13 条精选近 30 天 12条共收录 128条
更新Meta 发布了 Muse Spark Open，这是一个 816B（42B 激活参数）的开放权重模型。Artificial Analysis 报告称，该模型在其 Intelligence Index 上得分为 39，使其成为美国排名第一的开放权重模型。 Muse Spark Open（xhigh）的得分比 Muse Glimmer（high，17 分）高 22 分。Muse Glimmer 是 Meta 的 30B 稠密开放权重模型。https://t.co/jf31mQNINe
推荐理由：这一比较显示，Muse Spark Open 在同一智能指数上的得分比 Muse Glimmer 高 22 分，为 Meta 开放权重模型之间所报告的能力差距提供了具体参照。
Muse Spark Open 现已在 Ollama 上向 Pro、Max、按量付费和 Teams 计划推出。https://t.co/OmAFXzZyjm
推荐理由：此次推出将访问范围扩展至此前公布的 Max 和 Teams 计划之外，使计划资格成为用户考虑在 Ollama 上使用 Muse Spark Open 时的实际变化。
vLLM 现已提供对 Meta 开放权重模型 Muse Spark Open 的首日支持，并已在 NVIDIA 和 AMD GPU 以及 TPU 上完成验证！ 该模型拥有 816B 个参数，每个 token 激活 42B 个参数，支持 1M token 的上下文，输入包括图像、视频和音频，专为长周期智能体编程而构建。 我们很高兴能够参与合作 https://t.co/MleWIPrBMD
推荐理由：在 NVIDIA 和 AMD GPU 以及 TPU 上完成验证，为部署团队提供了通过 vLLM 运行 Meta 开放权重模型时所需的具体硬件兼容性信息。
Meta 针对代码优化的开放权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上提供，包含 BF16 和 NVFP4 两种版本，支持 100 万 token 的上下文窗口，总参数量为 816B，其中每个 token 激活 42B 参数。AWS 提供了使用 SageMaker Studio 或 SageMaker Python SDK 进行部署的说明，以及推理和清理示例。发布时，该模型可在美国东部（弗吉尼亚北部）和美国东部（俄亥俄州）使用。
推荐理由：部署指南将 BF16 和 NVFP4 的内存需求与受支持的实例类型对应起来，为团队在代码仓库上评估该模型时规划基础设施提供了具体依据。
Meta 的 Muse Spark Open 是一款开放权重的混合专家模型，约有 8160 亿个参数，每个 token 激活约 420 亿个参数，上下文窗口最长可达 100 万个 token。该模型经过智能体编程训练，可接收文本、图像、音频和视频，并生成文本。Hugging Face 提供推理和部署方案，报告了其自身的量化测试结果，并演示了使用 TRL 对注意力层进行 LoRA 微调，同时冻结专家网络。
推荐理由：这些部署方案阐明了稀疏专家激活如何在保留大量内存需求的同时减少每个 token 的计算量，帮助开发者根据不同检查点格式和服务框架评估硬件需求。
Meta 超级智能实验室发布了 Muse Wonder 和 Muse Wonder Full，这是其第二代模型系列，面向个人和专业场景中的智能体工作。Latent Space 报道称，Wonder 可通过 Meta Model API 和 Muse Code 使用，而 Full 仅限 Muse Code 订阅用户使用。Artificial Analysis 给出的 Wonder Full 和 Wonder Intelligence Index v4.3 得分分别为 56 和 52，而 Opus 5.5 为 58；Wonder 支持 1M 上下文窗口，可输入文本、图像、视频和音频，输出仅支持文本。
推荐理由：基准测试细分结果将 Wonder 各版本与竞争模型在智能体表现和 token 用量方面进行比较，展示它们在不同任务中的相对排名如何变化，而非给出单一排名。
据 Alexandr Wang 引述的帖子，Meta 已发布 Muse Wonder 和 Muse Wonder Full。在最高推理力度下，它们在 Artificial Analysis Intelligence Index v4.3 上的得分分别为 52 和 56，而 Muse Spark 1.3 的得分为 48；两次发布间隔 6 周。Muse Wonder 可通过 Meta 的第一方 API 和 Muse Code 使用，而 Muse Wonder Full 仅向 Muse Code 用户开放；两者的上下文窗口均为 1M 个 token。
推荐理由：Artificial Analysis 的对比凸显了一个权衡：与 Muse Spark 1.3 相比，Muse Wonder 的基准测试表现有所提升，但每项任务的成本更高，尽管其输出 token 用量更低。
Meta的超级智能实验室于周一发布了 Muse Wonder 和 Muse Wonder Full。这两款更大的模型据称比 Muse Spark 能力更强。Meta称，它们的基准测试得分与 Fable 5.1 和 GPT-6 Astra 相当，并强调通过“主动记忆”保留信息。通过 Meta Model API 使用 Wonder 的价格为每百万输入 token 4.00 美元、每百万输出 token 20.00 美元；Wonder Full 仅向 Muse Code 订阅用户开放。这两款模型都将为 Muse 智能体提供支持。
推荐理由：Wonder 可通过 API 使用，而 Wonder Full 仅向订阅用户开放，这种区别为开发者比较 Meta 全新模型系列中的集成选项提供了具体依据。
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，其让数学家通过 meta.ai 聊天界面与 Muse Spark 1.1 和 1.2 的 Thinking Mode 协作，在无定制研究脚手架的情况下求解尚无现成路径的开放问题。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放问题论文，并说明人机分工与评审流程。
9 月 1 日宣布恢复独立运营的 Manus 发布回归后首个大版本更新 Manus 2.0，包含新 Agent 底座、创作工作台和全新个人 Agent 应用 Cue。
推荐理由：Manus 恢复独立后首个大版本更新，读者可据此了解个人 Agent 给助手配身份、拉群协作的产品思路。
OpenAI 在 DevDay 主题演讲中发布常驻 AI 助手 Dots，由 GPT-6 Astra 模型驱动，可借助自有云端电脑访问浏览器和 4000 多个受支持应用，并通过类短信界面或语音通话交互。
推荐理由：OpenAI 在 DevDay 发布常驻智能体 Dots，读者可据此了解它与 Meta Muse 的定位差异和可用范围。
OpenAI 在 DevDay 2026 开发者大会上发布常驻智能体 Dots，可自行处理修复 Slack 中报告的 bug、发送被遗忘的发票等任务，并同时推出更便宜的模型 GPT-6.1 Sol，高端 GPT-6.1 Astra 因安全问题暂缓发布。
推荐理由：OpenAI 在 DevDay 2026 发布常驻智能体 Dots，并给出与 Meta Muse 的同类对比和分阶段开放范围。
Meta 发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数、采用 Apache 2.0 许可的多模态模型，主打本地智能体用例，如编码、文档分析和个人助手。
推荐理由：Meta 开源 30B 多模态模型，从架构、基准到本地部署与自优化演示都给出了可复现细节。
