Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型
Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线并开放部分用户的私有 API 预览。
推荐理由：官方发布给出基准成绩与三条扩展轴的技术细节，读者可以了解其相对 Llama 4 Maverick 的效率变化和安全评估结论。
#Meta
Meta AI：Research Blog精选AI 评分8080
Meta Engineering BlogAI 评分6060 Meta如何利用AI绘制大规模数据管道中的隐性知识图谱
Meta针对其大规模数据处理管道（横跨4个代码库、3种编程语言、超过4100个文件）部署AI编程助手时，发现其无法快速生成有效编辑。为此，团队构建了一套新系统，通过AI绘制并利用管道中分散的“隐性知识”，显著提升了AI助手对复杂代码库的理解与编辑效率。这一方法解决了AI在大型、多语言代码环境中理解上下文和团队特定实践的瓶颈问题。
Meta Engineering Blog精选AI 评分8282 KernelEvolve：Meta的Ranking Engineer Agent如何优化AI基础设施
Meta的Ranking Engineer Agent系列博客第二篇，聚焦其底层基础设施优化能力。该自主AI代理能够优化支撑广告排名模型运行的低层基础设施，旨在提升系统性能与效率。本篇承接首篇介绍的机器学习实验自主探索功能，进一步展示了该代理在硬件与系统层面的自动化优化实践。
推荐理由：Meta 内部工具展示 AI 自动化优化基础设施，工程师可借鉴实践。
Meta Engineering Blog精选AI 评分8181 Meta Adaptive Ranking Model：弯曲推理扩展曲线，为广告提供LLM规模模型服务
Meta将其广告推荐系统的运行时模型扩展至LLM的规模和复杂度，旨在更深入理解用户兴趣与意图，以提升广告效果。这一举措通过自适应排序模型，优化了推理阶段的扩展曲线，使部署大规模模型服务成为可能，标志着推荐系统性能向新前沿迈进。
推荐理由：Meta的工程实践展示了如何优化LLM规模模型的推理效率，对AI系统设计有参考价值。
Meta Engineering Blog精选AI 评分7171 AI助力美国产水泥与混凝土
Meta发布了名为贝叶斯优化的新AI模型，用于设计混凝土配比。该模型旨在帮助建筑行业生产更高质量、更可持续的混凝土混合物，并特别聚焦于美国本土生产的产品。此次发布与2026年美国混凝土学会春季大会同步进行，是Meta长期路线图的一部分，旨在推动建筑业利用人工智能优化材料性能与环保指标。
推荐理由：Meta 将 AI 应用于传统建筑行业，展示垂直领域落地案例，启发其他行业探索 AI 应用。
Manus：Blog精选AI 评分6969 Manus 官宣加入 Meta，将继续独立运营并服务现有用户
Manus 官宣加入 Meta，称此举将巩固其在 AI 应用层的战略位置，把 Meta 平台上的数百万企业和数十亿用户作为下一步服务对象。截至 12 月初，Manus 已处理超过 147 万亿个 token，创建超过 8000 万台虚拟计算机；Manus 将继续通过 app 和网站提供产品和订阅服务，公司继续在新加坡运营，CEO 肖弘表示运作方式和决策机制不变。
推荐理由：官方公告交代了收购后的服务安排和运营计划，读者可以据此判断 Manus 现有用户的订阅与使用是否受影响。
OpenRouter：AnnouncementsAI 评分4141 OpenRouter 下调 Llama 3.3 70b 价格，新增六个模型和提供商
OpenRouter 宣布为 Llama 3.3 70b 降价，同时提供该模型的六个版本及对应提供商。
OpenRouter：AnnouncementsAI 评分4949 OpenRouter 对 Llama 3.3 70b 降价并新增六个模型及供应商
OpenRouter 宣布对 Llama 3.3 70b 进行价格下调，同时新增六个模型及相应供应商。此次调整扩大了 Llama 3.3 70b 的可选提供商范围，并降低了调用成本。
LMSYS Blog 技术博客：Llama 3 表现如何？Arena 数据分析
Meta 于 4 月 18 日发布的开源模型 Llama 3-70B 在 Chatbot Arena 排行榜迅速登顶，参与超 5 万次对战。该模型在开放式写作和创意任务上表现突出，胜率达 60%，但在数学、编码等封闭式技术任务上逊于 GPT-4-Turbo 和 Claude 3 Opus。随着提示难度增加，其胜率从 50% 显著下降至 40%。分析显示，Llama 3 的输出风格更友好且具对话性，这成为其获得用户偏好的关键因素。
EleutherAI：Blog Yi-34B、Llama 2 与 LLM 训练常见实践：对《纽约时报》的事实核查
文章针对《纽约时报》关于 Yi-34B 与 Llama 2 关系的报道进行事实核查，澄清 Yi-34B 在架构设计、训练数据及分词器实现上与 Llama 2 的实际差异，同时系统梳理了当前大语言模型训练领域的行业常见实践，强调在遵循开源协议前提下基于现有架构进行技术迭代是 AI 社区的标准做法。
LlamaIndex：产品、工程与评测AI 评分5757 LlamaIndex 谈长上下文 RAG 的未来：Gemini 1.5 Pro 观察与新架构设想
LlamaIndex 基于 Gemini 1.5 Pro 的 1M 上下文窗口初步测试，提出长上下文 LLM 会简化 RAG 的分块、检索与摘要等环节，但仍面临文档规模超窗、嵌入模型上下文落后以及成本与延迟等挑战。
LlamaIndex：产品、工程与评测AI 评分5252 NVIDIA 研究解读：检索增强与长上下文 LLM 的对比与结合
LlamaIndex 解读 NVIDIA 研究，用 Nemo GPT-43B（扩展至 16K）与 LLaMA2-70B（扩展至 16K/32K）在 7 个数据集上比较检索增强与长上下文扩展。
LlamaIndex：产品、工程与评测AI 评分4646 Meta 提出 RA-DIT：用检索增强双重指令微调提升 RAG 效果
Meta AI 研究团队提出 RA-DIT（检索增强双重指令微调），通过分别微调 LLM 与检索器，让任意 LLM 获得检索能力。在知识密集型任务上，RA-DIT 65B 的 0-shot 平均 EM 达 50.5，高于 LLAMA 65B REPLUG 的 43.1 和 LLAMA 65B 的 32.9；64-shot 微调下平均 60.9，略超 ATLAS 的 56.8。