Meta 发布 Muse Wonder 系列模型，含 Muse Wonder 与 Muse Wonder Full

推出 Muse Glimmer，一款开放权重、300 亿参数的模型，专为本地、常驻运行的智能体工作流优化。 与同尺寸领先模型相比，Muse Glimmer 在关键智能体用例和基准测试中表现出色，并设计为完全在消费级硬件（如 Mac 或配备高性能 GPU 的 PC）上运行。 秉承我们长期分享基础 AI 研究的传统，我们以宽松的 Apache 2.0 许可证发布模型权重。

来自 @finkd 的消息 — Muse Spark 1.1 已上线。

Meta Superintelligence Labs 发布首个媒体生成模型 Muse Image 和 Muse Video。Muse Image 是目前最先进的图像生成模型，能精确遵循指令、精准编辑、多参考构图，并利用 Instagram 社交上下文。它还具备智能体工具使用能力并集成 Muse Spark。用户可通过 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 试用，初始限于部分国家。Muse Video 基于相同预训练基础，实现…

实现个人超级智能需要在对齐和安全方面进行重大投入，并要求模型对私人信息保持审慎、抵御滥用。 我们训练了 Muse Wonder 模型家族，使其在这两个维度上都处于领先，能够抵御对抗性指令并谨慎处理私人信息。

Muse Wonder 系列在个人与专业智能体、记忆和编程等关键基准测试上取得了 SOTA 结果。 Muse Wonder 和 Muse Wonder Full 将专业知识应用于人们在工作与日常生活中遇到的问题，从理解租约到解读财务或健康信息。我们的评估包含法律、金融和健康领域的任务，以测试这一能力。

Meta 宣布 Muse Spark 1.3 的 max 推理档位公开发布，现已在 Muse Code 和 Meta Model API 上可用。Meta 称 Muse Spark 1.3 max 在编码和智能体表现上显著更强，并建议即使已试用过 high 或 xhigh 档位的用户也再试一次。

Meta 发布 Muse Spark 1.3，重点提升智能体与编码任务表现并聚焦真实可用性。模型可在单线程中跨多个工作流维持更长程的任务，更主动与用户协作，会提出澄清问题、标记卡住状态并在关键操作前确认；对自身局限的校准更好以减少幻觉结果。内部对比显示相比 Muse Spark 1.2 工具调用减少约 20%，token 消耗减少约 25%。

Meta Superintelligence Labs 发布 Muse Voice Transcribe，称其为首个实时音频感知模型。模型支持实时流式 ASR、20+ 说话人的 diarization 和 endpointing，多语言且可无缝 code-switching，可通过语言、关键词和上下文偏置提升准确率。该模型在 Artificial Analysis 的流式语音转文本和公开 diarization 基准上排名第一。

Arena 宣布 Meta 的 Muse Wonder 系列模型上线 Agent Arena，用户可实测，分数即将公布。

Meta 发布 Muse Wonder 系列模型，称其在个人与专业智能体任务上达到 SOTA 性能。Muse Wonder 现已通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅者开放。