Meta AI 发布最小最高效模型 Muse Ember
Meta AI 发布定位为最小、最高效的模型 Muse Ember，面向复杂推理执行与智能体日常重复工作，如工具调用、编码子任务、路由、抽取和长文档解析。短提示词下其定价与 GPT-6 Luna、Claude Haiku 5.5 相同，均为 $0.10/百万输入 token、$0.50/百万输出；考虑长提示词阈值后价格介于两者之间，三者均支持最高 100 万输入 token。
#Meta
Simon WillisonAI 评分7373 The DecoderAI 评分6565 Meta 发布 Muse Ember 小模型，主打智能体日常任务
Meta 推出迄今最小、最高效的模型 Muse Ember，面向智能体全天处理的重复性任务，包括调用工具、小型编码任务、请求路由、数据抽取和长文档处理。
TechCrunch · AIAI 评分6464 Meta 发布轻量智能体模型 Muse Ember，主打低成本执行
Meta Superintelligence Lab 发布轻量模型 Muse Ember，定位为该实验室迄今最轻、成本最低的模型，面向工具调用、编码子任务、路由、抽取和长文档解析等智能体日常执行任务。
TechCrunch · AIAI 评分7171 Meta 发布可在 Mac 本地运行的开源权重模型 Muse Spark Open
Meta 发布了名为 Muse Spark Open 的开源权重模型，称其为美国能力最强的开源权重模型，采用 816 billion parameters 和 1 million token context window，原生多模态，面向复杂编码任务和智能体工作。
The DecoderAI 评分7474 Meta 发布 Muse Spark Open 开源权重模型，主打编码与智能体任务
Meta 在 Llama 系列之后推出开源权重模型 Muse Spark Open，官方称其为美国最强开源权重模型，主打编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文窗口，支持文本、图像、视频和音频。
The Verge · AIAI 评分7474 Meta 与 Apple 合作让 Muse Spark Open 模型在 Mac 上高效运行
Meta 宣布发布 Muse Spark Open 模型，称其为迄今最强的美国开放权重模型，也是同级别中首个可在两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 桌面上运行的模型。
Hugging Face Blog精选AI 评分7878 Meta 发布开源多模态 MoE 模型 Muse Spark Open
Meta 发布开源权重多模态模型 Muse Spark Open，约 816B 总参数、每 token 约 42B 激活参数，上下文窗口达 1M tokens，支持文本、图像、音频、视频输入与文本输出，面向 agentic coding 场景。
推荐理由：原文给出完整架构参数与多框架部署配方，读者可据此评估自托管该模型的资源门槛与可行路径。
Latent Space精选AI 评分8888 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型，第三方评测接近前沿水平
Meta Superintelligence Labs（MSL）发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，定位为面向个人与专业智能体工作的前沿模型，1M 上下文窗口，定价为 $4/M 输入、$20/M 输出。
推荐理由：原文汇总了第三方评测数据与从业者正反两方反馈，读者可据此判断该模型的真实定位与争议点。
The DecoderAI 评分7474 Meta 发布 Muse Wonder 系列前沿模型，编码与推理大幅提升
Meta 发布 Muse Wonder 和 Muse Wonder Full 两个前沿模型，Artificial Analysis Intelligence Index v4.3 得分分别为 52 和 56，前代 Muse Spark 1.3 为 48。
TechCrunch · AI精选AI 评分7878 Meta 发布首个前沿模型 Muse Wonder 与 Muse Wonder Full
Meta 的 Superintelligence Lab 发布了 Muse Wonder 和 Muse Wonder Full 一对新模型，这是该公司首次尝试前沿模型。
推荐理由：原文交代了定价与独占渠道，读者可据此判断它在 Meta 产品线中的定位。
The Verge · AIAI 评分6262 Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型
Meta 发布两款新模型 Muse Wonder 和 Muse Wonder Full，Muse Code 订阅者即日起可用，Wonder 还可通过 Meta Model API 访问。
Latent SpaceAI 评分6262 AINews：Opus 5.5 擅长生成讲解视频
Latent Space 的 AINews 汇总 9/24-9/25 动态，指出 Opus 5.5 本周发布后社区反响积极，尤其擅长用代码生成讲解视频。
Hugging Face Blog精选AI 评分7878 Meta 发布开源多模态模型 Muse Glimmer-30B，面向本地智能体场景
Meta 发布 Muse Glimmer-30B，一款从 Muse 蒸馏至 30B 参数、采用 Apache 2.0 许可的多模态模型，面向本地智能体用例，适用于编码、文档分析、个人助手等注重隐私的场景。
推荐理由：原文给出架构细节与部署入口，读者可据此判断本地智能体场景下的落地成本与可行性。
Hugging Face Blog精选AI 评分6161 Meta 发布多模态安全模型 Llama Guard 4 与两款 Llama Prompt Guard 2
Meta 发布 Llama Guard 4，一个 12B 稠密多模态安全模型，以及两款新的 Llama Prompt Guard 2 分类器（86M 和 22M 参数）。
推荐理由：原文给出了从 Llama 4 Scout 剪枝为稠密模型的架构细节和与上一代的对比数据，便于判断其部署成本与效果取舍。
Hugging Face Blog精选AI 评分8888 Hugging Face 迎来 Meta Llama 4 Maverick 与 Scout 模型
Hugging Face 官方博客宣布 Meta 新一代 Llama 4 模型上线 Hub：Maverick 约 400B 总参数、128 专家，Scout 约 109B 总参数、16 专家，均为 17B 激活参数的 MoE 架构，支持文本与图像输入，训练数据最多 40 万亿 token、覆盖 200 种语言。
推荐理由：原文拆解了 NoPE、分块注意力等架构选择，读者可理解超长上下文如何实现。
Hugging Face Blog精选AI 评分8888 Meta 发布 Llama 3.2：多模态 Vision 与端侧 1B/3B 模型上线 Hugging Face
Meta 与 Hugging Face 合作发布 Llama 3.2 系列，共 10 个开放权重模型上线 Hub，包括 5 个多模态模型和 5 个纯文本模型。
推荐理由：原文给出各尺寸模型的显存需求与本地运行方式，读者可据此判断能否在自己的设备上跑起来。
Hugging Face Blog精选AI 评分9393 Hugging Face 官方介绍 Llama 3.1 系列模型及生态集成
Hugging Face 与 Meta 合作将 Llama 3.1 系列集成到其生态，Hub 上提供 8 个开放权重模型（3 个 base 和 5 个微调版本），涵盖 8B、70B、405B 三种尺寸，均支持 128K 上下文窗口和 8 种语言，并新增工具调用能力与更宽松的许可（允许用模型输出改进其他 LLM）。
推荐理由：详细列出三种尺寸的显存需求与量化方案，读者可据此判断自己硬件能否跑起来。
Hugging Face Blog精选AI 评分8888 Hugging Face 完整集成 Meta Llama 3 开源模型
Meta 发布开源 Llama 3 系列，包含 8B 和 70B 两种参数规模的 base 与 instruct 共 4 个模型，以及基于 Llama 3 8B 微调的 Llama Guard 2，全部已上线 Hugging Face Hub。
推荐理由：原文梳理了 Llama 3 的技术变化与生态集成入口，读者可据此判断如何在自己的工作流中使用它。
Hugging Face Blog精选AI 评分8888 Hugging Face 全面支持 Meta Llama 2 发布并提供推理与微调指南
Meta 发布 Llama 2 系列开放大语言模型，Hugging Face 完成生态集成，Hub 上提供 12 个开放模型（3 个基础模型与 3 个微调模型及对应 transformers 版本），采用宽松社区许可并支持商用。
推荐理由：文章给出从推理部署到单卡微调的完整路径，可直接迁移用于自己的 Llama 2 实践。