Meta 與 Apple 合作,提升 Muse Spark Open 模型在 Mac 上的運行表現
Meta 發佈 Muse Spark Open 開放權重模型,並與 Apple 合作,讓模型可透過最新 MLX 框架在兩部 Apple M5 Ultra Mac Studio 上運行。Meta 稱它是原生多模態模型,總參數量為 816 billion,擅長長時程任務、複雜軟件工程及多步推理。
Meta 發佈 Muse Spark Open 開放權重模型,並與 Apple 合作,讓模型可透過最新 MLX 框架在兩部 Apple M5 Ultra Mac Studio 上運行。Meta 稱它是原生多模態模型,總參數量為 816 billion,擅長長時程任務、複雜軟件工程及多步推理。
作者在後續文章中指稱,Anthropic 的 Scion 有意抄襲 Mononoke,並稱兩個項目有人員重疊。相似之處涵蓋衍生資料、Bonsai 資料模型、changeset 及伺服器端 API;作者認為只提及 Sapling 的「艱苦得來的經驗」不足以交代 Mononoke 的貢獻。作者同時指出,Scion 團隊在 5 個月內重建該系統仍值得肯定。
Meta 今日發佈 Muse Spark Open 的模型權重;這款原生多模態模型有 816B 總參數(42B active)及 1M-token 上下文窗口。
推薦理由:Muse Spark Open 同時公佈本機部署配置、託管 API 入口及 GPU 推理速度數據,呈現開放權重模型從桌面運行到託管服務的部署路徑。
Meta 已發佈 Muse Spark Open 權重,該模型現已可透過 Modal Auto Endpoints 使用。模型專為智能體編碼和長時程任務而設,具原生多模態理解及 1M-token 上下文窗口,並支援編寫和除錯程式碼、多步規劃、循序使用工具及延長工作流程中的失敗恢復。
Meta 開放 Muse Spark Open 權重,模型即日起可在 Hugging Face 按 Muse Model License 取得。模型有 816B 總參數、42B 活躍參數及 1M tokens 上下文窗口,針對編碼和 Agent 工作設計,並支援圖像、文件、音訊及音訊影片理解。
Meta 發佈 Muse Spark Open,這是一款面向智能體編碼的 816B MoE 模型,具備 42B 活躍參數及 1M token 上下文窗口。該模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上訓練,原文稱其具備較高的首次嘗試準確率、可靠的工具調用能力,以及跨程式碼庫的深入理解能力。
Meta 開放 Muse Spark Open 權重,這款專為編碼智能體工作流設計的模型有 816B 總參數、推理時啟用 42.7B 參數及 1M token 上下文窗口。
推薦理由:文章拆解 Muse Spark Open 的壓縮 MoE、混合注意力及 NVFP4 服務設計,並以 128K 上下文的 KV cache 數據説明其記憶體取捨。
Meta 發佈 Muse Spark Open,並稱其為美國能力最強的開放權重模型。Muse Spark Open 總參數量為 816B,活躍參數量為 42B,並具備 1M-token 上下文窗口。
Meta 表示已與 Apple 合作,讓 Muse Spark Open 可在 M5 Ultra Mac Studio 上本機運行。用戶可配對兩至四部 Mac Studio,以編寫程式或進行智能體工作。
Meta 宣佈發布 Muse Spark Open 的模型權重,讓開發者可自行運行及適配這款模型。這款模型專為編碼及支援 AI 智能體而設,但不及本週早些時候亮相的 Muse Wonder 先進。Meta 首席 AI 官 Alexandr Wang 表示,基於安全與能力考量,公司通常不會開源最強模型,但計劃持續開源優秀模型。
Meta 於 2026 年 10 月 15 日公開 Muse Spark Open 的模型權重;這款原生多模態開放權重模型有 816B 總參數、42B 啟用參數及 1M-token 上下文窗口。
推薦理由:文章列出 Muse Spark Open 的權重下載與 API 使用途徑,並交代本地運行至少需要 700GB VRAM(NVFP4)或 2TB(BF16),可供評估部署條件。
Muse Spark 開放權重,成為迄今能力最強的美國開放權重模型。作者認為,前沿模型帶來的智能租金市場並未形成,模型能力達到一定水平後,價格才是用戶選擇的關鍵。Meta 正憑 Muse 的高黏性建立網絡護城河,作者看好其在消費者 AI 領域勝出。
Meta 推出 Muse Spark Open,一款約 816B 參數、每個 token 約啟用 42B 參數的開放權重多模態混合專家模型,支援文字、圖像、音訊和影片輸入,並生成文字。模型的上下文窗口最高為 1M tokens。文章列出 Transformers、llama.cpp、SGLang 和 vLLM 等推理部署方式,以及使用 TRL 進行 LoRA 微調的示例。
推薦理由:文章把模型規模、長上下文與多模態輸入能力,連同多種部署和微調方案放在同一份技術指南中,可用來瞭解模型的運行配置與使用方式。
AI-Resume & Portfolio Tailor 是一款開源 AI 智能體,根據用戶的履歷和目標職位描述改寫履歷要點、突顯匹配技能,並生成求職信。它透過 Ollama 在本機執行 Llama 3 (8B),以 LangChain 編排並採用 FastAPI 後端;作者表示,本地推理可避免敏感履歷資料外洩,亦消除 API 成本障礙。
PaperTrail 是面向自由工作者、個人創業者及獨立創作者的私隱優先財務文件管理工具,利用開放權重多模態 AI 擷取發票及收據資料,並以確定性審核引擎核對算術差異。工具支援本機儲存及本機推理,並可匯出 CSV 帳冊、列印用報表及本機備份。其文件理解工作流程採用 Meta Llama 3.2 Vision 和 Qwen2.5-VL,並提供 Ollama 和 FastAPI 本機推理整合選項。
Meta 的 AI 智能體 Muse 會要求用戶授權存取大量資料,當中可能包括朋友、家人及其他聯絡人的個人資料。安全研究人員從 Muse 的操作指示中發現,系統會每小時整理並更新用戶生活中每個人的個人檔案;Meta 則稱 Muse 只會記住用戶選擇分享的內容,並指讀取文字訊息需要用戶授權。
Arm 於 10 月 15 日宣佈,獲 Fujitsu、Meta 及 OpenAI 支持,開發面向 AI 智能體的 CPU 基準測試框架,以評估整個運算流程的實際工作負載。
Sapienz 憑 2016 年研究獲 ACM SIGSOFT ISSTA 2026 最具影響力論文獎,研究作者為 Ke Mao、Mark Harman 及 Yue Jia。
ExecuTorch 推出 Arm Cortex-M 後端,讓 PyTorch 模型可透過 Arm CMSIS-NN 加速,直接在 Cortex-M CPU 上執行,並以同一流程支援 Scalar、DSP 和 MVE/Helium。
文件顯示,Nvidia 與 Apple 各承諾為特朗普白宮宴會廳投入 $25M,金額最高。Microsoft 與 Palantir 各承諾投入 $10M,Meta 與 Amazon 則各承諾投入 $5M。
名人 AI 深偽內容在 Instagram 等社交平台持續流傳,真實影像與偽造內容混雜,令公眾人物的肖像遭到冒用。Mia Goth 的 AI 生成假照在 Instagram 獲近 500,000 個讚,相關帳戶其後因冒充公眾人物被移除;該圖片亦曾出現在 Google 搜尋的 AI 摘要中。
同一提示詞、程式碼庫上下文和需求理解生成的 AI 程式碼與測試,可能重複同一錯誤假設,因此綠色測試不代表獨立驗證。程式碼覆蓋率不能判斷預期值是否正確。作者建議從獨立規格推導預期值,並使用不變條件、邊界案例、對抗測試及針對性變異測試檢驗程式碼。
Foundry 分析自家帳戶發布的 1,398 條短片並測試 13 項變數,發現 Instagram 上重複發布同一場辯論與低觀看數的關聯最強。首次發布有 3% 貼文不超過 10 次觀看,第二次為 20%;第三次或之後的 205 條 Instagram 貼文,沒有一條達到 1,000 次觀看。
軟件開發員 Ugo Nwune 試用 Meta Muse 三天後,收到智能體稱無法查看 Gmail、因而無法查找 Anthropic 訊息的非預期訊息;他表示自己兩天沒有使用應用程式,也未要求它查郵件。
Meta、米蘭布雷拉畫廊與 EssilorLuxottica 推出試驗計劃,探索如何以 AI 眼鏡讓失明及低視力人士更容易欣賞藝術。眼鏡整合博物館的 Grande Brera app,讓訪客在八件指定作品前啟動作品識別,並透過鏡框內置的開放式揚聲器收聽語音描述。導覽須預約,AI 眼鏡可於星期二至星期五上午 10 時至下午 4 時 30 分使用。
美國兩黨眾議員致函財政部,對 Meta 據報將資料中心建設支出申報為研究税額抵免提出疑慮。議員認為,將抵免用於資料中心開發和建設,可能大幅擴大研究抵免的原定用途,並把技術實驗的激勵轉為企業日常也會進行的資本開支補貼。Meta 則稱,AI 優化資料中心需要大量無法模擬的測試和實驗,才能做好設計和建設,並指這類投資正是國會設立相關税務優惠時所鼓勵的。
Meta 的 Muse Wonder 在官方基準測試取得高分,卻在 BridgeMind 的熔岩燈實測中未能呈現透明玻璃、動態熔岩和真實光影。Muse Wonder Full 在 SWE-Marathon 得 57.5 分,高於 Claude Opus 5.5 的 46.3 分和 GPT-6 Astra 的 42.5 分;但該測試涉及不同 Agent 工具,並非只比較裸模型。
作者在西班牙嘗試註冊 Meta 的 Muse,完成電郵驗證並提交姓名及出生日期後,才得知服務尚未在當地開放,頁面邀請他加入等候名單。他質疑的不是分區推出,而是網站未有在收集個人資料前説明地區限制,並建議先查詢可用地區、交代用途,再索取所需資料並取得同意。
Muse Wonder 基準結果顯示,Muse Wonder Full 的 Artificial Analysis Intelligence Index 得分為 56,低於 Claude Opus 5.5 的 58。
Anthropic警告新型「AI蠕蟲」顯現早期生命跡象,xAI推出Grok Voice 3.0語音模型。Grok Voice 3.0已透過語音代理API開放使用,定價為每分鐘0.08美元。xAI稱,Grok Voice已用於Tesla車輛語音互動及Starlink客服中心;後者每日處理約2萬通多語言來電,約70%無需人工介入即可解決。
AI Dev Weekly #30 彙整截至 10 月 15 日的 AI 開發者動態,包括 Gemini 4 Argon 開放開發者使用、Meta 推出 Muse Wonder,以及 GitHub 更新 HydraFusion Max。
個人 Agent 近期在海外迅速升温,Meta 的 Muse、OpenAI 的 Dots 等產品接連推出,相關公司亦獲大額融資,令 AI 競爭由辦公場景延伸至個人任務執行。文章指出,雲端電腦、持久記憶及權限分層是多款個人 Agent 的共通設計;千問亦公佈將推出千問Go。其普及仍面對跨平台權限與商業壁壘、可靠性和用戶付費等挑戰,核心不只在模型能力,也在於能否建立穩定、可靠、低成本的任務執行系統。
作者連續數週請 Meta 的 AI 助手 Muse 協助處理旗下多項業務,重要步驟均由本人審核及批准。Muse 曾協助優化數百篇文章的 SEO、建立含十種數碼產品的網店及重新設計網站;部分以往需數天的工作,如今數小時便有進展。作者表示,決策和最終批准仍由本人負責,密碼和敏感資料由本人親自在官方網站輸入。
LocalFolio 是面向自由工作者、獨立承包商及獨資經營者的離線優先發票和收據整理工具,透過 Ollama 在本機執行 Llama 3.2 (3B Vision),擷取文件資料並自動分類。文件毋須上傳雲端,資料存入可搜尋的 SQLite 帳冊;本機推理每次掃描成本為 $0.00。
民主黨參議員質疑 Meta 過去兩年就建造「實驗性」AI 數據中心的成本申領 $6.6B 聯邦税務抵免。
TrendForce 上調全球九大雲端服務供應商的資本開支預測,估計 2027 年總額將達 1.531 萬億美元,較今年增加 60%。上調原因包括伺服器整機漲價、零部件缺貨推高報價,以及部分上游供應商要求預付款。TrendForce 預測,2027 年 AI 伺服器出貨量將增長近 36%,產值升至近 9,200 億美元,按年增長 92%,佔整體伺服器的比例升至 81.1%。
Meta 委託 YouGov 調查 3,983 名亞太區小型企業負責人,76% 表示 AI 提升生產力,86% 認為要充分受益仍需更多指引。受訪者中 84% 正在使用 AI,71% 表示過去 12 個月 AI 對收入或銷售帶來正面影響。他們最希望獲得清晰的成本及投資回報資訊,以及數據私隱和保安指引;培訓成本是主要障礙,51% 提及此項。
Anthropic 第三季度營收達168億美元,並計劃最早於11月9日當周啟動 IPO 路演,目標在感恩節前上市。公司同時錄得調整後盈利及正向自由現金流,毛利率為85%、營業利潤率逾11%,估值預期為1.8–2萬億美元。
星期三美股三大指數全線下跌,納斯達克指數跌1.88%,標普500指數跌1.11%;美國9月通脹高於預期,AI相關板塊遭拋售。費城半導體指數跌4.3%,SK海力士跌6.1%;納斯達克金龍中國指數跌1.39%。WTI原油期貨上升1.01%,收報每桶95.09美元。
一名前 Meta 工程師指 Anthropic 的版本控制系統 Scion,在「derived data」設計上與 Meta 的 Mononoke 高度相似,並批評 Anthropic 未提及 Mononoke,僅稱 Sapling 提供了「來之不易的經驗」。