Anthropic 為何不做消費級個人 AI 助理
Anthropic 尚未推出 dots、Muse 式消費級個人智能體,而是先把常駐式 AI 能力佈局在企業與工作場景。文章將這一取向歸因於 Claude 在消費端入口較弱、約 80% 收入來自 API 和企業客戶,以及常駐智能體的算力成本和安全風險;文中亦明言,情感依賴只是可能的解釋,並非 Anthropic 公開説明的理由。
Anthropic 尚未推出 dots、Muse 式消費級個人智能體,而是先把常駐式 AI 能力佈局在企業與工作場景。文章將這一取向歸因於 Claude 在消費端入口較弱、約 80% 收入來自 API 和企業客戶,以及常駐智能體的算力成本和安全風險;文中亦明言,情感依賴只是可能的解釋,並非 Anthropic 公開説明的理由。
Business Insider 記者用 Muse 分析 Mark Zuckerberg 的辦公桌照片,發現它能辨認部分物品,但有些判斷需要提示或出現錯誤。Muse 正確辨認出兩部 Apple M5 Ultra Mac Studios、Jolly 吉祥物和 Noble Champagne,卻先把 Muse Charm 認作無線耳機充電盒。
Meta 的新商業條款將於 10 月 30 日生效,商業帳戶繼續使用 Facebook、Instagram 或 WhatsApp,即同意 Meta 抓取關聯網站內容並用於訓練 Meta 產品。目前商業帳戶沒有退出條款的選項;Meta 稱網站仍可透過 robots.txt 管理內容存取,但法律專家指出,條款或令 Meta 主張其凌駕網站的封鎖指示,AI 訓練是否符合合理使用仍有法律爭議。
Meta 已公開 Muse Spark Open 的模型權重,這款面向編碼及長時程智能體任務的多模態模型共有 816B 參數,每個 token 啟用 42B。
推薦理由:文章並列智能體評測成績、其他基準的相對表現與桌面部署硬件需求,呈現模型的能力定位及本機運行門檻。
Meta 發佈 Muse Spark Open,這款 Muse Spark 的開放權重 MoE 模型有 816B 參數、每個 token 啟用 42B,並支援 1M-token 上下文窗口。
推薦理由:文章對照 Muse Spark Open 在 MCP-Atlas 與 Terminal-Bench 2.1 的成績,呈現工具使用與編碼測試的表現落差。
Meta 於 2026 年 10 月 15 日推出 Muse Spark Open,這款開放權重模型共有 816B 參數,權重可免費下載。模型採用混合專家架構,每個 token 啟用 42B 參數,支援 1,048,576 token 上下文及文字、圖像、音訊和影片輸入,並以智能體編碼為設計方向。
推薦理由:文章把免費下載、本地運行所需硬件與商用授權條件放在一起,交代 Muse Spark Open 從取得權重到實際部署的門檻。
企業微信接入 WorkBuddy,讓用戶可在企業微信內調用權限範圍內的工作資料處理任務;谷歌稱 Willow 量子芯片驗證新技術,令特定量子態的錯誤率降低約 40 倍。新技術制備的量子態準確度達 99.99%,相關研究已發表於《科學》期刊。
作者打造 HonestFit,檢查求職信與履歷是否一致,並在自己的 38 封求職信中發現多項履歷未載明的內容。38 封信全都寫「13 年」,履歷則寫「12 年 8 個月」;另有 27 個副業項目數字未見於履歷。gpt-oss-20b 是預設模型,每封信約需 7 至 9 秒,成本低於 $0.001。
Meta 公開 Muse Spark Open 的模型權重;這款 MoE 模型共有 816B 參數、每個 token 啟用 42B 參數,並設有 1 million tokens 的上下文窗口。
推薦理由:文章交代 Muse Spark Open 開放權重後的本地部署條件,並比較桌面硬件、資料中心 GPU 與雲端 API 三種使用方式。
Meta 與 Apple 宣佈技術合作,首次在配備 M5 Ultra 晶片的 Mac Studio 上本地運行開源大模型 Muse Spark Open。演示基於 Apple MLX 框架,在兩台配備 512GB 記憶體的 Mac Studio 上完成;模型參數量為 8160 億,專注編程與智能體任務。設備預計本月發售,起售價超過 1 萬美元。
Meta 於10月15日在美國發佈開源 AI 模型 Muse Spark Open,稱其為迄今能力最強的美國開放權重模型。這是 Muse 系列第二次開源,參數量未公開,性能低於同系列閉源前沿模型 Muse Wonder。Meta 首席 AI 官汪滔表示,基於安全與能力邊界考量,頂尖模型暫不開放;Muse Spark Open 以 Apache 2.0 協議發布。
Meta 首席 AI 官汪滔表示,Meta 通常不會開源最頂尖模型,但會繼續發布優秀的開源模型。Meta 稱 Muse Spark Open 是迄今能力最強的美國開放權重模型,但性能低於週一發布、目前仍閉源的 Muse Wonder。這一表態與扎克伯格五週前稱競爭對手不公開更先進模型「極其危險」形成反差。
清單列出2026年10月16日五項熱門開發工具及教學,涵蓋 AI 研究、ESP32 控制 iPhone、AI 圖像生成、設計及 GIS。ESP32 iPhone AI 控制專案在 GitHub 獲 2440 顆星,Qwen-Image 2.1 技能、Doory 和 RustGIS 分別獲 2035、1306 及 1218 顆星。
Meta 發佈開放權重模型 Muse Spark Open;該模型可在兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 上本地運行。模型採用原生多模態架構,總參數量為 816B(激活參數 42B),上下文窗口為 1M token。
推薦理由:文章並列 Muse Spark Open 的參數規模、上下文窗口及兩台配備 M5 Ultra、512 GB 記憶體的 Mac Studio 本地運行條件,呈現其桌面部署門檻。
Meta 的 Muse Spark Open 開放權重模型現已透過 Amazon SageMaker JumpStart 提供部署。模型採用 MoE 架構,總參數量為 816 billion,每個 token 啟用 42 billion,並支援 1-million-token 上下文窗口。平台提供 BF16 與 NVFP4 量化版本;NVFP4 版本所需記憶體約為 BF16 版本的四分之一。
Meta 與 Apple 合作,以兩台配備 512GB 統一記憶體的 M5 Ultra Mac Studio,透過最新 MLX 框架本地運行 Muse Spark Open。
韓國KOSPI指數開盤上漲1.8%,日經225指數高開0.78%,多家科技企業公佈股份回購相關計劃。鵬鼎控股董事長提議回購3億元至5億元股份,新易盛及長芯博創董事長分別提議回購8億元至10億元、2億元至3億元;中際旭創則擬註銷近50億元回購股份。
長上下文會推高 Transformer 的 KV cache 記憶體需求;Llama 3.1 8B 的 1M-token 提示詞,單是 KV cache 就需要 128 GB。
Meta 發佈開放權重 AI 模型 Muse Spark Open,採用原生多模態架構,總參數量為 816B(激活參數 42B),支援 1M token 上下文窗口。
Meta 發佈 Muse Spark Open 的開放權重,這款 816B 參數模型面向編碼及長時間運作的智能體任務。其上下文窗口最高為 1 million tokens;Meta 的測試中,模型在 JobBench 得分 61.8,在 MCP-Atlas 工具使用測試得分 89.2。
推薦理由:文章比較 Muse Spark Open 在編碼與工具調用基準上的表現,並交代開放權重的商用授權條件,呈現其能力側重與使用限制。
2026 年多部電影以更批判的角度描寫矽谷科技領袖,科技反彈浪潮正透過銀幕呈現。The Social Reckoning 將 Zuckerberg 描繪成威脅民主的企業領袖;Musk 紀錄片遭 X 阻止宣傳,Musk 更威脅對導演 Gibney 採取法律行動。Amazon 今年 6 月退出 Artificial 的發行協議,該片現正於指定戲院上映,並定於 12 月 25 日廣泛上映。
這份指南比較 10 種 WhatsApp API 選項、價格及適用情境,並將 Meta 官方 Cloud API 與連結裝置 API 區分開來。官方方案按國家及訊息類別收費,連結裝置服務多按號碼收取月費;非官方服務可能令 WhatsApp 限制號碼,而 Evolution API 免費授權,但須自行提供伺服器並負責維護。
Meta 發佈開放權重模型 Muse Spark Open,主打在 Mac 本機運行,採用 816 billion 個參數及 1 million token 上下文窗口。
2026 世界盃期間,Meta 多項服務同時創下流量紀錄,WhatsApp 在決賽期間每秒傳送逾 3,000 萬則訊息,刷新平台紀錄。WhatsApp 在最高流量的五分鐘時段傳送近 84 億則訊息;流量尖峯主要出現在比賽休息及終場等時段,Meta 以預留容量和按地區預測需求應對,團隊在賽事期間維持正常部署節奏。
Meta 團隊以 AI 原生工程方式打造 Forum,將 AI Agent 納入規劃、實作、建置、測試和驗證流程,工程師負責設定目標、監督及核准成果。團隊以建置結果、自動化測試和視覺檢查驗證成果,並安排 Agent 模擬用戶操作,持續偵測回歸問題。Forum 在 8 週內達到 Facebook Groups 核心功能對等;壓力測試在開發階段發現記憶體問題,修正後記憶體用量和缺頁錯誤均約減半。
Meta 公開 Muse Spark Open 的模型權重,稱這款面向編碼與智能體的模型能力不及週一推出、維持封閉的 Muse Wonder。
vLLM 與 Meta Superintelligence Labs 合作,為 Muse Spark Open 提供 Day 0 支援;模型有 816B 總參數、每個 token 啟用 42B 參數及 1M 上下文窗口。
Together AI 今日提供 Meta Muse Spark Open,可在 Together AI Serverless 上運行,並透過 Together API 呼叫。
Meta 推出 Muse Spark Open,重返開放權重模型領域;模型面向編碼和智能體任務,支援文字、圖像、影片及音訊。模型有 816 billion parameters(42 billion active),上下文窗口最高達 one million tokens。
Meta 的編碼優化開放權重模型 Muse Spark Open 現已在 Amazon SageMaker JumpStart 提供,可部署至用戶自己的 AWS 帳戶。
Meta 發佈 Muse Spark Open 開放權重模型,並與 Apple 合作,讓模型可透過最新 MLX 框架在兩部 Apple M5 Ultra Mac Studio 上運行。Meta 稱它是原生多模態模型,總參數量為 816 billion,擅長長時程任務、複雜軟件工程及多步推理。
作者在後續文章中指稱,Anthropic 的 Scion 有意抄襲 Mononoke,並稱兩個項目有人員重疊。相似之處涵蓋衍生資料、Bonsai 資料模型、changeset 及伺服器端 API;作者認為只提及 Sapling 的「艱苦得來的經驗」不足以交代 Mononoke 的貢獻。作者同時指出,Scion 團隊在 5 個月內重建該系統仍值得肯定。
Meta 今日發佈 Muse Spark Open 的模型權重;這款原生多模態模型有 816B 總參數(42B active)及 1M-token 上下文窗口。
推薦理由:Muse Spark Open 同時公佈本機部署配置、託管 API 入口及 GPU 推理速度數據,呈現開放權重模型從桌面運行到託管服務的部署路徑。
Meta 已發佈 Muse Spark Open 權重,該模型現已可透過 Modal Auto Endpoints 使用。模型專為智能體編碼和長時程任務而設,具原生多模態理解及 1M-token 上下文窗口,並支援編寫和除錯程式碼、多步規劃、循序使用工具及延長工作流程中的失敗恢復。
Meta 開放 Muse Spark Open 權重,模型即日起可在 Hugging Face 按 Muse Model License 取得。模型有 816B 總參數、42B 活躍參數及 1M tokens 上下文窗口,針對編碼和 Agent 工作設計,並支援圖像、文件、音訊及音訊影片理解。
Meta 發佈 Muse Spark Open,這是一款面向智能體編碼的 816B MoE 模型,具備 42B 活躍參數及 1M token 上下文窗口。該模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上訓練,原文稱其具備較高的首次嘗試準確率、可靠的工具調用能力,以及跨程式碼庫的深入理解能力。
Meta 開放 Muse Spark Open 權重,這款專為編碼智能體工作流設計的模型有 816B 總參數、推理時啟用 42.7B 參數及 1M token 上下文窗口。
推薦理由:文章拆解 Muse Spark Open 的壓縮 MoE、混合注意力及 NVFP4 服務設計,並以 128K 上下文的 KV cache 數據説明其記憶體取捨。
Meta 發佈 Muse Spark Open,並稱其為美國能力最強的開放權重模型。Muse Spark Open 總參數量為 816B,活躍參數量為 42B,並具備 1M-token 上下文窗口。
Meta 表示已與 Apple 合作,讓 Muse Spark Open 可在 M5 Ultra Mac Studio 上本機運行。用戶可配對兩至四部 Mac Studio,以編寫程式或進行智能體工作。
Meta 宣佈發布 Muse Spark Open 的模型權重,讓開發者可自行運行及適配這款模型。這款模型專為編碼及支援 AI 智能體而設,但不及本週早些時候亮相的 Muse Wonder 先進。Meta 首席 AI 官 Alexandr Wang 表示,基於安全與能力考量,公司通常不會開源最強模型,但計劃持續開源優秀模型。