Meta 将 Muse Ember、Muse Wonder 和 Muse Spark 1.3 带入 Google Cloud

Meta 推出用 Muse Wonder 训练的专项模型，接入 Muse 和 Meta AI，包含 Active Memory 和 Active Focus 两项能力。在 Muse 中，关键信息遗忘减少 2.4x，约束变化时摆脱卡壳的改善为 67%；Meta AI 则能更好地拆解复杂问题、提出更精准的追问并适应用户改变方向。

在 Connect 大会上，我们预览了 Muse Realtime Avatar，这是我们能将 Muse Realtime Voice 转化为富有表现力、可交互虚拟形象的实时具身技术。 今天，我们在美国面向 @Muse 应用推出该功能，为人们提供一种与个人智能体互动的更自然方式。 在我们的研究博客上了解更多关于 Muse Realtime Avatar 的信息：https://go.meta.me/47ZSNso

Meta 介绍其 Muse 基础模型（含 Muse Wonder）在俄亥俄州 New Albany 的吉瓦级超级集群 Prometheus 上的训练情况。该集群拥有数十万 GPU，预训练 goodput 达 85% 以上，强化学习达 90% 以上，Muse Wonder 训练期间平均约 47K GPU 小时才发生一次中断，并附技术介绍链接。

Meta 官方介绍，Muse Spark Open 经优化可在两台 Apple M5 Ultra Mac Studio 上以最新 MLX 框架运行，以提升先进模型的可及性。模型也支持 SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、llama.cpp 和 Unsloth 等推理引擎，并对 AMD、Apple、Intel 和 NVIDIA 硬件做了优化。开发者还可用 PyTorch（含 TorchTitan）进行微调定制。

我们希望 Muse Wonder 和 Muse Wonder Full 能让更多人拥有追求梦想、构建自己想要的世界的工具。 在我们的研究博客中了解更多：https://go.meta.me/musewonder

两点让 Muse Wonder 适合智能体每天面对的长时程、多步骤工作： -> Active Memory 跨对话携带你的上下文，并在相关时呈现出来。 -> Active Focus 在任务变得棘手时让模型持续朝你的目标推进，尝试替代方案，攻克阻碍，坚持到底直至完成。

今天我们推出了 http://muse.ai——一个个人 AI 智能体，并发布了一篇深度解析，讲述我们如何在其系统中构建安全性。 一个会随着时间逐渐了解你的智能体，必然掌握大量关于你的上下文信息。这正是它有用的来源，也是我们构建 Muse 时注重安全、可靠与隐私的原因。 完整深度解析请见：http://security.muse.ai/

Meta 发布个人 AI 智能体 Muse，定位于代用户完成生活中各方面事务，底层由 Muse Spark 1.3 模型驱动。官方同时上线应用下载入口 https://Muse.ai 和构建细节介绍页 https://introducing.muse.ai/。

Higgsfield 宣布 Claude Fable 5.2 已在 Higgsfield MCP 上线，提供 3 天免费不限量使用全部顶级视频和图像模型。作者称该 Anthropic 新模型擅长 3D 建模、视觉推理、computer use 和编码；引用内容提到 Claude Fable 5.2 与 Claude Mythos 5.2 在编码、推理和视觉方面有提升。

Cognition 宣布 Claude Fable 5.2 现已在 Devin Desktop 和 Devin CLI 中可用。该模型在 FrontierCode 2.0 上以 49.1 分排名第一；相比 Fable 5.1，在低推理力度下以约三分之一的价格超过前代得分。