Meta 的 Muse Wonder 在最新測試中於實際法律工作表現勝過 OpenAI
Meta 的 Muse Wonder 在 Legora 11 月法律工作測試中取得最高整體品質評分,並勝過 OpenAI 的參測模型。Muse Wonder 在分析與回答、資料擷取、起草及編輯四類任務領先;GPT-6.2 Astra 則在比較與審閲任務領先,個案成本低於平均 20%。
Meta 的 Muse Wonder 在 Legora 11 月法律工作測試中取得最高整體品質評分,並勝過 OpenAI 的參測模型。Muse Wonder 在分析與回答、資料擷取、起草及編輯四類任務領先;GPT-6.2 Astra 則在比較與審閲任務領先,個案成本低於平均 20%。
在主機持有狀態並逐項檢查模型提出的變更時,11 款 1.5B 至 32B 開放模型中有 10 款在 3,200 步測試的每一步都維持準確狀態,所有模型均無狀態損毀。使用一般文字描述請求時,Qwen2.5-1.5B 只在 2.31% 的步驟答對,Qwen2.5-32B 則達 97.91%。
llama3.1:8b 在一次本地測試中,收到錯誤程式碼及失敗案例後,兩度原樣重複有 bug 的函式;只收到「再試一次」的盲目重試,則首次便修正了錯誤。12 項任務中有 3 項未能通過基準測試;在這 3 項中,錯誤提示重試的最終得分有 2 項不高於盲目重試,僅 1 項明顯較好。
Skryvo AI 以同一組四項日常寫作任務測試 7 款 AI 聊天機械人,結果 ChatGPT(GPT-6.1 Sol)和 Grok 4.7 的短篇營銷文案最適合直接使用。六款模型加入了原文未提供的產品功能,五款超出 Instagram 每則貼文五個 hashtag 的上限。Claude Sonnet 5.5 是唯一會就缺失資料提問的模型;每項提示只測試一次,作者提醒細微差異可能只是噪音。
Meta AI 發佈 Muse Ember,稱其為面向複雜推理及智能體日常重複工作的最小、最高效模型。短提示詞下,Muse Ember、GPT-6 Luna 和 Claude Haiku 5.5 的輸入/輸出價格均為每百萬 tokens $0.10/$0.50,但價格上調門檻分別為 200k、272k 和 100k。
在 300 條 Amazon 產品評論的情感分析測試中,Mistral Small (2603) 以 97.7% 通過率達到 88% 門檻,每項成功任務成本為 $0.000019,是九個模型中最低,並與基準 GPT-6.1 Sol 相符。
Meta於2026年11月9日發佈小型模型 Muse Ember,供 Muse Code 及 Meta Model API 使用,面向以較低成本執行 AI 智能體的重複工作。
Meta Superintelligence Labs 發佈 Muse Ember,一款面向智能體內大量重複步驟的多模態推理模型,支援 1M-token 上下文及最多 512K 輸出 token。
Meta 於 2026 年 11 月 9 日推出 Muse Ember,輸入每百萬 tokens 收費 $0.10、輸出每百萬 tokens 收費 $0.50,定位為處理智能體重複工作的模型。
Meta 於 2026 年 11 月 9 日推出 Muse Ember,定位為 Muse 家族中最小、效率最高的模型,面向大量重複的智能體工作。它在 Artificial Analysis Intelligence Index 得 36 分,與 Claude Haiku 5.5 持平;每項任務成本約 $0.14,低於 Muse Spark 1.3 的 $2.39。
推薦理由:文章對照任務成本、基準表現與弱項,呈現 Muse Ember 適合承接大量重複智能體步驟、而非最難工程任務的定位。
Meta 推出入門級模型 Muse Ember,定位為供 AI 智能體使用的低成本模型,並稱這是首個以 Muse Wonder 訓練的 AI。
Meta 推出 Muse Ember,稱其在 Artificial Analysis 排行榜的表現媲美 Claude Haiku 5.5,單任務成本僅為其 1/3。
Meta 於 2026年11月10日正式推出輕量級 AI 模型 Muse Ember,面向智能體複雜推理與高頻任務。它在 Artificial Analysis 榜單的表現媲美 Claude Haiku 5.5,單任務成本為其 1/3,並在多項智能體與編碼評測中超越 GPT-6 Luna。
Meta 推出 Muse Ember,稱其在 Artificial Analysis 排行榜的表現媲美 Claude Haiku 5.5,單任務成本僅為其 1/3。
Meta 發佈輕量級 AI 模型 Muse Ember,Artificial Analysis 的綜合智能指數為 36 分,與 Claude Haiku5.5 最高推理檔位持平,單次同類評測任務成本約為其三分之一。
Meta 發佈 Muse Ember,定位為面向複雜推理及智能體日常工具調用、編碼子任務、路由、資訊提取和長文件解析的高效率模型。
Meta 發佈 Muse Ember,稱其為迄今最小、效率最高的 AI 模型,設計用於智能體日常的工具調用、小型編碼任務、請求分流、資料抽取及長文件處理。
Meta 發佈 Muse Ember,稱其在 Artificial Analysis Intelligence Index 最高設定下與 Claude Haiku 5.5 同得 36 分,而每項測試成本約為三分之一。
Muse Ember (max) 在 Artificial Analysis Intelligence Index 得 36 分,每項任務成本為 $0.14,是得分至少 36 分的最低成本模型。
Muse Ember 被標示為「最小、最高效的模型」。評論者以六種推理力度生成鵜鶘 SVG,當中「high」未能輸出完整 SVG;他指出,增加推理 token 並未明顯提升 SVG 的視覺質素。
Meta AI Research 於 2026年11月9日推出 Muse Ember,並於同日透過 Muse Code 和 Meta Model API 開放,定位為低成本、適用於重複智能體及編碼工作的模型。
Meta Superintelligence Lab 發佈 Muse Ember,稱其為該實驗室迄今最輕量、最具成本效益的 AI 模型,定位於智能體的推理執行及重複任務。
Meta 發佈 Muse Ember,稱這是其迄今最小、最具成本效益的 AI 模型,並表示其每美元可提供的智能高於 Haiku 5.5 和 GPT-6 Luna。
Meta 宣佈推出基於 Muse Wonder 訓練的現有模型專用版本,並將主動記憶與主動專注全面推送至 Muse 和 Meta AI 用戶。Muse 升級後的模型遺忘達成目標所需關鍵資訊的問題降低了 2.4 倍;日常任務遇到意外狀況時,任務完成率提升了 67%。
在以 150 條 BANKING77 訊息進行的 77 類意圖分類測試中,GPT-6.1 Terra 正確率為 84.0%,通過 70% 門檻,並通過表現不比基準 GPT-6.1 Sol 低超過 5 個百分點的配對檢驗;每次成功成本為 $0.000727,較 Sol 的 $0.001272 低 42.8%。
文章比較 ChatGPT-4 與 Meta 的 Llama 3,梳理兩者在能力、成本、整合及支援方式上的差異。Llama 3 預訓練使用超過 15 trillion tokens,是 Llama 2 的七倍,並以開源方式提供,支援高度自訂。ChatGPT-4 設有免費及付費選項,並支援視覺輸入和工具整合。
Meta 發佈首個前沿模型 Muse Wonder,文章指出它在程式碼和推理 benchmark 的分數較高。文章亦以 VR 視覺訓練應用 AmblyoPunch 為例,介紹其治療弱視的四階段流程及按表現調整訓練的方式。
Canva 發佈首個自研圖像生成模型 Canva Craft,支援最高 2K 解析度、超過 30 種畫面比例及 55 種語言文字渲染。模型由 Canva Research 從零訓練,主要使用數以百萬計的設計範本而非照片,並會先規劃構圖、比例和文字再生成圖像。
Fireworks AI 已在無伺服器及按需部署中提供 Meta 的 Muse Glimmer 30B,模型面向可跨多輪執行工具呼叫並從失敗中恢復的常駐智能體。
作者以兩項基準測試開放權重模型作編碼智能體,Muse Spark Open 在 Forge 2.0 得分為 0.091 和 0.0877,Gauntlet 7.2 則因服務逾時未有結果。
Meta 公佈 Muse Wonder 和 Muse Wonder Full,主打面向個人及專業智能體任務,並以 Active Memory 跨對話保留脈絡、Active Focus 持續處理多步驟目標。
Interconnects 第 25 期開放 AI 成果綜述聚焦中美監管動向、DeepSeek-V4.1-Flash-1017,以及多款開放模型與工具更新。中國商務部提出政策草案,要求前沿 AI 模型及部分技術在國際共享前獲政府預先批准,並稱開源技術將設自動審批;美國 DHS 則限制 DeepSeek 公司及其模型平台成為聯邦民事採購供應商。
Latent Space 的 AINews 彙整 10/16/2026–10/19/2026 的 AI 動態,涵蓋多款模型發佈、Agent 研究、推理基礎設施及行業與政策消息。
中美開放權重 AI 模型競爭升温,DeepSeek 發佈更新版 DeepSeek-V4.1-Flash-1017,美國多款開放權重模型亦相繼公佈。
DeepSeek推出V4.1 Flash-1017,多數場景Token用量較前版下降逾50%,API價格維持原有水平。馬斯克稱正投入大量資源開發商業專用議價機械人Hagglebot,並稱其可提升企業成本效率5%或以上,按全球GDP估算每年最多節省6萬億美元。
作者 Kyle Clouthier 在 SECOND STRIKE 核戰遊戲中測試 7 個最新 AI 模型,並公開遊戲環境及自行運行方法。結果顯示,DeepSeek V4.1 Flash 在 3 場中有 2 場觸及午夜,gpt-oss-120b 為 1/3;前沿模型 9 次核發射中有 7 次是潛艇自動報復,而非模型下令。
Google、Meta 與 Reflection 本週分別推出 Gemini 4 Argon、Muse Spark Open 和 Beam,後兩者為開放權重模型。
Latent Space 試播新節目 High Taste Testers,以三藩市常見的午餐對話為形式,談及 Dev Day、最新模型及 AI 助手。這期 AINews 涵蓋 Muse Spark Open、Reflection Beam 1.0 等開放權重模型,以及 Gemini 4 Argon、Anthropic 和 OpenAI 的產品更新。文章亦整理模型評測、價格、部署支援和授權資訊。
StarSkirmish Bench v0.2 比較 9 個大語言模型在一小時內編寫 Protoss C++ Bot,對抗人類編寫 Bot 和示範 Bot 的成績。
Meta 於 10 月 15 日發佈總參數量達 8,160 億的開放權重模型 Muse Spark Open,並與 Apple 合作,讓模型可在 2 部配備 M5 Ultra 晶片的 Mac Studio 上完全本機運行。
推薦理由:文章梳理 Muse Spark Open 在 Mac Studio 叢集本機運行所需的記憶體與互連條件,並指出企業還須衡量授權限制和部署成本。