A.I. 日报
AI at Meta@AIatMeta
今天我们发布了一份关于 Muse Glimmer 的技术报告，这是我们为消费级硬件上的智能体任务构建的 300 亿参数开放权重模型。 它能够在配备单张消费级 GPU 的 Mac 或 PC 上以 4 位精度、以实用速度运行，并在工具使用和多步规划方面领先于同等规模的开源模型。 阅读有关模型架构、蒸馏配方、量化等内容：
AI at Meta
7 篇报道AI at Meta 是 Meta 旗下的人工智能业务，负责 Muse 系列模型与相关研究。近期内容集中在 Muse Glimmer 这一 30B 开放权重模型，面向消费级硬件上的智能体任务，并披露了在俄亥俄州 New Albany 的 Prometheus 千兆瓦级超算集群上训练 Muse 基础模型的进展。此外，Meta Omnilingual ASR 因覆盖 1600 多种语言入选 TIME 2026 年度最佳发明，公司还介绍了 AI 用于健康科学研究的方向。
AI at Meta@AIatMeta
我们在俄亥俄州新奥尔巴尼的 Prometheus 训练了 Muse 基础模型（包括 Muse Wonder），这是我们千兆瓦级的超级集群。 在拥有数十万块 GPU 的超级集群中，哪怕一台性能不佳的主机也可能拖慢整个训练运行。我们为 Prometheus 设计了大规模下的韧性能力，在预训练上实现了 85%+ 的 goodput（有效输出率），强化学习上达到 90%+，并且在 Muse Wonder 训练期间，平均每约 4.7 万 GPU 小时才出现一次中断。 看看驱动 Prometheus 的技术：
AI at Meta@AIatMeta
我们很自豪地分享，Meta 多语言自动语音识别（ASR）被评为 @TIME 的 2026 年最佳发明之一！ Meta Omnilingual ASR 是一套模型，为超过 1,600 种语言提供 ASR 能力，其中包括 500 种此前从未被任何 ASR 系统覆盖的低资源语言。 大多数 ASR 系统专注于互联网上资源丰富的有限语言，而此次发布标志着向构建真正通用转录系统迈出了重要一步。 在此了解更多：
AI at Meta@AIatMeta
我们正在探索AI如何加速健康科学研究。 虽然AI在数学等形式科学领域取得了重大突破，但健康数据科学依赖于不完美的现实世界数据以及关于队列、变量和因果假设的重要选择。 为了探索AI如何帮助健康研究人员，我们构建了一个由人类主导的研究支架，由Muse Spark 1.3和Muse Wonder提供支持，可访问500万份回顾性去标识化电子健康记录和公开数据。一组医学专家使用该系统进行原创研究，加速假设生成、代码执行和手稿起草，同时保持对科学决策的完全权威。 今天，我们分享了通过这项探索产生的10份研究手稿，涵盖心脏病学…
AI at Meta@AIatMeta
从重建基础到在 14 个月内推动前沿 🚀
AI at Meta@AIatMeta
在过去6个月里... - Muse Spark - Muse Image - Muse Video - Muse Spark 1.1 - Meta Model API - Muse Glimmer - Muse Spark 1.2 - Muse Code - Muse Spark 1.3 - Muse ...而我们才刚刚开始。🚀
AI at Meta@AIatMeta
@Muse for Mac，今日开始推出。👇 [引用 @Muse]: Muse 现已可在 Mac 上使用 💻。 你的个人代理可以直接在你的电脑上为你完成事情（均需你明确授权）。 - 整理你的下载文件夹 - 找回你不再记得位置的文件 - 总结你的消息和笔记 …更多功能即将推出。 试用 Muse for Mac:
已经到底了