OpenRouter@OpenRouter精选AI 评分7272推荐理由：Apache 2.0许可和两项代理基准得分，为评估30B规模本地开源模型是否达到生产可用提供了直接参照，分数分别指向工具调用和编码能力。
公司与模型
Meta / Llama 最新动态
Meta 的 AI 动态：Llama 与 Muse 系列模型、超级智能实验室与 Meta AI 产品。
68 条精选近 30 天 13 条共收录 753 条
更新
精选归档 · 第 2 页
- OpenRouter@OpenRouter精选AI 评分7272
Artificial Analysis@ArtificialAnlys精选AI 评分7878推荐理由：Apache 2.0 许可和单 GPU 可运行的设计，使团队能在自有硬件上运行与更大模型接近的性能，部署成本与合规风险同时下降。
Manus：Blog精选AI 评分7272 Manus 宣布恢复独立运营，部分用户数据将于 8 月 23 日至 24 日被删除
Manus 宣布将恢复独立运营，作为与 Meta 分拆的一部分并为遵守监管要求，部分用户在 2025 年 12 月 29 日（Meta 收购 Manus 当天）或之后产生的数据将于 2026 年 8 月 23 日 08:00 起至 8 月 24 日期间（SGT）被删除。
推荐理由：官方公告明确了数据删除和备份恢复的具体时间窗口，受影响用户可据此安排备份。
LMSYS Blog精选AI 评分7272 SGLang 为 Muse Glimmer 提供 Day-0 支持，针对本地智能体工作流优化推理
SGLang 与 Meta Superintelligence Labs 合作，为 30B 参数多模态模型 Muse Glimmer 提供 Day-0 支持，该模型拥有 128k+ token 上下文窗口。
推荐理由：SGLang对Muse Glimmer的优化使30B多模态模型在RTX 5090上达到236 tok/s用户速度，本地智能体工作流不再受限于云端延迟。
Unsloth AI@UnslothAI精选AI 评分7272Meta 开源 30B 参数密集模型 Muse Glimmer，Apache 2.0 许可，支持视觉，可在 18GB RAM/VRAM 环境本地运行，定位于本地智能体与编码工作流。
引用Mark Zuckerberg@finkd今天我们还将开放 Muse Glimmer 的权重，这是一个出色的 30B 参数稠密模型，可以在本地运行。很快我们还会发布 Muse Spark 1.2 的权重，这是我们最新的基础模型。Meta 是开源的有力支持者，我为这些发布感到自豪。祝贺 @alexandr_wang 和 MSL 团队在这些模型上所做的出色工作。
推荐理由：Meta 开源 30B 密集视觉模型，18GB 内存可本地运行，作者还提供了 GGUF 和运行训练指南，方便直接上手。
Mark Zuckerberg@finkd精选AI 评分6969我相信每个人都应能使用超级智能，我撰写了一篇长文，阐述 Meta 为所有人构建积极未来的理念与价值观。http://meta.com/thefutureisforeveryone
推荐理由：把超级智能的普惠性作为公司核心哲学，可能影响行业对开源路线的判断，也暗示 Meta 将免费可及作为首要竞争维度。
AI at Meta@AIatMeta精选AI 评分5858推荐理由：将一个 30B 模型以 Apache 2.0 许可完全开源并针对本地智能体优化，为需要离线运行或数据不出设备的 Agent 应用提供了更轻量的选择。
Ollama：Blog精选AI 评分7878 Meta Superintelligence Labs 首个开源模型 Muse Glimmer 上线 Ollama
Meta Superintelligence Labs 首个开源模型 Muse Glimmer 现已在 Ollama 提供，为 30B 多模态模型，主打本地智能体工作负载，上下文长度 128K+，采用 Apache 2.0 许可。
推荐理由：原文给出模型规格、本地接入命令和 Apple Silicon 性能数据，可帮助读者判断该开源模型能否承接本地编码与智能体工作流。
Fireworks AI精选AI 评分6969 Meta Muse Glimmer 30B 上线 Fireworks，面向常驻 Agent 场景
Meta 的 Muse Glimmer 30B 稠密模型已在 Fireworks 上提供 serverless 和按需部署，主打多轮工具调用与失败恢复等常驻 Agent 场景。
推荐理由：原文给出了架构细节、Agent 基准对比和推荐运行配置，读者可以据此评估这款 30B 开源模型是否适合自己的多轮工具调用工作流。
IT之家·人工智能精选AI 评分7777 Meta 宣布扩建路易斯安那州数据中心至 5GW，总投资超 500 亿美元
Meta 将其路易斯安那州数据中心算力扩至 5GW，总投资超 500 亿美元，为全球最大 AI 基础设施投资之一。Meta 承诺承担全部能源及水资源费用，并另投超 10 亿美元改善当地道路及供水系统。此外，Meta 与安特吉公司达成协议，为新建天然气发电厂、储能电池及核电增容项目提供资金支持。
推荐理由：500 亿美元把 AI 军备竞赛推到了 5GW 量级，这已经不是数据中心，是电力公司级的基础设施赌注，对算力上下游的影响会持续数年。
The Verge：AI精选AI 评分7676 Meta 关闭 Instagram 用户可基于公开账户生成 AI 深度伪造图片的功能
在遭到强烈反对后，Meta 关闭了本周早些时候推出的一项 Instagram 功能。该功能允许用户通过 @ 提及公开 Instagram 账户，基于其内容生成 AI 图片，且无需账户所有者许可。Meta 在关于其新 Muse Image AI 模型的博客文章更新中表示，其初衷是提供有用的创意工具并给予用户认可，但用户反馈表明该功能可能被滥用。
推荐理由：Meta 在舆论压力下火速撤回刚发布的 AI 深度伪造功能，这次公关折返跑比功能本身更有信息量，平台对隐私反弹的优先级已经高于技术落地，但默认 opt-out 的根本矛盾还在。
IT之家·人工智能精选AI 评分7575 扎克伯格首度回应 Meta“算力过剩”：没人会嫌算力太多，但租出去更赚钱
Meta CEO 扎克伯格首次正面回应公司筹划云基础设施业务一事，否认“算力过剩”猜测，称内部算力需求依然旺盛、满负荷运转。但他同时表示，当前市场对算力出价极高，将部分 AI 基础设施对外出租在财务上更划算。Meta 正制定代号“Meta Compute”的云计算计划，包括开放模型访问权限和直接出租裸算力两条路线。扎克伯格还提及 SpaceX 以每月 12.5 亿美元将数据中心租给 Anthropic 的模式。Meta 2026 年资本支出指引达 1250 亿至 1450 亿美元，计划 2026 年 9 月量产自研 AI 芯片，目标 2027 年部署算力提升至 14 吉瓦。
推荐理由：扎克伯格首次确认 Meta 要做云业务，从‘自用’到‘出租’的转变很关键，这可能是 AI 基础设施从军备竞赛转向平台化的信号，做底层算力和云服务的团队有必要盯着。
- AI at Meta@AIatMeta精选AI 评分6565
来自 @finkd 的消息 — Muse Spark 1.1 已上线。
引用Mark Zuckerberg@finkd(1) 今天我们发布 Muse Spark 1.1——这是一款性能强劲的智能体与编程模型，价格非常低廉。它已通过我们全新的 Meta Model API 上线，并集成在 Meta AI 中。
推荐理由：Muse Spark 1.1 主打 agent 和 coding 能力，同时压到极低价，这可能是 Meta 低价模型策略的正式开场。虽然这次没给具体数据，但后续模型、API 的布局值得关注。
- Mark Zuckerberg@finkd精选AI 评分7373
今天我们发布 Muse Spark 1.1——一款价格极低、能力强大的智能体与编程模型。它已通过我们新的 Meta Model API 上线，并集成于 Meta AI 中。
推荐理由：低价位 agentic coding 模型即日可用，可能使原先因成本顾虑而推迟的智能体原型更早启动。
Meta AI：Research Blog精选AI 评分7474 Meta 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 发布 Muse Spark 1.1，定位面向智能体任务的多模态推理模型，在工具与计算机使用、编码、多模态理解上较 Muse Spark 有明显提升，支持 1M token 上下文窗口。
推荐理由：官方博客给出模型在智能体、编码、多模态上的能力细节和百万 token 上下文，并开放 Meta Model API 公测，可对照现有工作流评估。
- AI at Meta@AIatMeta精选AI 评分7575
推荐理由：Meta 超级智能实验室的首个媒体生成模型，把图像生成跟 Instagram 社交语境结合听起来很实用，但细节还少，期待后续实测。
IT之家·人工智能精选AI 评分7373 Meta 被曝让外包人员伪装未成年人，诱导竞争对手 AI 聊敏感话题
据《连线》报道，Meta 通过外包公司 Covalen 开展代号“Cannes”的项目，让数百名外包人员伪装成未成年人，向 OpenAI ChatGPT、谷歌 Gemini 及 Character.AI 发送涉及自杀、自残、进食障碍等高风险提示词，以测试竞品聊天机器人的安全拦截机制。项目持续至 4 月 21 日，单轮测试发送超 4.5 万个提示词，外包人员创建 18 岁以下虚假账号并上传药片、刀具等图片。Meta 称这是常规安全测试，且不会用竞品测试数据训练自家模型。
推荐理由：Meta用外包人员伪装未成年人测试竞品AI，这事撕开了AI安全测试的灰色地带，暴露了聊天机器人面对极端儿童话题时的脆弱性，比任何安全白皮书都更有冲击力。
Rohan Paul@rohanpaul_ai精选AI 评分8484"我们正在建设这个 Prometheus 集群，首个千兆瓦以上的单一集群……我们是在谈论数千亿美元的资本投入。" Mark Zuckerberg 表示，他的职责就是集中精英人才、资本和基础设施。
推荐理由：扎克伯格亲口确认千兆瓦级 AI 集群计划，数百亿美元砸向基础设施，我觉得这是算力军备竞赛的又一个关键节点，所有靠云算力的团队都得关注。
TechCrunch：AI精选AI 评分7070 扎克伯格称AI智能体开发速度未如预期
Meta CEO 扎克伯格在本周内部全体会议上表示，AI 智能体的开发速度并未像高管们此前预期的那样加速。今年早些时候Meta裁减约8000名员工（约占10%），并将另外7000人调至多个AI团队，包括Agent Transformation小组。扎克伯格称裁员不够“干净”，原因是高管担心公司无法足够快地适应技术行业变化。他还指出以AI为中心的新公司结构所预期的好处尚未实现，但相信未来三到六个月将开始看到AI投资的改善。路透社报道，Meta今年预计在AI基础设施上投入高达1450亿美元。
推荐理由：扎克伯格对员工承认 AI 智能体进展不如预期，裁员重组的收益也还没兑现，巨头的挫败感比任何 PR 都真实，做 Agent 的团队该重新校准时间线。
Meta Engineering Blog精选AI 评分7171 Meta 大规模 AI 存储蓝图
Meta 运营数百 EB 级存储集群，基于 Tectonic 分层存储层构建 BLOB 存储架构，以应对两大挑战：最大化 GPU 利用率与研究迭代速度。传统 BLOB 架构的多层元数据查询可导致数百毫秒延迟，使 GPU 因 I/O 等待停顿。新架构将训练栈逐步迁移到 BLOB 存储接口上，利用闪存提供可预测的低 pMax 延迟，避免单 GPU 慢速拖慢整批任务。同时，统一的数据湖访问支持地理分布 GPU 间的数据高速注入与跨区移动，提升研究效率。
推荐理由：Meta的存储架构复盘给出了一条明确路径，从重写元数据到分层缓存，他们把GPU利用率和研究者迭代速度同时提升了一个档次，做AI训练平台的值得细读。