Meta 发布开源模型 Muse Spark Open
Meta 发布了拥有 816B 总参数（42B 激活）的开源权重模型 Muse Spark Open。该模型在 Artificial Analysis Intelligence Index 上得分为 39，被评为美国排名第一的开源权重模型。相比 Meta 此前发布的 30B 稠密开源模型 Muse Glimmer，Muse Spark Open (xhigh) 的得分高出 22 分。
#Meta
Artificial Analysis同新闻AI 评分7272 Modal 官方工程博客精选AI 评分7070 Meta 发布 Muse Spark Open 并上线 Modal Auto Endpoints
Meta 发布开源权重模型 Muse Spark Open，现已通过 Modal Auto Endpoints 提供服务。该模型专为智能体编码和长周期任务设计，具备原生多模态理解能力和 1M-token 上下文窗口，支持代码编写调试、多步规划及故障恢复。
推荐理由：原文提供了 Muse Spark Open 在 Modal 上的部署方式、计费模式及关键基准测试分数，便于评估其智能体编码能力与工程落地成本。
Together AI Blog精选AI 评分7878 Together AI 上线 Meta Muse Spark Open 模型
Meta 的开源权重模型 Muse Spark Open 已在 Together AI 平台正式可用，作为 Day 0 发布合作伙伴，Together AI 提供该模型的 Serverless API 服务。
推荐理由：原文披露了该开源权重模型的长上下文能力、定价及API调用方式，为评估其在复杂代码库中的实际表现提供了直接依据。
AWS Machine Learning Blog精选AI 评分6565 Meta Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 面向编码优化的开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 提供。该模型采用 MoE 架构，总参数 816B（激活 42B），支持 1M token 上下文窗口及文本、图像、音频等多模态输入。
推荐理由：原文给出了模型在 SageMaker JumpStart 的部署入口、两种量化变体及具体实例规格，读者可据此评估私有化部署成本与能力边界。
Hugging Face Blog精选AI 评分9292 Meta 发布 Muse Spark Open：816B 参数开源多模态混合专家模型
Meta 发布 Muse Spark Open，这是一个拥有约 816B 总参数、每 token 激活约 42B 参数的混合专家（MoE）多模态模型，支持文本、图像、音频和视频输入，上下文窗口达 1M tokens。
推荐理由：原文给出了816B MoE架构、百万上下文及多模态输入的具体参数，并提供了从本地量化到集群部署的完整工程路径。
vLLM 官方博客精选AI 评分8787 vLLM 发布对 Meta Muse Spark Open 模型的 Day 0 支持
vLLM 宣布与 Meta Superintelligence Labs 合作，为开源稀疏混合专家模型 Muse Spark Open 提供 Day 0 支持。
推荐理由：vLLM 官方提供了 Muse Spark Open 的 Day 0 支持，包含多硬件并行策略、DSpark 投机解码配置及 LoRA RL 训练示例，可直接用于生产环境部署。
Artificial AnalysisAI 评分4242 Nemotron 3.5 Super VL登顶美开源
Nemotron 3.5 Super VL 是美国得分最高的开放权重模型，在智能指数中得分为 26。它略胜 Thinking Machines 的 Inkling Small（26），并超越了 NVIDIA 之前的旗舰产品 Nemotron 3 Ultra（23）以及 Meta 的 Muse Glimmer（17）。尽管取得了这一进步，美国
Artificial Analysis精选AI 评分6262 Artificial Analysis 发布新模型基准测试报告
Artificial Analysis 发布了针对最新 AI 模型的基准测试结果。该报告由第三方独立机构提供，旨在通过标准化评测展示模型性能表现。
推荐理由：第三方评测机构发布了新模型的基准测试结果，提供了独立于厂商的性能数据参考。
a16zAI 评分2424 Gavin Baker 谈 Meta AI 回归
Gavin Baker 将 AI 竞赛比作史上最高风险的“企业棋局”：“必须给 Meta 很多赞誉。他们曾出局，如今又重返牌桌。这简直令人惊叹。” “一年前当 Gemini 势头正盛时，谁能想到……
Ethan MollickAI 评分2828 Meta Muse Wonder 模型进展迅速
我早期体验了 Muse Wonder，虽然没怎么深入使用，但从有限的测试来看，这似乎是个不错的模型。更令人印象深刻的是，自四月以来我在“淹没的新哥特式城市”twigl shader 测试中看到的进步。Meta 在短时间内取得了非常快的进展
Sierra Blog精选AI 评分8282 Sierra 与 Meta 推出个人智能体协议 Personal Agent Protocol
Sierra 与 Meta 联合宣布推出开放标准“Personal Agent Protocol”，定义个人 AI 智能体与企业交互的方式。该协议基于 OAuth 构建会话，支持智能体通过网站、API（如 MCP）或企业自有智能体完成任务，并允许用户控制读写权限。
推荐理由：Meta 与 Sierra 联合发布个人智能体协议，旨在通过标准化接口解决智能体访问企业服务的身份验证与权限控制难题。
DeepLearning.AIAI 评分5757 DeepLearning.AI 介绍利用结构化记忆解决 AI 智能体上下文遗忘的方法
DeepLearning.AI 分享了一种解决 AI 智能体因上下文窗口限制而遗忘早期信息的方案。该方法通过引入结构化记忆机制，在关键节点注入简短提示以保留过往错误和工具调用记录，从而提升智能体在长任务中的稳定性。
DeepLearning.AI精选AI 评分6262 Meta Muse agent 采用 OS 级安全机制防御提示注入
Meta 的 Muse agent 通过操作系统层面的安全措施来防御提示注入攻击，而非仅依赖模型自身的训练数据。该智能体假设模型可能被欺骗，因此确保模型从不处理真实凭证，并将工具运行在隔离的 Linux 容器中。
推荐理由：原文介绍了 Meta Muse agent 在操作系统层面构建安全机制的方法，展示了不依赖模型自身训练来防御提示注入攻击的工程思路。