已发布信号
技术信号
浏览已发布的 AI 技术信号,决定先读哪一条。
Meta 开源 Muse Spark Open:816B 多模态 MoE
Meta 发布开放权重模型 Muse Spark Open,总参数约 8160 亿、每 token 激活约 420 亿,采用 256 选 8 的 MoE 路由,支持文本、图像、音频、视频输入与最长 100 万 token 上下文,提供 BF16 与面向 NVIDIA Blackwell 的 NVFP4 两种 checkpoint,面向智能体编码任务训练。
适合 评估自托管开放权重模型的基础设施与平台团队、做编码智能体、需要多模态输入的工程团队
Muse Glimmer 开源:30B 压进消费级显卡,报错不停下
Meta 发布 Muse Glimmer:300 亿参数、Apache 2.0 开放权重,专为常驻本地的智能体工作流设计。4 位动态量化把 55GB 以上的显存需求压到 17 至 20GB,配合 DFlash 推测解码在 M5 Max 与 RTX 5090 上把吞吐提到最多 3.1 倍。真正值得注意的不是尺寸,而是它把「工具调用失败之后怎么办」写进了训练目标:API 或终端命令报错时,模型诊断故障并另找路径,而不是终止执行。
适合 在自己机器或工作站上跑智能体、不想把数据交给云 API 的开发者、需要为 24 至 32GB 显存预算选模型的端侧工程师
Meta 重回开放权重:一封长文、一个独立董事会,和一组本地部署的数字
Muse Glimmer 以 Apache 2.0 开放权重的同时,Meta 宣布重回开放路线:扎克伯格发表长文反对能力集中,公司设立独立董事会逐项审核每次模型发布,并披露了让本地部署成立的量化与推测解码数字。Muse Spark 1.2 的权重据称随后开放。
适合 在做开源与闭源模型选型的技术决策者、关注本地部署可行性的工程团队
Meta Muse Glimmer:30B 蒸馏开源模型,专为本地智能体设计
Meta 发布 Muse Glimmer——从 Muse 蒸馏到 300 亿参数、Apache 2.0 许可的多模态模型,目标是本地跑的智能体。工具调用与检索类基准领先同级开源模型,但在桌面与终端操作上输给 Qwen3.6-27B;生态当天跟进,硬件支持却分了档。
适合 在本地或私有环境部署智能体的工程团队、正在评估开放权重能否替代闭源 API 的技术决策者