可运行代码、把感知转化为物理动作,并具备音视频理解能力,以支持企业场景中视频密集的工作流。演示中,模型解析多模态观测并调用工具,引导机器人在非结构化环境中导航寻找橡皮鸭。