Dario Amodei呼籲放慢前沿AI開發,提出第三方評估等安全措施
Anthropic的Dario Amodei於9月12日呼籲放慢前沿AI能力提升的速度,為安全研究、保障措施和第三方評估預留時間。他提出持續接納第三方評估者、民主國家企業協調,以及政府推動國際協調三項做法。
Anthropic的Dario Amodei於9月12日呼籲放慢前沿AI能力提升的速度,為安全研究、保障措施和第三方評估預留時間。他提出持續接納第三方評估者、民主國家企業協調,以及政府推動國際協調三項做法。
Broadcom 行政總裁 Hock Tan 預測,客製化 AI XPU、AI 網絡及其他用於 AI 系統的晶片業務銷售額,將由 F2022 的 $2.6 billion 升至 F2028 的 $230 billion。
推薦理由:文章把 Broadcom 的 AI 晶片收入預測與季度業務拆分並列,呈現客製化加速器和網絡晶片如何共同構成增長來源。
Meta 宣佈推出個人 AI 智能體 Muse,並開始在美國分階段提供 iOS、Android 應用程式及 muse.ai 網頁版。用戶可在 Muse 應用程式或 WhatsApp 交代目標或工作,Muse 會制定計劃,透過瀏覽器及連結的應用程式執行,並可在應用程式關閉後繼續於背景工作。
推薦理由:文章交代 Muse 如何在背景執行多項任務,也説明 Sentinel 審核外部操作及重要操作確認機制,呈現自動化流程中的安全控制設計。
最新開放模型動態涵蓋 Motif-3、GLM-5.3、Hy4-preview 等模型,並指出 GLM-5.3 由 MIT 改用自訂授權。該授權規定,Model as a Service 服務商及其關聯方在任何連續 12 個月的總收入超過 10 billion US dollars,須通過 Z.AI 安全審查;「關聯方」未有定義,增加採用上的不確定性。
ZGateway 是置於 ZippyDB 客戶端與資料庫主機之間的無狀態代理層,用來統一流量並集中管理連線和請求批次處理。它每秒可處理超過 10 億次操作,目前承載約 40% 的 ZippyDB 流量,預計增至 60% 以上;平均使用情境的計算開銷約 6%。代理層亦提供准入控制、負載平衡及跨區域韌性。
Meta 團隊構建了一個面向特定合規領域的 AI 智能體,透過結構化知識系統、專家推理流程及自動改進管線,把專家回饋轉為經驗更新,毋須重新訓練模型。知識系統由 200+ 個文件組成,並以可組合流程(recipes)分開管理知識與推理程序;重組後每輪 token 用量減少約 80%。經過六星期、三個開發 sprint,Meta 表示個別評估時間由數天縮短至數分鐘,改進週期未出現回歸。
Meta 前高層 Clara Shih 因親見 AI 智能體大幅壓縮產品開發流程,於今年春季離開 Meta,轉向關注初級求職者。她仍任 Meta 高級顧問,並創立 New Work Foundation 及消費品牌 Dear CC,免費提供求職工具與建議。她估計,公司約五分之一職位特別會受挑戰,並將 AI 對工作的影響分為直接替代、釋放人手處理更高階任務,以及降低專業職位入行門檻三類。
Meta 與 47 個美國州、哥倫比亞特區及美國領地就兒童安全和私隱相關指控達成和解,金額最高為 $17.1 billion。協議要求 Facebook 和 Instagram 將青少年每日合計使用時間限制在兩小時,午夜至早上 6 時封鎖大部分功能,並於上課日早上 8 時至下午 3 時靜音推送通知(私訊及帳戶安全或安全提示除外);休息提示則預設啟用,每 15 分鐘觸發一次。
Linear 在超過 1,000 個 PR 後,將旗下 React 應用程式由 styled-components 遷移至 StyleX。在視圖密集的頁面上,移除執行時樣式注入後,主執行緒 CPU 工作量減少約 20% 至 35%;測試中,中階裝置速度約快 30%。團隊以確定性 codemod、Agent 與人工判斷分工,並建立 lint 規則和跨檔案檢查,規範元件樣式介面及防止舊模式迴流。
Zuckoff 等智能眼鏡偵測 App 會掃描附近的 Bluetooth 訊號,提示用戶可能有智能眼鏡在附近,但不能確認裝置是否正在錄影或被用來使用 AI 查詢資訊。這些 App 透過廠商 ID、系統識別碼及硬件特徵估算距離,訊號強度不提供方向;眼鏡與用戶手機配對後可能變得安靜,因此未偵測到不代表沒有人錄影,偵測到也不代表正在錄影。
Nathan Lambert 分析開源模型生態的可持續性,指出 Nvidia 希望透過開放模型帶動 token 需求及芯片銷售。文中稱 Nvidia 據報正為此投入 $26 billion,而這種模式須在未來數年形成足夠回報。若相關回報路徑未能奏效,開源模型或會更側重效率、可修改性和專業化,服務企業內部的長尾任務。
Rails Foundation 發表 Agents on Rails 首份基準測試報告,比較 8 個模型在 Ruby on Rails 任務中的表現。Claude Fable 5 的執行準確率最高,達 95%,但會拒絕部分安全報告任務;Claude Opus 5 解決 92% 的有效任務。
SGLang 重構 CUDA Graph 支援,透過 runner/backend 分層,讓不同執行路徑可重用多種擷取策略,並將 Breakable CUDA Graph(BCG)設為 prefill 的預設策略。
Neoclouds 正累積現金並擴建 AI 數據中心,CoreWeave 和 Nebius 的業務數據呈現這類服務商的增長與資金需求。
開源、開放權重與封閉式 AI 模型之爭,關乎企業如何選擇 AI 軟件及掌控自身技術架構。醫療軟件供應商和醫療機構會替用戶選擇模型;企業則須在自行投資開發和等待軟件供應商加入 AI 功能之間作出取捨,並考慮是否把資料交給外部模型。文章以 Meta Platforms 對模型開放策略的轉變,以及 Nvidia 開放 Nemotron 3 模型的源碼、權重和訓練數據集為例,指出這場取捨正受到關注。
Meta 於 2026年8月10日發佈開放權重模型 Muse Glimmer,面向可在本地持續運行的 AI 智能體,規模約 30B 參數。模型以 Apache License 2.0 公開,提供約 4-bit 量化版本;Meta 稱模型可在 24GB 或 32GB 記憶體環境運行,並支援多階段推理、工具呼叫及長時間任務。
推薦理由:文章比較 Muse Glimmer 與 Gemma4-31B、Qwen3.6-27B 的基準表現,並説明 24GB、32GB 記憶體環境的量化配置,呈現本地部署條件與任務表現。
Manus 將恢復獨立營運,並於 2026 年 8 月 23 至 24 日(SGT)刪除部分用户在 2025 年 12 月 29 日或之後產生的數據。這是 Manus 與 Meta 分拆及遵守特定司法管轄區監管要求的一部分,並非安全事件所致。受影響用户可於 8 月 23 日 07:59(SGT)前備份,並於 8 月 25 日 08:00(SGT)起恢復數據;未受影響用户可照常使用。
Meta 發佈 Muse Glimmer,一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型,採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成,支援圖像、影片輸入及多模態工具調用。
推薦理由:文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來,提供從本地推理到託管部署的實作參考。
Ollama 現已提供 Meta Superintelligence Labs 的 Muse Glimmer,這款 30B 多模態模型面向本機 Agent 工作負載,支援 128K+ 上下文長度。
Meta Superintelligence Labs 與 SGLang 團隊合作,讓 SGLang 自 Day-0 起支援 Muse Glimmer,並針對本地硬件上的智能體工作流優化推理。
「Pacing the Frontier」聲明截至7月29日列有1,224名前沿 AI 企業員工簽署者,並要求美國政府支持國際合作,發展可有意調整前沿 AI 開發步伐的技術與治理手段。
The Next Platform 指出,GenAI 硬件與數據中心投資遠超模型及平台收入,現有商業化收入尚未匹配相關投入規模。Gartner 估算 2026 年 GenAI 模型收入為 $28.3 billion;文章亦提醒,OpenAI 約 $25 billion、Anthropic 5 月 $47 billion 的 ARR 並非實際收入。
Meta、SpaceX 和月之暗面在 8 天內接連推出具競爭力的模型,令美國前沿實驗室在 IPO 窗口開啟之際面對價格戰壓力。Meta 的 Muse Spark 1.1 以遠低於 Anthropic Opus 4.8 的價格,在部分基準上具競爭力;SpaceX 的 Grok 4.5 價格不到 Opus 4.8 一半,並在編碼基準上具競爭力。
Nathan Lambert 認為,未來 6 個月內,能力達到 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 水平以上的開放權重模型可能遭禁或無限期延後。他批評 Anthropic 推動限制的做法是監管俘獲,並指出模型 API 本身也可能遭未授權存取。他主張將知識蒸餾與前沿模型能力的政策討論分開,並由美國公司推出相近能力的開放模型、建立更廣泛的政策聯盟。
Meta 於 2026 年 7 月 9 日發佈面向智能體任務的多模態推理模型 Muse Spark 1.1,表示其工具使用、電腦操作、編碼及多模態理解能力有所提升。
Meta CTO Andrew Bosworth 在 Big Technology Podcast 訪談中表示,單一大型模型已不足以構成競爭優勢,AI 價值取決於模型與產品、分發及消費者體驗的結合。
Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。
推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。
Big Technology 在假期週末前預告,將談及美國持有 OpenAI 股權、Meta 與新雲端,以及 Karp 的抨擊。正文沒有提供這些議題的具體細節。
Bloomberg 報道稱,Meta Platforms 正籌備更正式地對外銷售雲端服務,並直接競爭 AWS、Microsoft Azure 和 Google Cloud。
智能體 AI 部署擴展至雲端及企業環境後,CPU 日益成為系統的控制平面,負責協調數據流動、工作負載隔離及分散式基礎設施排程。Arm AGI CPU 與 Meta 緊密合作打造,採用 Arm Neoverse V3 平台,面向智能體 AI 數據中心的機架級密度及擴展需求。
Meta 於 2026 年 6 月 16 日宣佈,Threads 月間活躍用戶達 5 億,社羣功能轉為正式版,並引入「Your Algo」設定。
Meta 於 2026 年 4 月 8 日發佈 Muse Spark,這是 Muse 家族首個原生多模態推理模型,支援工具使用、視覺鏈式推理及多智能體協作。
Manus 推出與 Meta Ads Manager 連接的早期 Beta 版連接器,可即時查詢廣告帳户並分析廣告表現。連接器可按排程發送每日或每週摘要,並生成即時儀錶板、簡報及資訊圖表;它透過官方 API 提供安全唯讀存取,不能更改廣告活動。功能正逐步推出,可能尚未向所有人開放。
Manus 推出 Manus Connectors 的 Instagram Creator Marketplace 早期 Beta,將 Meta 官方創作者發掘工具接入 Manus 工作流程。連接器可搜尋和篩選超過 200 萬名創作者,並提供 Meta 認證的一方受眾與績效洞察,亦可把創作者發掘及外聯電郵草擬整合至自動化流程。功能目前在所有 Manus 市場提供,但不包括歐盟國家。
CNET 整理辨認配備鏡頭智能眼鏡的方法,並指出生產這類眼鏡的公司不止 Meta。Meta Ray-Ban 的鏡頭位於鏡框左上角(面向配戴者時為右上角),指示燈則在另一側;Oakley Meta Vanguard 的鏡頭和指示燈位於鼻樑中央。文章亦提醒,強烈陽光下指示燈幾乎難以察覺,遮住或改裝指示燈也會影響辨認。
Chris Mason 更新了供 Linux 核心及 systemd 開發使用的 AI 輔助程式碼審查提示詞,並在 LKML 徵求開發者意見。新版把程式碼差異拆成小段,供 Claude Code 等 AI 分段審查;Python 腳本會預先抽取變更函式、型別及呼叫圖,以減少 token 用量,Mason 表示這也有助發現更多錯誤。
Together AI以DPO微調開源LLM評審,測試其在RewardBench 2上的人類偏好對齊表現;gpt-oss 120B得分為62.63%,高於GPT-5.2的61.62%。RewardBench 2衡量模型與人類判斷的一致程度,並非答案的絕對正確性或真實品質。
張小珺商業訪談錄刊出 Manus 聯合創始人兼首席科學家季逸超的訪談,節目於 2025 年 12 月 1 日錄製。錄製時 Meta 尚未宣佈全資收購 Manus,這期節目其後成為 Manus 最後的訪談。訪談涉及 Manus 從 0 到 1 億美元 ARR、人工智能更像製造業,以及季逸超對 Manus 變得複雜的擔憂。
Manus 宣佈即將加入 Meta,並表示會繼續透過 app 和網站提供產品及訂閲服務,公司亦會繼續在新加坡營運。按 12 月初統計,自上線以來 Manus 已處理超過 147 萬億個 token,並建立超過 8000 萬台虛擬電腦。首席執行官肖弘表示,與 Meta 攜手可讓 Manus 在不改變運作方式和決策機制的前提下,在更強大、更可持續的基礎上發展。
推薦理由:公告交代 Manus 加入 Meta 後產品服務及新加坡營運安排,並列出上線以來的使用規模,呈現組織變動與現有服務延續的關係。
Meta 與 Hugging Face 合作推出 OpenEnv Hub,供開發者建立、分享和探索可用於訓練與部署的智能體環境。OpenEnv 以沙盒封裝任務所需工具、API、憑證及執行上下文,並提供清晰語義與隔離控制;團隊同時發布 OpenEnv 0.1 Spec(RFC)徵求社羣意見。
推薦理由:OpenEnv 將智能體任務所需的工具、API、憑證與執行上下文封裝成可分享環境,並銜接訓練和部署,呈現環境規格化的實際用途。