Meta 發佈 Muse Spark Open,這款 816B 開放權重 MoE 模型具備 1M-token 上下文窗口
Meta 發佈 Muse Spark Open,這款 Muse Spark 的開放權重 MoE 模型有 816B 參數、每個 token 啟用 42B,並支援 1M-token 上下文窗口。
推薦理由:文章對照 Muse Spark Open 在 MCP-Atlas 與 Terminal-Bench 2.1 的成績,呈現工具使用與編碼測試的表現落差。
Meta 發佈 Muse Spark Open,這款 Muse Spark 的開放權重 MoE 模型有 816B 參數、每個 token 啟用 42B,並支援 1M-token 上下文窗口。
推薦理由:文章對照 Muse Spark Open 在 MCP-Atlas 與 Terminal-Bench 2.1 的成績,呈現工具使用與編碼測試的表現落差。
SCOPED 為不同能力分別訓練專家,透過獎勵引導反思提取技能,再以在策略蒸餾將程序知識整合至統一視覺語言模型。蒸餾時,技能只用於引導專家監督,不會提供給統一模型在推理時使用,以減少不同能力之間的幹擾。在八個多模態基準測試中,SCOPED 持續優於骨幹模型及混合能力強化學習方法。
EVA-Cap 將視聽影片描述拆解為原子視聽事件,並透過以事件為中心的對齊優化描述生成。該框架在自建 EVA-Data 數據集上以監督式微調(SFT)及羣組相對策略優化(GRPO)訓練,並針對事件完整性、事件內歸因及事件間同步進行優化。評測中,EVA-Cap 在 ChronusAV 的事件中心評測平均提升 +9.0%,在 WorldSense 提升 +3.3%。
Meta 於 2026 年 10 月 15 日推出 Muse Spark Open,這款開放權重模型共有 816B 參數,權重可免費下載。模型採用混合專家架構,每個 token 啟用 42B 參數,支援 1,048,576 token 上下文及文字、圖像、音訊和影片輸入,並以智能體編碼為設計方向。
推薦理由:文章把免費下載、本地運行所需硬件與商用授權條件放在一起,交代 Muse Spark Open 從取得權重到實際部署的門檻。
閲文升級 DramaBuddy 漫劇助手,並完善 OPC 一站式漫劇平台體系。平台開放閲文 200+ 內容流派 IP 資源,以 AI 製作工具打通劇本、分鏡及視覺製作流程,並聯動起點漫劇、ToonScroll、騰訊生態及第三方渠道推動全球發行。平台亦落地 A→S 創作者評級體系,透過分層激勵扶持創新內容。
MaLoW(Memory as LoRA Weights)將串流影片歷史逐步編碼至固定大小的 LoRA 權重,以權重承載長期記憶。其模型在 OVO-Bench 和 StreamingBench 分別取得 74.5% 和 84.8%,並在參數規模由 0.8B 至 11B 的基礎 VLM 上帶來一致的效能提升。
Intern-Decision 提出 0.8B、2B 和 4B 多模態決策模型,可根據文字及可選圖片輸出結構化選擇和候選項目概率。4B 模型在七個評測套件的未加權平均準確率為 90.02%,高於 Jev v1.13.0 的 88.74%;固定 289-token、含三個欄位的請求在單張 RTX 4090 上平均延遲為 44.16 ms。
Meta 公開 Muse Spark Open 的模型權重;這款 MoE 模型共有 816B 參數、每個 token 啟用 42B 參數,並設有 1 million tokens 的上下文窗口。
推薦理由:文章交代 Muse Spark Open 開放權重後的本地部署條件,並比較桌面硬件、資料中心 GPU 與雲端 API 三種使用方式。
小米宣佈推出空間音訊理解大模型 MiDashengLM-Spatial,並以 Apache 2.0 授權公開完整模型權重及推理程式碼。模型以 MiDashengLM-7B 為基礎,在理解音訊內容之外加入空間感知與推理能力,並將陸續應用於小米智能家居及汽車座艙。
NVIDIA 發佈開放多模態模型 Nemotron 3.5 Super VL,面向持續運行及執行多步任務的 AI 智能體。模型採用 MoE 架構,總參數量為 1200 億、激活參數為 120 億;NVIDIA 稱,其在單張 GPU 執行智能體任務時,吞吐量最高可達同規模其他開放模型的 5 倍。
Meta 發佈開放權重模型 Muse Spark Open;該模型可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 上本地運行。模型採用原生多模態架構,總參數量為 816B(激活參數 42B),上下文窗口為 1M token。
推薦理由:文章並列 Muse Spark Open 的參數規模、上下文窗口及兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行條件,呈現其桌面部署門檻。
ListLens 讓 Etsy 和 eBay 賣家上載 1–8 張產品相片,以開放權重 AI 約 15 秒生成商品刊登文案。流程先由 llama-3.2-90b-vision-preview 擷取相片屬性,再交由 llama-3.3-70b-versatile 生成標題、描述、標籤和分類;上載相片會縮至不超過 1024px,令視覺 token 用量減少約 70%。
Meta 發佈開放權重 AI 模型 Muse Spark Open,採用原生多模態架構,總參數量為 816B(激活參數 42B),支援 1M token 上下文窗口。
Meta 發佈 Muse Spark Open 的開放權重,這款 816B 參數模型面向編碼及長時間運作的智能體任務。其上下文窗口最高為 1 million tokens;Meta 的測試中,模型在 JobBench 得分 61.8,在 MCP-Atlas 工具使用測試得分 89.2。
推薦理由:文章比較 Muse Spark Open 在編碼與工具調用基準上的表現,並交代開放權重的商用授權條件,呈現其能力側重與使用限制。
bill2quote 使用本地視覺模型讀取 Alberta 公用事業帳單,找出能源費和行政費,生成節省比較及可供登記的資料。程式以 20 項確定性檢查驗證讀取結果和計算,並由人員在報價前確認數字。測試合成帳單時,Qwen3-VL 8b 有 7 張帳單的關鍵報價欄位全數正確,平均每張處理約 73 秒。
這項比較指出,Claude 3.5 Sonnet 在推理、編碼和創意寫作方面表現最佳,ChatGPT 的 Deep Research 與 Gemini 的多模態能力亦各有優勢。Gemini 1.5 Pro 支援 2M token 上下文和原生影片理解;Deep Research 可瀏覽 50+ 個來源,於 5-15 分鐘內生成附引文報告。
NVIDIA 發佈 Nemotron 3.5 Super VL,這款開放式 120B 多模態智能體模型每個 token 啟用 12B 參數,可處理文字、圖像、文件及影片。
Meta 發佈開放權重模型 Muse Spark Open,主打在 Mac 本機運行,採用 816 billion 個參數及 1 million token 上下文窗口。
Xiaomi-Lens-0 是基於 Qwen3.5 構建的 4B 多模態模型,透過自身視覺表徵預測遮罩,以改善細粒度區域推理和指代理解。在 RefCOCO、RefCOCO+ 和 RefCOCOg 的全部八個 split 中,其指代理解平均較 Qwen3.5 高 5.6 分,並在所比較模型中取得最高分割 cIoU;它亦在所有感知基準上勝過 Qwen3.5。
MARS 是一種免訓練方法,利用從 LLM 主幹提取的文本拒絕方向,在無須多模態安全數據的情況下引導多模態模型提升安全性。該方法在五個 SOTA 多模態大語言模型上接受安全性、效用及影片越獄評測,提升安全性的同時保留效用,但可能出現過度拒絕。
阿里巴巴於 2026 年 10 月 13 日在中國開售 Qwen N1 和 N1 Pro AI 眼鏡,N1 標價 2,999 yuan,N1 Pro 標價 3,499 yuan。
Apple 計劃於 2026 年 12 月隨 iOS 27.3 在中國內地推出 Apple Intelligence,採用 Alibaba 的 AI 模型,而非其在西方使用的 Google Gemini 模型。多家報道對首批功能説法不一,但均稱中國版不包括 Siri AI 和 Image Playground。Apple 尚未公佈計劃,日期、功能清單及合作方角色均為報道內容,審批亦可能影響安排。
vLLM 與 Meta Superintelligence Labs 合作,為 Muse Spark Open 提供 Day 0 支援;模型有 816B 總參數、每個 token 啟用 42B 參數及 1M 上下文窗口。
Together AI 今日提供 Meta Muse Spark Open,可在 Together AI Serverless 上運行,並透過 Together API 呼叫。
Meta 推出 Muse Spark Open,重返開放權重模型領域;模型面向編碼和智能體任務,支援文字、圖像、影片及音訊。模型有 816 billion parameters(42 billion active),上下文窗口最高達 one million tokens。
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 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 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。
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。
Nvidia 宣佈推出 Nemotron 3.5 Super VL 與 Bolt 74B-A9B 24GB,並表示將於本月稍後推出 Bolt E4B 4GB。Super VL 是開放的 120-billion-parameter 模型,輸出速度接近同級模型的五倍;Bolt 74B-A9B 24GB 使用 2-bit quantization,可在 24GB 記憶體內本地運行。
Liquid AI 推出多模態決策模型 d1-ultra,支援文字和圖片輸入,並以一次前向傳播輸出答案概率,不生成 token。模型在 Artificial Analysis Decision Index 上比其他決策模型至少高 8 分,並在所有任務中勝過 Jev 1.14,提供更準確且校準更佳的答案。
PaperTrail 是私隱優先的財務文件管理工具,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。工具面向自由工作者、個人創業者及獨立創作者,支援 Meta Llama 3.2 Vision、Qwen2.5-VL 本地文件理解工作流程,並提供 Ollama 和 FastAPI 整合選項;記錄可匯出為 CSV 賬簿、可列印明細表及本地備份。
Microsoft AI 已完成 MAI-Base-2 預訓練,這是一個有 80 billion 個啟用參數、2.8 trillion 個總參數的 MoE 基礎模型。
Nvidia 發佈 Nemotron 3.5 Super VL,這款具 120 billion parameters 的多模態開放模型,面向可持續在背景處理文字、圖像、文件及影片的企業 AI 智能體。
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。
Lovable 將 GPT-Live、Claude 模型、Gemini 4 Argon、Gemini Omni、Lyria、Perplexity、Firecrawl、Parallel 及 Jev 等模型與工具接入平台,讓用戶在 Lovable 內建立 AI 應用。
Voxel51 於 2026年10月15日推出 Voxel51 3.0,將搜尋、整理、標註及評估整合至面向 Physical AI 的端到端多模態數據平台。平台的 Agent 以 45+ 個 MCP 工具、80+ 個運算子及 18 個開源技能組成可重複工作流程,並新增四層數據溯源。
Baseten 宣佈可透過 Model API 評估 NVIDIA Nemotron 3.5 Super VL,並可在 Loops 開始訓練。模型結合視覺理解、推理和工具使用,採用 120B 參數 MoE 架構,每個 token 啟用 12B 參數。