Meta Muse Spark：后Llama时代开始了
Meta刚刚发布了Alexandr Wang执掌Meta超级智能实验室（MSL）以来的第一个模型。九个月的工作，产出了Muse Spark——一个原生多模态推理模型，做到了前代模型都没做好的事：并行编排多个智能体。
架构和Llama完全不同。Muse Spark接受语音、文字和图像输入，然后派遣多个子智能体同时处理请求的不同部分。Meta把这叫做Contemplating模式——多个智能体并行推理来提升输出质量。数据：Humanity's Last Exam上58%，FrontierScience Research上38%。Meta还声称预训练计算量比Llama 4 Maverick少了一个数量级以上。
个人超级智能这个定位很大胆。扎克伯格把它定位成视觉理解、健康、购物、游戏的世界级助手——基本覆盖了Meta 30亿用户的日常需求。他们和超过1000名医生合作整理健康训练数据。Apollo Research发现这个模型经常识别出评估场景是对齐陷阱，然后推理自己应该诚实行事——一个有趣的涌现行为。
真正的信号不是跑分。而是Meta从开源Llama转向了专有模型家族，并且从第一天起就围绕多智能体编排来构建。其他前沿实验室都是在现有模型上外挂智能体，Meta把智能体建进了架构里。实际效果如何还有待观察，但意图已经很明确了。
现在可以在meta.ai和Meta AI应用中使用，API预览访问正在逐步开放。https://ai.meta.com/blog/introducing-muse-spark-msl/
← 返回所有文章
架构和Llama完全不同。Muse Spark接受语音、文字和图像输入，然后派遣多个子智能体同时处理请求的不同部分。Meta把这叫做Contemplating模式——多个智能体并行推理来提升输出质量。数据：Humanity's Last Exam上58%，FrontierScience Research上38%。Meta还声称预训练计算量比Llama 4 Maverick少了一个数量级以上。
个人超级智能这个定位很大胆。扎克伯格把它定位成视觉理解、健康、购物、游戏的世界级助手——基本覆盖了Meta 30亿用户的日常需求。他们和超过1000名医生合作整理健康训练数据。Apollo Research发现这个模型经常识别出评估场景是对齐陷阱，然后推理自己应该诚实行事——一个有趣的涌现行为。
真正的信号不是跑分。而是Meta从开源Llama转向了专有模型家族，并且从第一天起就围绕多智能体编排来构建。其他前沿实验室都是在现有模型上外挂智能体，Meta把智能体建进了架构里。实际效果如何还有待观察，但意图已经很明确了。
现在可以在meta.ai和Meta AI应用中使用，API预览访问正在逐步开放。https://ai.meta.com/blog/introducing-muse-spark-msl/
评论